基于熵权-TOPSIS-灰色关联法的能源大数据增值服务商业模式评价研究

郭 莉，董 军，陈正鹏，包阿茹汗，王媛媛，吴 晨，吴 垠，薛贵元

（1.国网江苏省电力有限公司，江苏南京 210024；2.华北电力大学经济与管理学院，北京 102206）

1 研究背景

自提出能源安全新战略以来，我国在能源的生产、消费与技术创新等方面取得了一定成绩［1］。党的十九届四中全会首次提出数据可作为生产要素按贡献参与分配［2］。数据资源作为驱动数字革命的核心力量，将在未来生产生活、公共服务管理上发挥重要作用。

当前，数字革命和能源革命具有融合发展的趋势，两者的深度交互将为能源行业运营管理提质增效、能源业态创新和服务拓展等提供全新动力与可能性［3］。在能源数字革命背景下，能源的生产和服务方式将发生重大变化，能源用户的服务需求愈加智能化、多样化。而电网数字化转型使得电网及设备运行产生海量能源数据［4］，以能源大数据为核心资源开展数据增值服务正是满足用户多样化需求的必然选择，因此对于电网公司而言，亟需在原有购售电服务模式的基础上，充分利用能源大数据信息价值，探索延伸能源数据增值服务业务，在满足客户需求的同时增加营业收入［5］。

能源大数据增值服务作为能源领域新型业态，围绕能源数据商业模式及评价研究已成为目前广泛关注的问题，如陈启鑫等［6］从价值创造、数据信息增值、业务革新和效益挖掘4 个方面归纳分析能源互联网商业模式，实现数据创造价值的目标；窦金月［7］围绕综合能源服务的目标客户、服务内容、盈利模式设计商业模式；王小辉等［8］研究能源数据商业模式中的产品运营模式、盈利方式、产品定价、市场拓展、运营风险与规避措施，形成了符合能源数据特色的数据商业运营模式。针对商业模式评价研究，如李曼［9］和刘卫星等［10］借鉴平衡记分卡模型，从商业模式战略目标、产品服务客户价值、盈利能力及运行效率维度构建商业模式评价指标体系；Maccarty 等［11］设计了综合能源系统项目运营模式综合效益评价指标体系，通过TOPSIS 法计算选取出最优运营模式；陈人杰等［12］围绕经济、技术、环境和社会服务构建运营效益评价体系，利用前景理论改进TOPSIS 法筛选出最优的新能源大数据服务项目；张继佳等［13］选取电力光纤到户、智能家居、电动汽车3 种典型泛在电力物联网增值服务类型，从业务外部环境、盈利能力和社会贡献角度构建增值服务评价体系；黄伟等［14］构建包含政府、电网、系统投资运营商、用户等多主体利益驱动的能源系统效益评价指标体系；钟依庐等［15］构建面向工业园区综合能源项目的指标体系，覆盖技术特性、经济、环境、可靠和智慧等多评价方向；李慧玲等［16］利用层次分析法（AHP）与TOPSIS 相结合的方法，从电网运行、经济效益、环境效益角度对电力能效项目进行评价；张力菠等［17］综合考虑工程项目、低碳高效、增值服务，建立熵权物元模型评价能源互联网的发展状况；张国云等［18］基于供电公司掌握客户用电负荷、电量、缴费等大数据的挖掘应用，从客户信用、客户价值、客户风险3 个维度构建综合能源项目评价指标体系，利用电力大数据评估潜在客户的内部状况。

总体来看，现有文献大多是从能源系统多主体利益角度构建评价指标体系，从而评估各类能源项目的综合效益，评价指标的选取较为分散，尚没有以能源大数据增值服务为研究对象、综合考虑增值服务内外部环境影响对能源大数据增值服务及其商业模式评价进行的研究。因此，本研究通过系统阐述能源大数据生态系统及增值服务概念，从能源大数据生态系统环境要素出发，构建能源大数据增值服务商业模式的评价指标体系，并采用熵权-TOPSIS-灰色关联法进行综合评价，为企业科学规划和有序实施能源大数据增值服务项目提供理论方法参考。

2 能源大数据生态系统及增值服务

2.1 能源大数据生态系统

作为能源数据与信息通信技术高度融合的产物，能源大数据可视为一个由内、外部能源数据构成的大数据系统，能源大数据参与能源生产和服务所形成的生态系统就是能源大数据生态系统，其中涉及能源及数据的生产、加工处理、传输、存储和消费环节，还包括电网公司、数据服务商、用户等主体进行价值创造和消费的过程［19］。电网公司作为能源大数据生态系统的核心，统筹协调各利益主体，在政策、技术、经济、法律、社会等要素框架下开展数据增值服务业务。

2.2 能源大数据增值服务的定义及具体业务

能源大数据增值服务是，在能源系统运行环境下，增值服务提供者为满足客户多样化的用能需求，在保证能源供应基本服务的基础上，挖掘能源系统数据资源的服务潜力，利用“云大物移智链”等先进信息技术和能源数据技术，为用户提供超出常规供能服务范围的延伸服务、特色服务［20］。电网公司拥有海量客户和数据资源，可以面向各类用能具有差异性的园区开展能源大数据增值服务，通过挖掘能源大数据生态系统中产生的交互数据形成价值信息，从而全方位开展用户用能托管、多能互补优化、交易辅助决策、设备性能优化提升、能源环保监测和能源数据征信等能源大数据增值业务［21］。

商业模式是企业创造、实现价值所必需的众多要素的组合［22］。商业模式包含了企业组织内部和组织与外界各要素的关系及其结构［23］。电网公司作为能源大数据生态系统的核心［24］，从核心资源、关键业务、客户群体、成本结构和盈利模式等方面分析开展能源大数据增值服务的商业模式，如图1所示。以能源大数据为基础开展数字化增值服务作为新兴业态，影响商业模式的关键要素包括政策环境、技术环境、法律环境、业务供需以及经济效益、社会效益和环保效益，但是对于商业模式的评价过程并不清晰，具体增值服务实践工作的开展也面临着一系列亟待明确的问题，因此科学合理地选取能源大数据增值服务商业模式的评价指标，对后续有针对性地开展增值服务具体业务尤为重要。

图1 能源大数据增值服务商业模式框架

3 能源大数据增值服务商业模式评价指标体系

3.1 评价指标选取思路

能源大数据增值服务的开展受到政策、法律、技术、经济及社会环境等一定因素的影响，因此针对能源大数据增值服务的本质属性，其商业模式评价指标要在明确的外部市场政策条件、法律环境、内部资源和能力基础上，反映增值服务的经济价值、用户价值、数据技术价值以及企业服务社会的社会价值。

3.2 评价指标体系构建

以电网公司的角度，从开展能源大数据增值服务业务的外部政策环境、能源数据技术、增值服务法律环境、增值服务供需、经济效益、社会效益、环境效益7 个方面构建包括目标层、准则层、基础层组成的能源大数据增值服务商业模式评价指标体系，如表1 所示。

表1 能源大数据增值服务商业模式评价指标体系

表1 （续）

4 熵权-TOPSIS-灰色关联法

本研究采用组合评价的方法，利用熵权法定权，以TOPSIS 法和灰色关联分析法进行能源大数据增值服务及商业模式的综合评价。该方法能够减少传统TOPSIS 方法在确定指标的权重因子时主观因素的影响，体现方法的客观性。

4.1 模型描述

（1）构建原始评价矩阵。现有m个待评价方案、n个评价指标，第i个方案关于第j个指标的属性值构成原始矩阵X。矩阵形式如下：

（2）规范化处理形成规范化决策矩阵。由于本研究中各评价指标具有不同的数量级和量纲，为消除影响，需要对各指标进行规范化处理，得到规范化决策矩阵。评价指标包含效益型指标和成本型指标，两类指标分别采取式（3）（4）所示处理。

4.2 熵权法确定指标权重

熵权法是在客观条件下，由评价指标值确定指标权重的方法。第j项指标的熵值为：

第j项指标评价数据的分散程度dj表示为，因此，用熵权法表示第j项指标的权重为：

4.3 TOPSIS 法确定理想解

（2）确定Y的正理想解和负理想解。表达形式如下：

4.4 灰色关联分析

在加权规范化矩阵Y的基础上，计算第i个评估方案与正理想解和负理想解关于第j个指标的灰色关联系数为：

式（14）（15）中：i=1,2,,m;j=1,2,,n;ε∈(0,1)为分辨系数，一般取0.5［25］。

4.5 计算相对贴近度

（2）将确定的无量纲化加权欧式距离和灰色关联度合并。待评价项目与正理想解越近、与负理想解越远，则越优；与正理想解关联度越高、与负理想解关联度越低，则越优。即和的数值越大，则方案离正理想解越近；和的数值越大，方案则离正理想解越远。具体表达形式如下：

（3）计算方案的相对贴近度。计算公式如下：

将上述熵权-TOPSIS-灰色关联分析方法应用到能源大数据增值服务商业模式评价研究中，具体评价流程如图2 所示。

图2 能源大数据增值服务商业模式评价流程

5 能源大数据增值服务评价案例分析

基于以上能源大数据增值服务商业模式评价指标体系，采用熵权-TOPSIS-灰色关联法，选取电力行业中能源数据征信、能源交易辅助决策、能源环保监测、用户用能托管、多能互补优化、设备性能优化提升6 个典型能源大数据增值服务业务（以下简称“案例业务”）作为待评价方案，进行综合评价分析。其中，定性评价指标作如表2 所示处理。

表2 定性指标量化分值 单位：分

建立专家评审小组，采取德尔菲法通过专家打分获取案例业务的各项指标值，对原始矩阵进行规范化处理，得到规范化决策矩阵的转置形式ZT如下：

5.1 商业模式评价的关键影响因素

采用熵权法计算各指标的权重，得出各指标权重，结果如表3、图3 所示。可以看出，权重较大的指标是能源数据政策支持力度、单位服务能力的投资成本、增值服务项目投资回收期、清洁能源利用率、业务数据法律风险度、增值服务项目投资收益率、增值服务用户需求程度、能源数据获取与更新速度和能源数据安全度。因此，这些指标是案例业务商业模式的关键影响因素，符合以上能源大数据增值服务商业模式的理论应用规律。

图3 案例业务商业模式评价指标权重分布

表3 案例业务增值服务商业模式评价指标权重

表3 （续）

5.2 基本业务优选

由规范化决策矩阵和各指标权重计算出加权规范化矩阵，矩阵的转置形式YT结果如下：

根据式（10）（11），由加权规范化矩阵选取出各个指标的正负理想解和，具体如表4 所示。

表4 案例业务商业模式评价的正负理想解

根据式（12）（13），计算得到各指标评价结果与正负理想解的欧氏距离，结果如表5 所示。

表5 案例业务商业模式评价结果与正负理想解的欧式距离

根据式（16）（17），计算得出各指标与正负理想解的灰色关联度，结果如表6 所示。

表6 案例业务商业模式评价结果与正负理想解的灰色关联度

表7 案例业务商业模式评价结果的加权欧式距离和灰色关联度标准化

根据式（24），计算相对贴近度（见表8）：

表8 案例业务商业模式的相对贴近度

将上述3 种情况计算得出的相对贴近度绘制成雷达图进行对比，如图4 所示。

图4 不同决策偏好情况下案例业务商业模式的相对贴近度

根据上述综合评价结果，对案例业务进行排序，结果是用户用能托管、能源环保监测、多能互补优化、能源交易辅助决策4 种增值服务较优，能源数据征信和设备性能优化提升增值服务由于缺乏政策环境及相关市场配套机制不完善导致评价结果较差，因此，作为能源大数据增值服务提供者，电网公司应该重点考虑开展用户用能托管、能源环保监测、多能互补优化、能源交易辅助决策这4 种增值服务业务，充分发挥能源数据价值，实现电网公司和用户双赢目标。

随着我国提出碳达峰碳中和（以下简称“‘双碳’”）的战略目标，国内各省份积极推进节能减污降碳工作，在供给侧大力发展清洁能源，在用户侧鼓励开展用户用能多能互补，引入能源服务商参与用能管理，同时配套探索构建中长期与现货交易相结合的全国统一电力市场体系，在此背景下，能源数据资源作为重要生产要素，将在“双碳”目标背景下发挥放大、叠加和倍增效应，以数据流打通创新链，开展能源大数据增值服务，服务政府科学决策，服务企业精益生产，服务公众智慧用能，助力“双碳”目标的实现。在实际应用背景下，用户用能托管、能源环保监测、多能互补优化、能源交易辅助决策4 种增值服务业务的开展有利于节能减碳，这些增值服务业务的应用也将获得政策上的支持，业务应用前景巨大，具有良好的经济和社会效益。

6 结论与讨论

本研究基于能源大数据生态系统分析了能源大数据增值服务，构建了能源大数据增值服务商业模式评价指标体系，并对电力行业相关增值服务业务进行综合评价，主要结论如下：

（1）从7 个维度构建了能源大数据增值服务商业模式评价指标体系，得出能源数据政策支持力度、单位服务能力的投资成本、项目投资回收期、清洁能源利用率、业务数据法律风险度、项目投资收益率、增值服务用户需求程度、能源数据获取与更新速度和能源数据安全度是关键影响因素。

（2）采用熵权-TOPSIS-灰色关联法对电力行业基本的增值服务业务类型进行综合评价，根据结果，应重点考虑开展用户用能托管、能源环保监测、多能互补优化、能源交易辅助决策4 种增值服务，其他类型增值服务在未来适时开展。

（3）考虑到目前技术、政策、经济及外部环境等都处于动态变化，因此，对于能源大数据增值服务商业模式风险防范机制的建立以及增值服务项目实践过程中的风险优化方案制定值得在后续进一步研究。