中国储能网讯：
作者：郭亚威 肖先勇 郑子萱 陈韵竹 陈旭林
单位：四川大学电气工程学院
引用：郭亚威, 肖先勇, 郑子萱, 等. 综合能源服务商储能业务目标用户主动识别方法[J]. 储能科学与技术, 2023, 12(6): 2011-2021.
DOI：10.19799/j.cnki.2095-
4239.2023.0068
摘 要 能源转型背景下，储能要实现市场化、规模化的转变，但由于当前用户对自身需求认知不准确、且供应商多采用人工调研筛选的方式，导致用户筛选不准、主观性强、效率低，储能业务开展困难。为解决上述问题，本工作提出一种综合能源服务商(integrated energy service provider，IESP)用户侧储能业务目标用户的主动识别方法。首先，基于多源数据，构建了兼顾用户多元电力需求与服务价值特征的用户侧储能目标用户主动识别特征库，该特征既能反映用户的节能增效需求和电能质量需求等需求信息，又能反映用户是否值得供应商服务等供应信息；其次，针对传统量化方法劣化指标影响易被优势指标弥补，造成识别结果不准确，本工作建立了改进的GRA-TOPSIS用户特征量化模型；再次，根据量化结果，建立目标用户主动识别坐标系，可视化目标用户主动识别结果，为储能服务开展提供支撑，帮助IESP直观锁定目标用户；最后，通过实例分析验证了所提方法的可行性与有效性。
关键词 多源数据；用户侧储能；主动识别；逼近理想解排序；灰色关联分析
当前电网工业用户的电力需求已不再局限于单纯的可靠供电，而是呈现更加多元化的态势。一方面，精密制造业的发展使得电网电力电子化特征更加显著，电能质量问题日益凸显，工业用户敏感设备和生产过程极易受到影响，给用户造成巨大经济损失，严重影响用电满意度，用户优质电力需求不断提高。另一方面，“双碳”目标下，电网公司着力在能源消费侧推进电气化，而工业用户负荷往往具有集中性、高峰谷差等特性，在两部制电价和分时电价政策下，用户削峰填谷、降费增效需求显著增强。随着电力市场改革和国家能源转型的深入推进，电力市场竞争更加激烈，围绕用户日趋多元化的电力需求开展供电服务成为研究重点。
作为支撑新型电力系统的重要技术和基础装备，用户侧储能在推进能源转型、建设新型电力系统方面起着重要支撑作用，近年来受到广泛关注和政策支持，具有广阔的发展前景。2021年7月，国家发改委、能源局联合印发了《关于加快推动新型储能发展的指导意见》(发改能源规〔2021〕1051号)，指出要积极支持用户侧储能发展，在2025年实现储能规模化转变目标。2023年1月，国家能源局发布了《新型电力系统发展蓝皮书(征求意见稿)》，指出要在用户侧储能削峰填谷模式基础上，进一步拓展储能应用场景。在国家政策激励下，用户侧储能的功能和应用场景不断丰富，既能通过削峰填谷提升用电经济性，也具备应用于电能质量治理的潜力，为满足用户多元用电需求提供了可选技术方案。
然而当前储能服务推广遭遇诸多瓶颈。首先，用户对于储能装置的多场景应用认知还不全面，未将其作为一种备选方案纳入考虑，因此，储能服务要顺利开展，IESP就必须作为主动的一方。但目前供应商在储能推广过程中多采用人工调研的方式来筛选和识别目标用户，耗时耗力，并且缺乏量化依据、存在主观性强的缺陷。此外，在调研过程中，供应商发现用户其实也无法精确掌握自身需求，导致调研筛选结果偏差较大。为推动用户侧储能市场化、规模化目标实现，IESP需要主动分析和掌握用户特征，明确储能目标用户群体，实现储能资源与用户需求的精准匹配，为用户侧储能市场化推广打开局面。因此，有关用户侧储能目标用户主动识别方法的研究亟待开展。
在储能目标用户识别过程中，为保障供需双方的效益，在考虑用户多元化用电需求的同时，也要兼顾能够反映供需双方合作关系的指标，即用户对于IESP的服务价值。在用户电力需求识别与刻画方面，当前研究主要集中在单一需求方面，未对多元需求进行集成识别。在优质电力需求识别方面，主要是基于电能质量监测数据，提取电能质量需求特征，通过聚类算法，实现需求识别，未考虑用户是否值得IESP为其提供服务。而在用户降费增效需求识别方面，还鲜有研究切实从用户角度出发去构建相关识别模型，多数研究主要是从电网运行角度来判断用户需求响应潜力，通过间接转化关系，来间接反映用户降费增效需求，识别结果的准确度有限。由此可见，亟需研究用户储能多元需求识别方法，来帮助IESP及时识别出目标用户，下一步为用户主动提供储能相关服务，提供技术支撑，开拓和占领用户市场的制高点，掌握核心竞争力。
针对上述问题，本工作提出了一种IESP用户侧储能业务目标用户的主动识别方法。首先，基于网荷多源数据，综合考虑储能用户与IESP利益，提取了反映用户需求以及供需双方合作开展潜力的多维特征标签，构建了兼顾用户多元化电力需求特征与服务价值特征的用户侧储能业务目标用户主动识别特征库，为用户侧储能目标用户识别提供依据。其次，建立了改进的GRA-TOPSIS用户特征量化模型，在量化过程中突出劣化指标的影响，并对两维度用户特征进行分级，以得出准确的用户特征量化结果。然后基于量化结果，建立目标用户主动识别坐标系，明确具备服务开展价值的用户侧储能目标用户类别，为用户侧储能推广提供了数据支撑。最后，以我国某地工业园区中用户为例进行分析，验证了所提方法的可行性与有效性。
1 用户侧储能目标用户主动识别特征库
在数字化、信息化时代，各类电力信息系统广泛应用，积累了海量、多源用户数据。服务供应商挖掘海量数据背后的有效信息，能够精细刻画用户特征，主动识别存在服务需求的潜在用户，解决“向谁推广用户侧储能”的问题。在IESP与用户开展合作时，除了考虑用户的优质供电、降费增效等多元化电力需求，IESP也需考量用户的履约能力与服务价值，确保服务顺利开展并取得收益。因此，本工作基于海量多源用户数据，从用户用电需求和服务价值特征两个维度建立了用户侧储能目标用户主动识别特征库。如图1所示，用户的多元用电需求特征A受用户负荷容量及构成、电能质量、用电及负荷特征等影响，可分为两类指标：电能质量指标A1、降费需求指标A2。在考量用户对于IESP的服务价值时，需要从用户收入贡献、忠诚度、经济实力、信用程度等方面刻画供需双方的合作信任程度，因此服务价值特征B包括电网收入贡献值B1、合同容量增长率B2、电费缴纳比率B3、企业相对利润率B4四个指标。
图1 用户侧储能目标用户主动识别特征库
1.1 用电需求特征A
1.1.1 电能质量指标A11—A16
电能质量指标包含用户负荷情况、电能质量技术性和经济性指标等，与用户电力需求密切相关，能够通过营销管理信息系统、电能质量监测系统、配电管理系统等渠道获取。
电费缴纳比率B3是直接体现用户信用状况的指标，表示为其与电网公司供电合同规定时间内用户实缴电费与应缴电费的比值。指标值越大，表明用户信用越良好，更有可能履行合同。
2.2 指标组合赋权
2.3 改进GRA-TOPSIS特征量化模型
为给用户侧储能目标用户识别提供准确的量化依据，在特征量化过程中就需要突出最能反映用户需求痛点和服务价值的劣化指标的影响，根据用户两维度特征量化值，将用户划分为不同类别。然而传统TOPSIS量化评价方法仅能够实现评价对象内部排序，无法实现评价对象的分级[21]，且线性信息聚合方式下劣化指标的作用易被优势指标弥补，导致无法对用户特征作出客观评价。针对上述问题，引入非线性信息聚合方式，提出了改进的GRA-TOPSIS用户特征量化分级模型，能够突出用户劣势指标的影响，并将特征量化值分为不同等级，实现用户特征的科学量化，以精确识别用户侧储能目标用户。具体步骤如下。
指标信息聚合有线性方法与非线性方法两种。线性聚合方法容易突出优质指标的作用，并且较优指标能够补偿劣化指标值对综合评估结果的影响，适用于负向灰色关联度计算；而非线性聚合方法要求评价对象各指标较为均衡，对指标值波动的反应比线性聚合方式更加灵敏，能够突出劣化指标的作用，评价对象在没有明显短板的情况下更容易获得更高的评价值，适用于正向灰色关联度计算。因此，评价对象与正、负理想解的灰色关联度计算分别如式(21)和式(22)所示：
2.4 IESP用户侧储能目标用户分类识别坐标系
为实现用户侧储能目标用户识别，构建用户特征量化分级模型，流程如图3所示。
图3 用户侧储能目标用户主动识别流程
（1）基于多源用户数据，综合考虑供需双方的利益，提取反映用户多元用电需求特征和服务价值特征的标签，构建IESP用户侧储能目标用户主动识别特征库，为目标用户精准识别提供数据支撑。
（2）考虑指标特征及其影响，基于层析分析法与离差最大定权法分别确定各层次特征及指标的主观权重与客观权重，引入联系数概念确定其组合权重。
（3）构建GRA-TOPSIS量化模型进行用户需求与服务价值特征量化分级。引入非线性信息聚合方式，改进传统方法中劣化指标作用易被优势指标弥补的不足，以得出更加准确的用户特征量化结果；在决策矩阵中加入指标分级向量以及最优最劣指标值向量，实现用户特征等级划分。
（4）根据用户用电需求与服务价值特征的量化结果，评价各用户的需求程度与服务价值。为直观刻画用户用电需求与价值特征，以用电需求特征为横坐标，服务价值特征为纵坐标，建立用户特征识别坐标系[24]，如图3所示。分别将用户在用电需求和服务价值维度分为三个等级，共9个分区，定性划分用户类别。对于IESP来说，储能服务目标用户在具备较强用电需求的同时，还应具备较高的服务价值，以确保建立良好的合作关系，因此用户侧储能目标用户为用电需求和服务价值特征均为等级Ⅰ的用户。
3 算例分析
3.1 基本情况
以某市5个工业用户为例，验证所提方法的可行性。用户基本情况如表1所示，该地区主要为大工业负荷，且电能质量情况处于中下水平。通过电能质量监测系统、营销系统和走访调研等多渠道，获取用户特征指标数据，如附录A中表A1所示。
表1 用户基本情况
3.2 数据处理
利用用户指标数据、等级划分数据以及最优最劣值构建目标用户识别决策矩阵，根据式(12)和式(13)进行数据归一化和标准化，基于2.2节，在用电需求特征中，用户对降费增效需求的重视程度高于电能质量治理需求，确定电能质量指标与降费需求指标的权重分别为图片和图片。确定两类子指标的权重分别如下：
3.3 用户识别
利用所提改进GRA-TOPSIS评价方法进行用户需求和服务价值指标评价，结果如表2所示。
表2 用户特征量化结果
用电需求负向相对贴近度越大，说明用户用电水平越偏离最优理想解，则用电需求越强；服务价值正向相对贴近度越大，说明用户服务价值越靠近最优理想解，则用户越值得IESP开展服务。由表2可知，用户D用电需求指标较高的同时服务价值特征极低，意味着用户存在较强的多元用电需求，但是由于对于IESP而言服务价值较低，IESP并不愿意为其提供储能服务。相反，用户A用电需求指标较低，但具有较高的服务价值，IESP乐意与其建立合作关系，可以将其作为其他电力增值服务的潜在客户。
根据相对贴近度计算结果，用电需求Ⅰ、Ⅱ级和Ⅱ、Ⅲ级的分界点分别是0.4739和0.4234；服务价值Ⅰ、Ⅱ级和Ⅱ、Ⅲ级的分界点分别是0.4469和0.4267。以用户用电需求特征为横坐标，服务价值特征为纵坐标，建立用户侧储能目标用户识别坐标系，5个用户的二维特征如图4所示。
图4 用户侧储能目标用户识别结果
由图4可知，5个用户在用电需求与服务价值维度分别属于不同的等级，可分为不同的用户类别。对于用户D，建议IESP对其信用与增值服务潜力进行更深入调研评判后，再考虑是否对其开展储能服务；用户E用电需求程度一般，且服务价值特征较差，不需要提供储能服务；用户A与用户C对储能服务的需求程度一般，但服务价值较高，具有有偿服务的潜力；用户B的用电需求与服务价值特征均属于等级Ⅰ，迫切需要配置用户侧储能满足其用电需求，并且服务价值良好，是用户侧储能的目标用户，IESP应为该用户提供服务。
3.4 对比分析
将基于所提方法识别出的储能目标用户B与非目标用户A进行储能应用对比分析，根据用户情况为其配置1 MW/2 MWh的储能装置，储能系统每天以额定功率完全充放电2次，以湖北省分时电价政策为例进行分析。储能给用户带来的收益包括电能质量降损收益、需量电费减少收益、削峰填谷收益和政府补贴收益，帮助用户规避90%的电能质量经济损失，需量电费单价为35元/(千瓦·月)，折现率取8%，且储能投产前三年能获得政府补贴[25]。储能参数及运行策略分别如附表B1和附表B2所示。
如前所述，用户B为用电需求及服务价值都极高的目标用户，而用户A为服务价值较高但用电需求较弱的用户，基于用户A、B的特征参数及储能配置数据，计算全生命周期储能能给用户和IESP带来的收益如表3所示。
表3 储能收益及服务价值
由表3可知，在降费维度，目标用户B与非目标用户A相比，用电需求更强，储能在全生命周期通过减少电能质量损失、降低需量电费和削峰填谷分别能为用户B和用户A降低3013.79万元和1672.80万元的费用，用户B远高于用户A。扣除储能装置投资和运维成本，用户B的储能服务净收益将达到用户A的2.3倍，可见用电需求更强的用户通过配置储能装置获得更多降费收益。在对IESP的服务价值维度，由识别结果可知用户A与用户B均具有较高的服务价值，且用户B高于用户A，为两用户提供储能服务能为IESP带来的收益分别为781.54万元与954.08万元，用户B仍高于用户A。从供需双方利益来看，与用户A相比，用户B显然是更具有储能服务潜力的用户。
4 结论
为实现储能与用户的精准匹配，推动用户侧储能市场化、规模化目标实现，本工作提出了IESP用户侧储能业务目标用户主动识别方法，得到主要结论如下：
（1）基于网荷多源数据，综合考虑储能用户与IESP利益，提取了反映用户多维度特征的标签，构建了兼顾用户多元化电力需求特征与服务价值特征的用户侧储能业务目标用户主动识别特征库。既考虑了用户的多元化电力需求，也从储能服务提供方角度考虑用户对于IESP的可服务程度，符合供需双方的利益，为用户侧储能目标用户主动识别提供了支撑。
（2）引入非线性信息聚合方式，弥补了劣化指标影响易被优势指标掩盖的不足，建立了改进的GRA-TOPSIS用户特征量化模型，通过在决策矩阵中加入用户指标分级向量和最优最劣指标值向量，实现了用户特征的量化分级。基于量化结果，建立了用户侧储能目标用户主动识别坐标系，对用户进行类别划分，实现了用户侧储能目标用户的精准识别，为IESP用户侧储能业务开展提供了依据。
（3）以我国某地工业园区中用户为例进行案例分析，通过多渠道收集用户电力特征数据，利用本工作所提方法进行量化分析，最终明确了该园区中具备用户侧储能业务开展价值的目标用户。
