基于大数据的电能替代发展现状与展望

国网内蒙古东部电力公司供电服务监管与支持中心 石 研 王巳腾 张禄晞 杨凤玖

随着全球气候变暖，各国对环境问题愈发重视，分别针对各国的具体情况提出了各自的节能减排政策，并发展与建设风力、光伏等清洁能源使用清洁电力替代传统的化石能源。因此，世界各国的能源转型迫在眉睫。我国传统的能源消费结构中，由于中国是一个富煤国家，因此煤炭占主导地位。煤炭燃烧产生大量的二氧化碳、氮氧化物、烟尘等环境污染物，在我国带来了严重的环境问题，以冬季北方地区的雾霾为甚。为改变此现状，习近平提出了2030年前中国实现二氧化碳排放达到峰值、2060年前实现碳中和的目标。并根据此目标提出了“以电代煤、以电代油”为核心的电能替代战略，力求改变中国现有的以煤炭为主的能源消费结构，并更多地使用以风力、光伏、水能为首的清洁能源，实现社会的节能减排，在全社会推进可持续发展进程。

在电力系统转型过程中发电侧的转变主要表现在传统的火力发电厂逐渐被清洁能源所替换；而在用户负荷侧，不少居民的燃煤供暖也逐渐被替换为电采暖及其他清洁供暖方式，极大减少烟尘的排放，促使清洁的电能逐渐替代煤炭成为中国的能源体系中心。由此，电能替代的重要性逐渐提高。而大数据系统作为第五次工业革命的产物，实现了多元数据收集、处理、分析等一系列工作，解决了原有海量数据无法处理的问题，推进社会服务的快速提升。该技术的发展使信息处置、算式演算等多层面快速发展，实现更多的数据与更快的处理，并逐渐实现与人工智能技术、互联网技术等先进技术相结合。伴随着信息技术的不断发展，大数据技术与其他技术结合愈发紧密并应用渗透入各行各业中，发挥越来越重要的作用。

大数据背景下电能替代发展现状

大数据指的是所涉及的资料量规模巨大，无法透过目前主流软件工具在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯，并由IBM提出主要有以下5V特点：Volume、Velocity、Variety、Value、Veracity。在电能替代领域，主要体现在由电网企业所收集的大量用户用能设备、用能数据、用户政策认知水平等信息，随着大数据的发展，将会有更多的用户数据被收集。

通过收集目标地区用能用户的大数据信息，便能够掌握电能替代潜在用户的替代意愿与设备替代潜力等信息，同时随着大数据的数据量增加将使电网企业更好地掌握用户的需求及用能结构等数据，随着大数据系统进入电能替代领域，将为电力企业及用户解决不少问题，如目前电能替代中出现的实地走访调查用户所带来的效率低；电网企业实际走访调查过程中，用户填写调查数据时存在乱填乱写等问题；企业在对普查数据进行处理过程中出现的数据量过大难以处理或无法处理等问题，极大地提高电能替代的推进效率与进程。

大数据在电能替代中主要有以下几种应用：第一种为电能替代市场潜力测算；第二种为电能替代潜力用户画像；第三种为电能替代市场营销服务；第四种为电能替代经济效益优化。其中第一种、第二种应用为目前主要研究方向，并出现了多种大数据技术的应用方法。

在电能替代市场潜力测算中，需对目标地区的目标用户建立大数据库，并进行分类。其中，可依据不同地区的用能特点分为不同种类。以中国北方某地的实际调查案例为例，依据被调查的不同用户所属的生产生活领域可将其可分为公共建筑领域、工业制造领域、农业生产领域、交通运输领域、学校领域五大类。其中公共建筑领域主要涉及电采暖改造、屋顶光伏电板的安装；工业制造领域主要涉及燃煤、燃油锅炉改电锅炉、锅炉的配套设施改造以及车辆的电气化；农业生产领域主要为灌溉设备的电气化及农村散煤、秸秆燃烧的改造等工程；交通运输领域则涉及大面积的光伏电板建设及吊车等重型设备的改造；学校领域涉及学校的燃煤、燃油取暖锅炉改造、老旧备用发电机改造学生宿舍公寓保暖设备改造等项目。根据实际调查结果分析，在该地区公共建筑领域、工业制造领域、农业生产领域、交通运输领域、学校领域根据折算后的电能替代潜力比例占比达到了12:76:7:1:5，因此解决该地区工业领域中的用户电能替代问题即可解决该地区约76%的电能替代问题。

针对不同用户中不同的用能设备种类特点，也可以将用户的设备划分为煤改电、油改电、气改电等类别。其中煤改电改造主要为工业领域的锅炉改造、学校的供暖锅炉改造、农村取暖散煤、秸秆燃烧等；油改电主要涉及部分特种车辆的电气化，将原有的燃油车在不损失性能的前提下替换为电车；而气改电主要涉及工业领域的燃气锅炉及部分居民家中老旧的天然气系统改造等。通过对以上调查信息建立相对应的大数据分析库进行数据分析，即可获得目标地区的所有电能替代潜在用户用能数据及其用能情况。

同样以中国北方某地的实际调查案例为例，该地区煤改电为主要电能替代领域，其中煤改电、油改电、气改电的替代潜力比例占比达到95:4:1，解决用户的燃煤设备替换问题，提出针对各用户特点的燃煤设备替换方案，通过电力企业与用户之间的博弈，实现该地区煤改电潜力用户的替换进程，快速推进电能替代。通过对不同种类用能设备进行分类，更好确定电能替代目标用户的能耗水平及能耗种类等，为之后的电能替代工作提供科学依据。

电能替代潜力用户画像技术利用同一行业内的不同用户具有相似的用能特性这一特点，建立不同行业用户用能大数据库，通过人工神经网络等手段分析目标地区特定行业的用能特点。依据不同行业间存在相似的用能特性这一特点，利用数学分类算法如K-means算法、模糊C-均值聚类算法等算法，更好地对不同种类的电能替代目标用户进行分类。

同样以中国北方某地的实际调查案例为例。该地区的工业领域主要为从HB省、JL省等地区所搬迁的高能耗企业，依托该地区低廉的燃煤价格与优秀的燃煤品质进行生产活动。因此在这些企业未进行电能替代的情况下，其燃煤锅炉的耗能占据企业总能耗的85%以上，其余部分能耗主要为办公及辅助设备用能，因此在该行业内各企业间的用能结构具有极大的相似度。据调查，其燃煤、燃油、燃气的比例达到96:4:0。因此，依据该用能比例则可推断出其余的该行业内企业是否与该企业相同具有电能替代潜力。

通过不断完善电能替代大数据用户库将对用户进行更好的分类，通过大数据使得对目标地区的用户画像更加适合于目标地区的实际情况。其中，根据调查结果列举该地区部分行业的用能结构中燃煤、燃油、燃气、电力占比分别如下：工业制造领域（钢铁冶金）0.96/0/0/0.04；工业制造领域（采矿业）0.5/0/0/0.5；工业制造领域（设备制造）0/0.25/0/0.75；农业生产领域（农林牧鱼业）0/0.2/0/0.8；学校0.1/0.1/0/0.8。

基于大数据的电能替代市场营销服务主要收集目标用户的能耗种类、用能偏好、用电数据、所处的地理位置等大数据信息。通过对以上信息分析，可以对目标用户进行以地域、用能情况为分类依据的分类。针对不同分类的用户，分析考虑影响其用能结构的多种因素，依据多种博弈论及对用户的大数据分析，更好地提出针对目标用户的电能替代服务，实现电力企业与用户的双赢。提高电能替代用户的潜力挖掘能力与寻找精确度。为电网企业更好地为电能替代目标用户提供相对应的市场营销服务。

电能替代经济效益优化依托大数据系统的海量用户数据，分析在目标地区的潜在电能替代用户数量及替代潜力，并可根据分析结果预估目标地区存在的电能替代经济效益及环境效益等收益。同时，通过大数据分析也可以寻找目前电能替代用户的分布特点及分布方式等信息，给予电网企业在提供电能替代服务时的宏观规划决策等信息，实现高质量、高数量电能替代项目的实现，提升电网企业与电能替代用户的经济效益，也为全社会实现经济效应的提高做出贡献。

大数据背景下电能替代展望

随着大数据的不断发展，越来越多的新兴技术如云计算等技术逐渐与原有的数据分析、处理技术相结合，共同发挥出更加强大的实力。在这些技术中，尤其是以人工神经网络为代表的人工智能领域的快速发展，在电能替代领域就占据了主导地位，在多个领域中发挥了不可或缺的作用。

通过人工神经网络技术，在电能替代潜力测算领域神经网络的预测精度已达到较高的置信水平，其预测精度远高于常规的非线性、预测树、灰色预测等预测手段。而随着诸如数字孪生、混沌算法等新技术的逐渐发展，越来越多的影响因素将被收集并存入现有的电网企业大数据系统中，并形成一个逐渐完善的复杂系统，通过对复杂系统的分析，力争实现对现实情况的全模拟，助力企业更好地实现电能替代项目。

大数据在潜力用户画像技术上能够更好地分类筛选与区别不同的用户用能特点，避免出现部分数学分类方法在对部分用户进行分类中存在无法达到预期的分类结果等诸多问题，随着大数据技术的发展，潜力用户画像技术也将会愈发完善，捕捉目标用户的每一个用能特点，真正做到“一类用户一张像”与“一张像找一类用户”的精确分类。

在在电能替代市场营销服务中，通过大数据的人工智能系统将逐渐发展成辅助决策系统，利用大数据系统中的海量数据及以往案例等数据，人工智能系统将通过深度学习等技术，为决策者针对不同种类的用户提供针对其特点的可行的优秀决策，提高整个电网企业的市场营销准确性、合理性及效率，并随着决策数量的增加，系统提供的决策质量将不断提高。而在电能替代经济效益优化领域，越来越多的依据用户多元信息大数据的决策软件不断出现。决策软件依托更多的用户数据，建立针对用户用能特点的复杂系统，更好地针对电能替代用户分析其电能替代转型路径，优化目标用户的经济效益以提高其转型可能性，由此增加电力企业电能替代用户，增加企业的经济效益。

在可预见的将来，随着大数据技术的不断发展，其与电能替代领域结合愈发紧密。电能替代领域的发展将会愈加迅速、愈加精准、愈加人性化。真正实现电力企业在施行电能替代过程中做到企业与用户双赢的局面。而电能替代也将越来越快速地发展，助力实现国家能源消费体系改革转型成功，实现2030年碳达峰、2060年碳中和。