基于多维大数据的长三角电力服务快速响应模型

张颖，徐爱蓉，牟锴，沈星辰，曹沁愉

（国网上海市电力公司青浦供电公司，上海 201700）

电力需求与社会经济息息相关，是一种宏观经济的指标，已经涉及到经济和人民生活的各个方面[1]。只有保证所采集的大量的电力数据采集具有实时性和准确性，才能够实时反映经济运行状况[2]。我国现阶段仍面临着电力供应不足的问题，只有保证电网安全稳定运行，才能够保障居民用电安全，促进经济发展，这些都已经成为全社会关注的热点问题。转变用户用电方式，可有效节约能源，缓解电力系统容量和电力消耗不足的矛盾[3]。电力用户根据电价信号或其他激励因素，改变自己用电习惯的行为称为需求响应。需求响应是电力服务的一部分，用户参与到要求响应中，可以有效降低电网运行成本，节约电费和资源，具有较好的经济效益和环境效益。以往使用基于激励需求响应建模方法，鼓励用户消减负荷，通过求取电力负荷变化确定长三角电力服务方案，使用该模型获取的数据较为分散，且响应周期短，在响应时间方面存在一定弊端；使用需求弹性建模方法，分析一定区间内的随机变量，用来描述用户响应的不确定性，然而使用该方法求取的值并非确定值，而是在一定范围内波动。依托国家电网公司“网上国网”APP、微信公众号、长三角一体化办电服务平台及国家电网营销业务应用系统，以便提供长三角示范区电力客户“码上办”优质服务，因此提出了基于多维大数据的长三角电力服务快速响应模型，利用该模型实现客户用电的精准服务、便利办电。

1 长三角电力服务需求多维大数据采集

随着电力需求侧负荷逐渐多样化，电力自动化控制水平不断提高，新能源管理系统的开发为配电系统提供了一定的经济激励[4-5]。不仅如此，长三角电力数据还包括长三角电力客户基础档案数据、生产运行数据、关键设备智能化监测数据等，因此该文设计了一种电力数据采集系统，该系统基于需求侧响应分为3 层，包括底层采集终端、中间层的采集服务器、平台层的需求侧管理平台。具体如图1所示。

图1 长三角电力服务需求数据采集网络构架

采集终端采用具有联网功能的智能电表，通过485 型变换器将采集到的电能数据传送给采集服务器，实现了电能数据的采集。使用具有联网功能的仪器，按要求功率参数进行实时数据采集和上传。中间层采集服务器把收到的数据存储起来，发送给需求端管理平台[6-7]。在网络信号微弱时，具有存储功能的采集服务器能够实现数据存储和发送[8-9]。

在此过程中要保证数据在传输过程中不会丢失，确保数据传输可靠性。采用定时采集服务器，减少数据传输容量，避免网络拥挤；PDSM 平台主要是对采集服务器上传的长三角电力客户基础档案数据、生产运行数据、关键设备智能化监测数据等进行处理，其中包括实时联机显示数据、需求响应策略以及报告等[10-11]。得到的电能数据主要包括：电能、电压、电流、有功、无功、功率因数[12]。采集的数据存储在现场收集服务器上，此外还需要将无线4G 网络传输到需求侧管理平台，为用户需求响应提供交互条件[13]。RS485 数据通信协议用于底层数据采集，数据采集过程如图2 所示。

图2 数据采集流程

2 电力需求信息分区定位

从3 个方面建立电力数据仓库：1）采集各类电力数据；2）对所收集的电力数据进行管理、整理、存储；3）将功率数据加以应用，以发挥其特定的功能[14]。根据电力信息数据语言特点，建立相应的电力字典。在此过程中，需要将频繁项集内容合并到频繁项集表，所有数据只需从表中获取即可，从而有效减少了搜索运行时间[15]。

采用K-means的文本聚类算法对数据仓库进行分类，把原始数据库中用电量信息和用电量叙词表分类存储在Word 表中，用电量信息标题和关键字存储在表的senrence 中，可以用这个表格来显示分词结果[16]。

在运行分词程序之后，项目集表包含3 个表：一项集、两项集和三项集，分别对应于必须包含ID 字段和关键字的频繁1 项目集和频繁3 项目集，一项包含关键字对应的支持度，二项、三项包含相应的信任度、支持度，电力需求信息分区如图3 所示。

图3 电力需求信息分区

使用者可按下列步骤寻找专业权限信息：在选择权限信息的具体区域时，使用者需将查询权限信息的关键词或自然语言描述输入表格，这种搜索方法可以根据相似性计算，快速地找到问题所在的一个或多个区域，并在相关区域中找到用户所需的信息或关联，从而大大提高了定位速度。

3 电力服务快速响应模型构建

以采集到的电力多维大数据为基础，采用决策树对电力客户特征进行分级，根据定位与分级结果构建电力服务响应模型。

3.1 电力服务响应模型

电力服务响应模型为：

式（1）、（2）中，Cept表示总成本；k表示电价变化序列；ρz表示采用决策树进行电力客户特征分级的结果，共分为z个等级；X0表示初始电能存储量；Xk表示在k序列的电能存储量；Xmax表示最大电能存储量；Ek表示最大电能消耗量；Wk表示在k序列所消耗的电能。

当电力系统处于用电低峰期时，所消耗的电能就较小，则最大电能消耗量主要用于能量存储；当电力系统处于用电高峰期时，向电力系统获取的电能消耗量较小，所消耗的电能选取自存储的电能。依据上述公式，用户不难确定不同分区内电价，达到电力服务需求响应目标。

3.2 基于电力负荷转移的响应时间调整

在响应模型优化过程中，部分电力负荷受到工序限制无法转移。为了能够为用户提供快速服务，需先转移电力负荷，以缩短客户诉求响应时间。

设从阶段k向j转移的电力负荷为，该过程所耗费的转移成本为Ckj，原各个阶段电能为Qk，经过转移调整后，得到的电量为，该情况下的电力负荷转移模型为：

式（3）中，Qkmin表示在k序列的最小消耗电量；Qkmax表示在k序列的最大消耗电量；ρkj表示第j阶段的电价。

3.3 服务质量评价模型

根据电力负荷转移的响应时间调整结果，构建服务质量评价模型，提升用电服务效率以及客户满意度。

模型构建过程如下所示：

Step1：构建指标获取实际得分矩阵P0和期望得分矩阵E0：

式（4）中，P0、E0分别表示用户对不同指标的实际体验得分和期望得分，分值依次为1～7分，其中1分表示服务质量非常差；2 分表示服务质量较差；3 分表示服务质量差；4 分表示服务质量一般；5 分表示服务质量良好；6 分表示服务质量较好；7 分表示服务质量非常好。

Step2：确定各项指标权重W；

Step3：计算不同指标的实际得分和期望得分：

Step4：计算各指标的实际得分与期望得分差值：

根据该公式，能够得到服务质量评价结果。长三角电力公司依据该结果，及时调整电力服务方案，提升客户满意度。

4 实 验

4.1 实验数据

选取2009-2018 年长三角地区月度电力消费数据，将2009-2017 年的数据作为样本数据对模型进行训练，2018 年数据作为测试集，变量数据来源于Wind 数据库。

4.2 客户诉求响应时间分析

分别使用基于激励需求响应建模方法、需求弹性建模方法和基于多维大数据模型分析客户诉求响应时间，对比结果如图4 所示。

图4 不同方法客户诉求响应时间对比结果

由图4 可知，使用基于激励需求响应建模方法客户诉求响应时间比需求弹性建模方法短，最短时间为14 s。而使用基于多维大数据的模型最短时间为2 s，由此可知，该模型的电力服务响应较快。

4.3 客户满意度分析

分别使用基于激励需求响应建模方法、需求弹性建模方法和基于多维大数据模型分析客户满意度，对比结果如表1 所示。

由表1 可知，使用基于激励需求响应建模方法各项指标评价结果都低于5 分；使用需求弹性建模方法各项指标评价结果大于2，但小于7；使用基于多维大数据的模型大多数评价结果为7，只有准确服务程度和后台支持人员知识评价结果为6。由此可知，使用基于多维大数据的长三角电力服务快速响应模型能够提升客户满意度。

表1 不同方法客户满意度对比结果

5 结束语

该文设计了一种长三角电力服务快速响应模型，结合多维大数据为电力服务快速响应提供研究基础，以便及时、准确获取电力数据。通过服务质量评价模型，弥补传统系统存在的不健全问题，以缩短客户诉求响应时间。