售电公司客户风险等级评估方法研究

唐 猛

（深圳能源售电有限公司，广东 深圳 518000）

0 引言

与2002年的“厂网分家”相比，2016年应该说是中国电力市场化改革的元年，广东省打响了我国新一轮电改的第一枪：从单一的年度“双边协商”交易过渡到了“双边协商+月度竞价”交易，既还原了电力作为商品的价格属性，又体现了电力无法储存且需要实时平衡的特殊属性[1]。2016年3—9月广东月度竞价市场的平均价差最高为-147.926厘/kWh，最低为-37.421厘/kWh。前几个月的巨大价差及售电公司的高额盈利，让社会资本蠢蠢欲动，新的售电公司接踵而至，并博得了全国电力同仁的眼球，极大推动了电改的前进步伐[2]。

2017年，随着电改的不断推进，越来越多的省级电力交易中心发布了电力交易规则，标志着电改正式在全国范围内铺开。广东作为试点省份，在经历过2016年的市场运行之后，对交易规则进行了较大的修改。对于售电公司来说，最大的变化及不可控因素是引入月度偏差考核机制。自此，售电公司单纯依靠购售电差价获取利润的时代一去不复返，双倍的市场价差考核决定了月度负荷预测是考验售电公司内功、影响公司利润、体现抗风险能力、甚至决定售电公司能否继续生存的关键因素，也是2017年广东电力市场的重要主题。虽然月度偏差考核并没有完全反映电力商品的特殊属性，但能够起到培养各市场主体的负荷预测意识，提高对电力负荷的了解及把控能力，同时为即将到来的电力现货市场做技术储备。

在以客户为导向的电力市场开放初期，由于大多以年度合约为主，各售电公司为了占取更多的市场份额，在依然是以买方为主的市场谈判中基本承担了客户的全部或大部分偏差。售电公司在签约客户时，往往只是以电量大小为唯一的评价标准，并没有对客户的负荷性质、稳定性、用电特性等影响负荷预测精度的因素进行考虑[3-4]。广东作为目前国内电力市场开放最深入的省份，经历过前期的改革实践，许多售电公司的盈利能力已经开始逐渐下降，有些甚至已经面临较大的运营风险[5]。

2017年2月在进行第一次月度电量结算时，从交易中心公布的结果来看，由于2月受国家去产能政策的影响，广东省钢铁及陶瓷行业面临全面停产的情况，在1月下旬申报2月电量需求的情况下，多家大型售电公司的月度结算电量产生了较大的负偏差，有些售电公司甚至未完成月度长协电量。虽然最后交易中心针对此情况给予了一定的免考核空间，但是暴露出了当前售电公司对客户负荷缺乏了解且不可控的问题。应对月度电量偏差考核成为贯穿售电公司全年的重要经营风险控制工作主题。综上所述，为了降低售电公司运营风险，提高盈利能力，为即将到来的现货市场做准备，售电公司需建立综合评价体系来实现客户用电特性的综合评估，为下一年度客户的选择及报价套餐的设计提供理论支持，以此迎接竞争更为激烈的2018年电力市场。

国内外已有大量关于售电公司负荷预测、价格预测及购电策略的研究，如文献[6]通过对气象及节假日2个影响负荷预测准确度的因素进行分解修正，获得了良好的预测精度。文献[7]对电力市场中用户负荷预测方法及影响用户用电行为的因素进行了详细论述。但现有研究未能从售电公司角度，对目标及存量客户的用电行为及潜在风险进行分析。

以下采用物元理论和层次可拓评估方法，建立一个能够适用于目前电力市场规则的售电公司客户风险等级评估模型，能够将不同类型的客户风险等级进行统一划分，为售电公司选择客户及报价提供理论支撑。

1 客户风险等级评估模型的建立

1.1 评估指标体系

本文依据现行的省级电力交易中心交易规则，并结合售电公司客户用电特性及未来现货市场的交易特征，分别从客户的用电规模及行业特性S1、负荷稳定性及响应能力S2、用电信息采集及电能质量S3三方面进行综合考虑，最终选取若干能够直接或者间接反映客户用电水平的特征量，构成了售电公司客户风险等级评估体系（如图1所示）。

图1 售电公司客户风险等级评估体系

1.1.1 用电规模及行业特性S1

（1）客户参与交易的年总用电量S11

包括：年用电量等级、近3年电量的稳定性。年用电量可分为7个级别：1 000万kWh以下，1 000万～5 000万 kWh，5 000万～1亿 kWh，1亿～2亿 kWh，2亿～5亿kWh，5亿～10亿kWh，10亿kWh以上。近3年电量的稳定性指年电量的平均波动率，即：某年用电量-近3年平均年用电量/3年平均年用电量×100%。

（2）行业特性 S12

由于我国正处于经济转型的重要时期，因此企业的生产受国家去产能及环保督察政策的影响较大。为了降低售电公司运营风险，减少因国家相关政策而造成的企业用电行为发生重大改变，需要对高耗能及去产能企业进行重点评估。因此，本文引入2个潜在风险指标：是否为高耗能企业；前一年度是否因为去产能政策而影响本企业生产。

1.1.2 负荷稳定性及响应能力S2

（1）电量稳定性S21

由于目前广东省电力交易以月度为单位，因此引入变异系数和相关系数。变异系数=标准差/上一年度月度实际用电量的平均值，取值范围在0～1，表示近12个月中各月电量的波动程度，变异系数越大，波动性越强。

相关系数为近2年同月间电量的相关性，相关系数越大，相关性越强，取值范围在0～1，计算方法见式（1）。

式中：Cov（x，y）为近2年客户月度电量矩阵的协方差；σx，σy分别为近2年客户电量矩阵的标准差。

（2）日内负荷波动S22

现行的月度电量偏差考核只是为现货市场做准备，离真正的现货市场还有一定距离。现货市场中，每天不同时段的价格波动非常剧烈，对于分时电量波动较大客户的电量预测就显得尤为重要[8]。因此，日负荷波动能够体现客户用电的稳定性，波动越小的客户在未来现货市场中也就会越有优势。本文引入日电量变异系数，即：客户典型日负荷曲线中，小时电量的标准差/平均值，表示日电量的波动程度，取值范围在0～1，变异系数越大，波动性越强。

（3）负荷响应能力S23

现阶段广东实施月度电量偏差考核的规则，以及现货市场的开启都要求售电公司能够掌握一定的电量调节手段，挖掘客户的负荷响应空间，来降低公司的运营风险。自发电占比、可响应负荷占比及响应时间是评价其响应能力的重要因素。自发电包括：光伏、储能、余热等方式。

1.1.3 用电信息采集及电能质量S3

（1）用电信息采集S31

由于2018年广东电力市场计划开展电力现货交易试点，因此依靠人工申报数据已无法满足要求，需要实时掌握客户的用电情况及用电特性，降低用电信息采集的颗粒度。本文将客户分为4类：可由售电公司安装采集系统，能够监测到客户的实时电量；已自行安装电能采集系统，能够监控实时电量；没有安装表计，但可每日读取供电公司计量表计数据；没有安装表计，无法读取供电公司数据。

（2）电能质量 S32

电能质量体现了客户负荷特性的优劣，同时也反映了售电公司开展增值业务的空间。本文将考虑谐波含量、电压闪变、平均功率因数及是否安装无功补偿装置等因素。

1.2 评估指标的归一化处理

评估体系中既有定量指标又有定性指标，且具有不同的量纲和数量级，因此不能直接进行比较，必须进行归一化处理。对于定性指标，主要依据专家经验进行定性描述，即采用专家打分法，打分范围为0～1；对于定量指标，本文引入相对优化度的概念对各指标值进行无量纲化处理。

对于成本型（极小型）指标，其数值越小，能效越优，其无量纲化的处理公式为：

对于效益型（极大型）指标，其数值越大，能效越优，其无量纲化的处理公式为：

式中：Xm为第m项指标的无量纲化值；xm为该指标的实测值；a为该指标统计样本的最优值；b为该指标统计样本的最差值；α为参数变化对能效水平的影响程度，本文取1。

2 层次可拓评估方法

可拓评估法是建立在物元模型和可拓集合论基础上的评估方法[6-8]，不仅能从数量上反映被评价对象本身状态的所属程度，而且能从数量上刻画何时为此性态与彼性态的分界。层次可拓评估方法的步骤如下：

（1）确定物元经典域、节域及待评估物元。

确定综合评估各指标的可能量值范围，并根据需要确定各指标所对应状态的量值范围，再确定物元模型的经典域及节域。经典域及节域的合理确定是影响评估准确性的重要因素[9]。

待评估物元是根据待评估物元所监测到的数据或分析结果量化确定的。

（2）确定各指标权重。

各层级指标权重采用灰色关联法并按照自上而下的顺序进行确定：首先选取客户中若干个典型行业客户的指标数据，并将待确定子层级指标归一化处理后生成相应的关联矩阵R[10]；其次计算出关联矩阵R每行数据的平均值，平均值的大小即为各指标的重要程度；最后将平均值进行归一化处理，且满足式（4）要求，即得到各子级指标的权重。

（3）计算各指标状态等级的关联度。

计算待评估物元关于各状态等级的关联度时，首先必须计算各指标关于各状态等级的关联度，然后再对之求加权和即可得到，则：

式中：ρ（Vi，Vji）和 ρ（Vi，Vpi）分别表示第 i个待评估指标的量值 Vi与区间 Vji和 Vpi的距； Kj（Vi）表示第i个指标关于等级Nj的关联度；Nj为所划分的不同等级。关联度的取值范围是整个实数轴，表示指标所属等级，其值越大，则此指标具有等级的属性越多。

（4）计算各状态等级关联度。

对于待评估物元，其各等级的关联度为：

式中：Kj0为待评估物元中各指标关于各状态等级的关联度在考虑指标重要性下的综合值，表示待评估物元所属状态集合的程度；j0是各级指标i的量值所对应的等级。

（5）等级的确定。

若得到的关联度最大值大于0，则待评估物元所属的状态等级为j0；若对一切j都有kj（p）＜0，则表示待评估物元已不在划分的等级范围内。

（6）由底层至上层的可拓综合评估。

设由下层物元到上层物元的评判变换矩阵J为：

各子层物元{v1， v2， …， vn}的分权重为 ω={ω1，ω2，…，ωn}，则上层物元的可拓综合评判模型为：

3 指标权重确定方法

目前，指标权重确定方法主要有主观评估中的层次分析法和客观评估中的权重评定法。

层次分析法虽在国内得到了广泛应用，但其评估过程依赖于判断矩阵的一致性。如文献[9]提出采用无需检验判断矩阵一致性的G1群组判断，G1评估权重的主要步骤是：首先聘请若干位行业内专家对同层的各指标依据相对重要性进行排序；然后根据一定的分级比例标度对重要性相邻的2个指标进行重要性程度的量化；最后综合所有专家判断的结果确定出最终的指标权重。

熵权法[10]是一种根据各项指标观测值所提供信息量大小来确定指标权重的方法。熵权法首先根据各指标的变异程度，利用信息熵计算出各指标的熵权，然后通过熵权对各指标的权重进行修正，进而得到较为客观的指标权重。

基于G1群组判断的指标主观评估方法很难避免评估过程中的随机性和评估专家主观上的不确定性及认识上的模糊性，使评估过程存在很大程度的主观臆断性，造成结果的可信度下降。此外，考虑到客观赋权法需要对大量基础数据进行统计以得到权重，在基础数据样本不足或不够精确的情况下计算结果会产生很大误差。因此，本研究选取主观和客观权重结果的加权平均值作为最终权重，充分利用售电公司技术专家的经验和已有数据的特征对指标进行赋权。

4 评估实例

本文以广东某地级市参与电力交易的部分客户为研究对象，并依据所建立的评估体系，对分布于不同电量等级、不同行业及不同用电特性的客户进行评估，客户的用电属性如表1所示。

表1 客户属性

运用第3节方法可得到各层级指标在评估系统中的权重如表2所示。

表2 各级指标权重

依据物元模型菱形分析法的收敛分析，可先得到第三级指标体系的物元模型。以客户1的电能质量S32为例建立的物元经典域模型如式（9）所示：

式（9）为电能质量S32评估物元的经典域表示法，节域可由经典域得到。如＜0，0.3＞为评估指标S21所对应等级N1的量值范围，即经典域。其中划分为优、良、中、差4个等级，为4个子层指标，指标量化范围的上、下限是依据对大量客户相应指标测量值的统计结果估量出来的。

下面选取客户的指标S32为待评估物元，则其评估物元模型如式（10）所示。

依据客户的行业特性、电量稳定性、日负荷波动、负荷响应能力、电量信息采集、电能质量等指标建立物元模型，然后依据上述原理对所选取客户风险等级进行评估，评估结果如表3所示。

表3 实例中客户风险等级评估结果

从表3计算结果来看，评级为优的客户是售电需要公司全力争取的客户；评级为良的客户是需要尽量争取的客户；评级为中的客户是需要争取的客户；评级为差的客户是需要特别慎重或放弃的客户。特别是客户5，其年总电量比较大，一般来说是售电公司想重点追逐的客户，但是评估结果表明是售电公司需要慎重考虑的客户。

5 结语

研究中采用层次可拓评估模型和物元理论将研究对象、评估指标和量值结合为一体，将物元的可拓性应用于售电公司客户的评估，建立了多指标分层次的客户风险等级评估系统，并首次提出了依据风险模型将售电公司客户进行等级划分的理论。并结合广东省某地区参与电力市场交易的部分客户实例，证明了所建立的售电公司客户风险等级评估方法的可行性和科学性，为售电公司拓展客户、降低运营风险，提高收益提供理论支持。