基于數據驅動的客戶側需求響應資源精準喚醒

楊嘉睿，俞楚天，葉少杰

(國網浙江省電力有限公司經濟技術研究院，浙江 杭州 310020)

0 引言

2002 年以來，國內電力供需失衡地區性差異越發明顯，可再生能源消納的矛盾也日益突出，電力持續緊張的局面開始顯現，電力用戶以需求響應形式參與電網“雙向互動”，是緩解電力供應緊張矛盾的有效手段[1]，也是消納清潔能源、實現社會可持續發展的有力支撐[2]，隨著以新能源為主體的新型電力系統發展，規模化靈活需求側互動響應資源的挖掘成為必然[3]。為促進電力供需平衡和保障重點用戶用電，提升能源利用效率，促進節能減排，電網公司應充分利用已有的數據資源[4-5]，精準識別客戶側需求響應高潛力資源，解決在開展需求響應工作時遇到的無法精準排查出高潛力需求響應目標用戶、用戶在答復邀約中缺乏技術輔助手段、缺乏系統性的需求響應結果分析與建議等困難點，提升用戶在簽約、答復邀約和需求響應實施過程中的體驗感和成功率，從而實現與用戶的有效互動，進一步推進需求響應工作的開展。

目前，已有不少學者對需求響應開展了應用研究。文獻[6]提出了低碳需求響應機制，以動態碳排放因子為引導信號，以用戶自身減碳意愿或碳市場中的價格因素為激勵信號，引導用戶主動響應并降低系統碳排放的電力系統碳減排新機制；文獻[7]基于智能配電網中負荷的主動響應能力，在保證分布式電源可靠供電的同時，開展促進分布式電源就地消納的研究；文獻[8]考慮到用戶響應行為的不確定性，提出以參與度、響應時間等多重影響因素與凈負荷功率構建高維參數空間，利用響應前后凈負荷包絡域期望量化用戶響應能力等。但基于電力數據開展客戶側需求響應資源精準喚醒的相關研究尚不多見。

1 研究思路

需求響應是電力需求側管理的重要解決方案，也是建設能源互聯網的有效推進措施之一[9]。需求響應是電力用戶根據市場價格信號或激勵機制主動調整用電方式，以保證系統運行的安全性和可靠性，實現節能降耗、提高終端用電效率等功能[10]。需求側管理主要用于削峰填谷、節能省電和能源替換等[11]，當前面臨的主要問題如下。

1) 無法精準排查出目標用戶，工作效率低。

2) 用戶在答復邀約過程中存在報量輸入不準、需求響應實施過程中調節負荷精確度不高等問題，導致用戶需求響應失敗。

3) 需求響應參與方案的靈活度不強。

隨著需求側管理工作的推進，智能電表和用電采集系統逐漸普及，電網公司可方便及時地獲得終端電力用戶的用電信息，為評估需求響應潛力奠定了數據基礎[12]；同時，智能技術(如深度強化學習等)能夠對復雜的外部環境做出較為準確的識別并做出最優決策，能夠滿足需求響應的相關要求[13]。因此，通過聚合電力系統的用戶檔案數據、用戶負荷數據、用戶用電量數據等，利用大數據分析技術，實現客戶需求響應潛力分析、客戶生產經驗特征分析、客戶需求響應預評估、客戶需求響應結果分析等模型的構建，實現客戶側需求響應高潛力用戶的精準篩選，持續提升用戶需求響應的參與度和成功率。

2 需求響應分析模型構建

2.1 客戶需求響應潛力分析模型

基于近3 個月高壓用戶96 點日負荷數據，采用大數據算法，構建削峰填谷響應潛力模型，其中早高峰為10 時至11 時，午高峰為13 時至17 時，凌晨低谷為0 時至6 時、中午低谷為11 時至12 時。根據削峰填谷響應潛力值劃分高、較高、中、低四個響應潛力等級，輸出需求側削峰填谷響應潛力用戶清單；同時對比分析用戶開空調狀態下及不開空調狀態下的負荷特征，并根據客戶負荷可調節潛力值，輸出需求側響應潛力清單。

2.1.1 削峰填谷潛力

基于用戶歷史各日早高峰及午高峰、各日凌晨低谷及中午低谷的負荷水平分布情況，推導得到用戶各時段的可調整負荷值，并結合各行業的潛力系數，得到最終的早高峰削峰及午高峰削峰、凌晨低谷填谷及中午低谷填谷的響應潛力。行業潛力系數則通過綜合分析歷史參與需求側響應的用戶行業特征及響應情況得到。具體分析步驟如下。

1) 獲取用戶近3 個月96 點的日負荷數據，計算96 點各點近3 個月日均負荷數據，同時剔除節假日數據、小于等于零的數值及異常大的數值。

2) 基于用戶近3 個月96 點日均負荷數據，取65 %的負荷值(從低到高)作為峰電量的基準值。

3) 將用戶負荷特征曲線各點值與峰電量基準值相減，大于零的時段初步定義為用電高峰時段。

4) 將大于零的時點從小到大排序，按時點的連續性進行歸類，中間連續無時點間斷的歸為1 類，依次歸納到N類，定義為M1，M2，……，Mn并分別計算M1，M2，……，Mn對應的連續點數Q1，Q2，……，Qn；間隔時點數D1，D2，……，Dn-1。

5) 將M1，M2，……，Mn進行高峰時段粘連，如果Di＜4 (24 個點Di＜1)，且Qi＞Di，Qi+1＞Qi，Mi與Mi+1粘連，其他情況下則終止粘連，粘連后的連續時段為最后粘連的時點距最初粘連的時點，依次歸類為m類，定義為m1，m2，……，mm。

6) 判斷mi對應的時點數，如果mi≥4 (若負荷數據為24 點，則閾值為大于等于1)，則判斷為峰時段，從時段大小分別定義為f1，f2，……，fn。

7) 當非峰時段的日均負荷與峰時段的日均負荷大于等于0.8 時，定義為無峰。

8) 計算各峰時段的平均負荷值。

式中：di為各鋒時段里各點對應的負荷值，n為峰時段里的負荷點數。

2.1.1.1 削峰響應潛力

1) 早高峰響應潛力。

3) 削峰響應潛力。

4) 削峰響應潛力等級制定。針對削峰響應潛力大于零的用戶，制定削峰響應潛力等級，如表1所示。

表1 削峰響應潛力等級

2.1.1.2 填谷響應潛力

1) 折算前凌晨低谷響應潛力。

2) 折算前中午低谷響應潛力。

3) 折算前填谷響應潛力。

4) 填谷響應潛力折算系數。

5) 填谷響應潛力基準負荷。

6) 計算最終的凌晨低谷響應潛力、中午低谷響應潛力、填谷響應潛力。

a) 計算凌晨低谷響應潛力。

b) 計算中午低谷響應潛力。

c) 計算填谷響應潛力。

7) 填谷響應潛力等級制定。針對填谷響應潛力大于零的用戶，制定填谷響應潛力等級，如表2所示。

表2 填谷響應潛力等級

2.1.2 柔性可調節負荷潛力

基于不同日期類型下用戶開空調和不開空調時負荷變化，通過分析用戶空調負荷可調節程度和可調節負荷值，綜合得到用戶空調負荷可調節潛力，并按照表3 進行分類，具體應用步驟分析如下。

表3 空調負荷可調節潛力等級

1) 基于“工作日期類型”“空調狀態”“季節”三個字段信息將數據劃分成冬季節假日開空調，夏季節假日開空調、節假日不開空調，冬季工作日開空調，夏季工作日開空調、工作日不開空調六大類；剔除各日期類型中的異常負荷曲線以及日均負荷前5 %及后5 %的日期。

2) 選取節假日(工作日)冬天開空調日期類型中各點處于前5 %的點值，作為冬天節假日(工作日)開空調日期類型的可調節負荷上限；同理可得出夏天節假日(工作日)開空調日期類型的可調節負荷上限；同時取開空調日期類型的平均值負荷曲線。

3) 選取節假日(工作日)冬天不開空調日期類型的平均值負荷曲線，作為冬天節假日(工作日)開空調日期類型的可調節負荷下限；同理可得出夏天節假日(工作日)開空調日期類型的可調節負荷下限。

4) 基于用戶的負荷特征分析，得出用戶四種日期類型(冬季節假日開空調、夏季節假日開空調、冬季工作日開空調、夏季工作日開空調)全日及一日及24 個時點各時點的柔性負荷特征值。

5) 可調節負荷值得分(S2矩陣)計算如下。

式中：S＇為數據標準化后的可調節負荷，分別代表所有用戶某日期類型下序列中的15 %、55 %、75 %、100 %分位點對應的值。

6) 可調節程度得分(S1矩陣)計算如下。

式中：P＇為數據標準化后的理論可調節程度，分別代表所有用戶某日期類型下P＇序列中的15 %、55 %、75 %、100 %分位點對應的值。

7) 可調節潛力得分。

2.2 客戶生產經驗特征分析模型

2.2.1 生產班次特征

通過用戶近3 個月96 點負荷數據，采用K-Means 算法[14-16]、動態時間規整聚類[17-19](dynamic time warping，DTW)等大數據算法，對用戶生產特征進行歸類分析，得到用戶全面的生產班次類型(單班、雙班等)、集中生產時段、生產特征類型等生產班次特征畫像(見表4)。具體分析步驟如下。

表4 生產班次特征標簽

1) 開展數據清洗。基于聚類箱型圖等方法挖掘突增突減等異常負荷數據，并基于均值插補法做數據清洗。

2) 用戶生產特征類型研究。基于DTW 聚類算法，抽樣部分用戶，將各用戶典型的96 點(24點)負荷曲線進行聚類，聚成n類，聚類效果通過Silhouette Coefficient、Calinski-Harabasz 等系數確定最近聚類類別，n最大值取16。用戶生產特征類型研究流程具體如下。

① 基于分類結果進行生產特征分析，通過觀測曲線特征，進行生產特征歸納，確定每個聚類類別的生產特征類型。

② 開展全用戶分類，確定抽樣用戶每個聚類類別的中心點，基于全用戶96 點(24 點)的平均負荷曲線，根據DTW 算法將每個用戶歸納至中心點最近的類別，以此完成全用戶的歸納。

③ 企業非全天生產的生產時段分析。

a) 根據用戶清洗后的日均負荷曲線，統計用戶96 個點負荷值中排名為40 %的負荷值(從低到高)作為負荷差異狀態的閾值線。

b) 將用戶96 點各時刻的負荷值與該閾值對比，若某一時刻的負荷值高于該閾值線，則標記為高，否則標記為低，計算如下。

其中，Li表示第 時刻的負荷，Lthreshold表示負荷閾值。

c) 判斷用戶的集中生產時段。將高負荷的時點從小到大排序，按時點的連續性進行時點歸類，中間連續無時點間斷的歸為1 類，依次歸納為n類，定義為M1，M2，……，Mn，分別計算M1，M2，……，Mn對應的連續點數Q1，Q2，……，Qn以及間隔的時點數Q1，Q2，……，Qn-1。

將M1，M2，……，Mn進行集中時段粘連，如果Di＜4 ( 24 個點Di＜1)，且Qi＞Di，Qi+1＞Di，Mi與Mi+1粘連，其他情況下則終止粘連，粘連后的連續時段為最后粘連的時點據最初粘連的時點，依次歸類為m類，并定義為m1，m2，……，mn。

判斷mi對應的時點數，如果大于等于4 (若負荷數據為24 點，則閾值為大于等于1)，則判斷為集中時段。

2.2.2 假日用電特征

通過用戶近1 年日電量數據，形成用戶周一到周日的日用電曲線、節日用電曲線，分別采用DTW 聚類等大數據算法，對用戶周一至周日用電差異特征、節日用電特征進行歸類分析，得到用戶全面的節日開工情況、假日開工情況等節假日用電特征畫像(見表5)，具體分析步驟如下。

表5 假日用電特征標簽

1) 用戶周一至周日用電曲線分類，基于DTW聚類算法抽樣部分用戶，將各用戶周一至周日用電曲線進行聚類(聚成n類)，聚類效果通過Silhouette Coefficient、Calinski-Harabasz 等系數確定最近聚類類別，n最大值取16。

2) 基于分類結果進行周一至周日用電差異特征分析，通過觀測曲線特征，進行周一至周日用電差異特征歸納，確定每個聚類類別的周一至周日用電差異特征類型。

3) 全用戶分類方法，確定抽樣用戶每個聚類類別的中心點，基于全用戶周一至周日用電曲線，根據DTW 算法將每個用戶歸納至中心點最近的類別，以此完成全用戶的歸納。

4) 基于近1 年用戶日電量數據，分別統計假日日電量平均值、工作日日電量平均值。

5) 計算假日開工率。假日開工率=假日日電量平均值/工作日日電量平均值

式中：Pv為假日日電量平均值；Pw為工作日日電量平均值。

6) 設置假日開工率閾值，基于假日開工率判定企業在假日里開工的狀態(全開工、半開工、不開工)。

2.2.3 節日用電特征

通過用戶近1 年日電量數據，形成用戶節日用電曲線，分別采用DTW 聚類等大數據算法，對用戶節日用電曲線進行歸類分析，得到用戶全面的節日開工情況、節日用電差異特征等節日用電特征畫像(見表6)，具體分析步驟如下。

表6 節日用電特征標簽

1)—4) 可參照假日用電特征計算步驟。

5) 基于近1 年用戶日電量數據，分別統計節日日電量平均值、工作日日電量平均值。

6) 計算節日開工率。節日開工率=節日日電量平均值/工作日日電量平均值。

7) 設置節日開工率閾值，基于節日開工率判定企業在節日開工的狀態(全開工、半開工、不開工)。

3 客戶需求響應資源精準識別

3.1 客戶潛力需求響應潛力識別

基于需求響應運營支持平臺，獲取潛力用戶信息，并按照不同供電單位、不同行業、不同響應等級(削峰響應潛力等級、填谷響應潛力等級)，輸出潛力用戶的響應潛力值、潛力排名、日用電量、負荷等信息。

3.1.1 削峰響應潛力

基于削峰潛力分析模型，明確用戶削峰響應潛力用戶的用戶畫像，包括峰類型、削峰響應潛力等級、削峰響應潛力、削峰響應潛力排名、早高峰、午高峰的削峰響應潛力等，如圖1 所示。

圖1 削峰響應潛力用戶信息展示

3.1.2 填谷響應潛力

基于填谷潛力分析模型，明確填谷響應潛力用戶的用戶畫像，包括峰類型、填谷響應潛力等級、填谷響應潛力、填谷響應潛力排名、早高峰、午高峰的填谷響應潛力等，如圖2 所示。

圖2 填谷響應用戶信息展示

3.1.3 柔性負荷可調節潛力

基于柔性可調節負荷潛力分析模型，明確柔性負荷可調節潛力用戶的用戶畫像，包括可調節負荷值、常態可調節負荷值、可調節潛力值、可調節潛力排名、可調節潛力等級等，如圖3 所示。

圖3 柔性負荷可調節潛力用戶信息展示

3.2 客戶生產經驗特征識別

3.2.1 生產班次特征

基于企業生產班次特征分析模型，明確客戶生產班次特征畫像，包括生產班次類型、集中生產時段、生產特征等。

3.2.2 假日用電特征

基于假日用電特征分析模型，明確潛力用戶假日開工情況、周一至周日用電差異特征、工作日日均電量、周末日均電量等。

3.2.3 節日用電特征

基于節日用電特征分析模型，明確潛力用戶節日用電負荷特征，包括用戶節日開工情況、節日用電差異特征、節日日均電量、工作日日均電量等。

4 結束語

為有效輔助需求響應工作的高效開展，國網浙江省電力有限公司充分發揮自身電力數據資源優勢，在深入開展數據挖掘的基礎上，提出了客戶需求響應分析模型與特征分析模型構建方案，通過歷史參與需求響應用戶、高潛用戶客戶標簽體系，精準篩選客戶側高潛力資源。通過平臺應用驗證，該方案可準確找出電網內削峰填谷潛力較高的用戶，明確高潛力用戶生產班次特征及節假日用電特征等，有效推進電網公司需求響應工作的開展。