泰豪软件易璕：基于大数据技术的电力营销

大数据应用要回归服务本质，一定解决浪费资源的问题从底层打好基础。大数据有期待，需要不断的被业务滋养。大数据应用培育业务创新，这样我们有巨人的肩膀可以站立，这样总结经验发现更多的业务模式去创新，尤其是综合能源和电力市场综合背景之下有数据的沉淀给我们更多探索的方向。

——泰豪软件股份有限公司电力市场业务产品总监易璕

为快速适应新形势下发展要求，精准把握行业发展趋势，引领行业方向，促进新技术、新成果和新产品在智慧电厂领域的转化应用，华北电力大学技术转移转化中心与上海电力大学技术转移中心、中国华电集团有限公司生产技术部、中关村华电能源电力产业联盟等单位于2020年9月27-28日在上海联合举办“2020年智慧电厂论坛（第一期）”。北极星电力网、北极星电力APP对会议进行全程直播。

泰豪软件股份有限公司电力市场业务产品总监易璕在分论坛2——大数据+工业互联网专场作题为《基于大数据技术的电力营销》的演讲。

以下为发言实录：

今天我想跟大家来分享一下随着电力市场的发展和进步，在电力市场所影响到的发输配中应用这一块发生的变化，随着2015年9号文的一声令下，电改给电厂带来了一些机遇挑战和措施，机遇就是新电改有利于发电企业延伸产业链，实现发配售一体，优化资源配置，实现产业链经营，培育新的利润增长点，未来电厂也有销售电力营销的压力，此后带来的营销电力架构的改变还有支撑电力营销决策，不断的深化去配合这个与电改相适应，考虑到机遇和挑战，我们需要电厂的措施有这些。

比如说我们需要考虑利用大数据技术支撑电力营销决策，提升电力营销效率和市场的竞争力。

所以我们这个背景就简单的介绍一下，电力市场来临之后，现在我们面对的批发交易，包括零售侧的市场从市场的方式还有主体来看有这么几个。

比如说这边是统揽大部分的省份，电力市场协调规则，主体，市场等等，比如说交易市场有中长期市场，有日前、日内的现货市场，全电量，还有独立运行的调频辅助服务市场。交易是属于集中竞价的交易方式，还有双边协商还有挂牌交易，这个交易的频次在各个省份根据不同的规则不相同，比如说中长期交易平均在云南，他们的电量交易达到每天进行，所以会产生大量的数据，交易主体有发电企业，售电公司还有工商业用电用户等等。

售电公司里面的内涵会越来越丰富，从两年前，甚至当前还会认为的中介皮包公司，代购这个概念引申成跟国际接轨，他们是叫负荷聚合商，或者是虚拟电厂的属性的个体都可以成为售电公司的角色。

考虑到这样的市场和方式还有交易主体会产生大量的不同层级不同领域不同主题域的数据，所以在这样一个背景下，发电厂在面向电力营销就会有逐步的变化。

第一步是发售独立的架构，之前我们熟知的是市场上一类比较牛的售电公司是有发电背景的售电公司，当时是以生产，电为一块，售电是带着发电背景的售电公司独立经营是一块，所以基本是这样的架构模式。

现在慢慢地我们现在形成了一个发售一体新营销的架构，这个是以后发展的趋势，所以说通常会听到电厂的发电营销，需要的功能点和解决的方式，比如说负荷预测、发电侧资产管理、发电侧报价辅助，辅助服务报价决策，发电合约管理，发电碳资产管理等等。还有用户负荷预测、售电侧资产管理等等，像中间的政策、交易数据，模拟仿真都是发售营销一体共享的应用，所以说现在很少听到发电背景售电公司，而是把电厂割裂开来营销分成批发和零售，这个是跟上一张独立的架构不一样的地方。

因为新营销的体系发生了改变，经营思路也会发生改变，因此电力市场背景下，电力营销的角色分工会浮出水面，顶层有管理层，有前台，中台后台和前线，交易类的就是交易员的角色，风控类的就是研究结合市场的情况，宏观和自己掌握的内外部的情况分析出市场的走势，趋势，然后做交易的策略分析，综合类的就是像后台做合约管理，客户管理，交易结算，可能在有一些发电企业，可能和行政财商类的有一些交集。

营销类的就是面向拓展客户这一块，一块营销岗就是怎么用数据做一个客户的拓展？通过我们跟一些电厂的合作伙伴在交流的时候会发现，他们其实对拓展客户还是有压力的，所以说如果有支持可能会打开新的思路，或者是解决一些痛点。

另外是增值服务，为什么会有增值服务？这个是跟客户伙伴聊的时候他们提到龙头的发电企业，在零售侧的时候价格有标杆作用不能因为自己有大的量和市场报更高的价格，所以这样的基础上不能把用户侧价格放的很低，同时还要吸引用户，就得提供一些增值服务增加客户黏性，如何去支配客户？或者是分配这些增值服务给客户？拿什么样的方式给他们？给到什么样的服务到什么客户也是需要数据支持来做这样的决策的。

这个是把刚刚的几个角色推演了一下，数据流是什么样的，因为不同的角色有不同的数据，同时不同的角色部门数据有不同的权限，有不同的权限的门槛，所以我们在做数据平台，包括基于平台的电力营销的应用的时候也会考虑到数据的针对性透明性的问题，这就是基础。

后面我要讲的几个跟大数据+电力营销相关的主题是几个方向。

1）大数据+电力营销我们需要得到什么目的？

2）接入和存储技术，简单讲加起来可以得到数据平台。

3）大数据的分析，可视化，包括挖掘共享。

4）数据应用+经营探索就是仿真系统，我们获取到数据的全应用了。

我知道电厂会产生海量的数据，但是现在的电厂经营数据，主要是和电力营销密切相关的数据组成，比如说生产成本的数据、企业管理的数据、其他几个都是属于电力营销相关的数据，比如说批发交易，零售交易，市场分析的数据和外部环境数据，比如说像会影响市场的气象数据，政策数据等等。中间黄色的这一块就是可以应用大数据的技术，一方面提到接入、存储，分析，挖掘，共享可视化，最后要实现什么？红色的这一块就是有了数据，有了技术我们用它实现什么？一个是最优经济调度、市场电价预测、用户的负荷预测、资产组合配置。因为电力交易给我们带来了手里面更复杂纷繁可配置的资产，如何最大化利用利润资产配置也是更大的话题。还有套餐方案设计针对零售方案，说的不好听一点就是大数据杀熟，用这样的方式来获得效应最大化。还有批发市场的报价辅助角色，这个是通过数据和技术实现的应用。

所以把有数据的可用通过技术让数据变的易用，最后应用然后好用，这个是我们的目的和实现路径。

数据平台方面的建设和技术包括意义太多了我就简单说一下，一方面是在新业务形势下如果没有数据平台会产生什么问题？

1）一个是重复的数据模型和业务的开发和维护，给企业带来成本以及IT团队资源浪费。

2）业务之间会带来多个烟囱，我们有不同的系统，本身电厂就有很好的信息化各种各样的系统，每个系统都会冒出来一些数据像烟囱一样，如果说我们简单的协同，就是把冒出来的数据连起来协同起来，前面王总讲到智能报表，如果把烟囱上面冒出来的烟协同起来，仿佛解决了当下的燃眉之急，其实是傻瓜报表，报表要什么你数据给我什么，其实就不能实现刚刚提到的一个智能报表，不能实现自定义化，所以不算是数据平台的初衷，随着业务变化产生新的需求就得不断地再开发新的应用，所以数据平台做的不坚实是实现不了这个目标的。

3）本末倒置的SOA体系导致业务无法真正的沉淀，我们是要站在数据的肩膀上发现一些问题，总结一些问题，所以说如果数据平台的底层不扎实，可能会抹杀一些创新的机会和可能。

4）数据统一性不足，我们在之前也给电网，给省调做过电力市场现货支持系统，那个系统要接10余个其他的子系统，然后有一个映射问题，会让数据同步变的很复杂，甚至会造成很多的垃圾数据，所以这个也是我们需要数据平台解决的一个问题。

然后跟上面这一条是电力营销的新形势的应用开发相关，就需要SIS、MIS、交易系统、财务、电厂生技、集团营销、OA系统、外部资讯、天气预报、企业信用公示等等系统的来源，中间的技术如何实现透明，准确和共享就不细讲了，我们需要用这种技术把这些如上系统的数据统领起来实现下面3个目标。

实现目标的时候我们随便介绍几个比较常用的手段，比如说做统一的数据字典做好数据映射，把多类的数据通过编码库映射起来，这个是基础的实现数据互通建设平台，建设成底层可用的基础。

我们有平台之后可以做哪些期待？期待有这么几个，一个是历史查询类的应用，一个是高时效的分析类应用，因为电力市场确实对数据的时效性提出更高的要求，还有管理分析类应用，包括数据增值类应用，沙盘演练类应用。

这两天大家看数据平台建设的阶梯是第3个了，我画了4阶，反正是先做数据功能，然后平台，平台变的智能，然后自己学习和训练变的更加的智能，跟我们想要的东西更加贴合，我们操作耿绍，他们给我们的反馈更加有效。

那数据应用就先形成网，再把数据应用形成塔。我们给总调做现货市场数据的动态监测的时候，分了几步走，刚刚开始就是接数据，然后做指标，这个数据网垒上去第二层就是指标，相当于我们的体检报告，会看到几个箭头，但是看到这个箭头之后是第二层，并不知道自己的身体有什么毛病怎么治，然后再垒第三层，垒成塔，最后这个塔尖发现我们到底想要解决什么问题？问题在哪里？有什么解决方案？

下面讲跟业务相关举一些例子，辅助决策，对于电力营销来讲，辅助决策只是能分为批发和零售两大块，从整个营销来看分成交易管理和经营决策两大方面，所以说我们的成本和利润从电力市场里面获取都可以拆成这样的层级关系，后面的辅助决策应用就是从红框里面几个最需要大数据，最需要应用数据解决的问题来讲，其他几个没有被框在一起的，除了成本模型的优化，其他主要是数据来源，是数据沉淀的基础，利用沉淀的数据要做零售市场管理的客户画像、套餐设计、负荷预测电价预测，中长期的策略就是中长期的组合，目前我们能操纵的就是日前市场策略。

后面举3个应用的例子，分别从这3个应用他们分别要干什么？至少获取什么样的数据用什么样的流程实现什么样的目的。

1）零售侧套餐制订，这个是ToC的思维非常有意思。

2）沿用套餐制订的风险和收益权衡的手段实现发电资产的组合策略优化。

3）包括现货交易的策略。

一方面规避风险，如果说把电厂做售电的角色当成基金公司，比较相象就是跟我们代理的用户实现风险共摊或者是效益最大化，就是合作愉快的局面，风险有保障是设计套餐的初衷之一，另外就是定制更科学，我们也要通过主动的传达套餐设计方案向客户传达我想签你还是说这种客户要避而不谈。另外是推荐更精准，匹配更适合我的用户。

这个是在近两年昆明交易中心一直是在交易中心里面动作比较丰富的，他们是先推出了电力套餐的模板，所以大家可以看到签客户的时候，签代理用户的时候，合同里面有一些手续比较简单，固化合同比如说固定费用，还有联动浮动，这个策略比较复杂，我考虑的是怎么把这些参数类别拼起来？还有这些参数怎么设计？用这个方式得到这些方案。

我们大体看一下智能套餐设计的流程，用户画像也不新鲜了，各行各业各个环节只要有用户都要画像，画像之后干什么？就是去匹配适应他的套餐，还给套餐再画像，这样把两者匹配起来，所以先做用户画像做套餐设计，套餐推荐匹配起来，然后再看一下套餐的作用，做一个效益评估，对我们前面套餐设计的参数进行新一轮的规划。

技术方法比如是熵权法，我们现在智慧电厂智慧营销里面就把最纯熟的大数据技术应用起来最可靠的技术实现我们的目的就可以了，熵权法是比较成熟比较好用的技术方法，去找这个表中特征参数，跟你最后要判断的用户价值的相关性，如果这个熵权值低对这个价值影响的程度越高。包括昨天提到了K-means聚类方法，粒子群优化算法，也是一个听起来比较高端的，其实就是很成熟的算法。

这个是我们看到，我们收集用户画像，红色的这一块是我们自己有一个售电公司，但不是我们的盈利重点是我们探索市场为市场更好服务的试验田，这个是我们做售电公司的时候向客户征询的一些数据，这个是数据网，因为我们的目标是画像，提炼出来了用电行为，企业环境和经营风险把有用的东西提取出来，相关性的数据做一些简单模型和计算，然后就把这些用户特征参数化，垒了第二层，就是参数化，归并成了用户的收益潜力和交易风险。

然后我们就把客户四象限了，潜力用户，优质用户，待改善用户，外围用户，然后归并化进行收益，潜力，风险的计算，用熵权法的方式去加，这个就是为了做匹配。

这个是粒子群的方式来找到一个参数，而且这个套餐的模型弄好了，我们把参数填进去，其实就是训练过去历史的数据，具体不讲原理就是我所有数据都是帮我实验的主体，每个签好的合同都是探索最大收益化，离函数最近的方向，如果不这么理想会给它一个套餐参数更新的自我学习因子和社会学习因子的界定，每个套餐就像是小鸟找食一样找到吃的侦察员，大家找到了就往这个方向走，有一些很自我不想跟这个情况所学习，就是通过这种方式锻炼这个数据和锻炼已经签过的合同，找到最优跟目标函数相近的套餐参数设置结果。

刚刚讲的是用户参数的画像，这个是套餐，套餐的收益评价指标主要是服务费和电能费看怎么跟客户搭？比如说电量比较大的用户对价格比较敏感，然后通常比较分散的小用户他们都想搏一搏想赚取更大的利润，然后对冲每个用户带来的风险，这个也是刚刚讲过的那一页，这个是大数据杀熟，通过手里面掌握的套餐客户的信息，然后去发现谁可以承受这个价格的波动，谁想搏一搏发现对价格的敏感性，然后匹配可能给我带来更大收益更大利润的客户。

这个就是套餐精准的推荐，这个“精准”打引号，中间有量大够便宜还有5-6%的选择，这个是用的用户心理学的方式，电影院卖爆米花有5块还有10块，很大一部分人买5块的，有5块的有10块还有20块的可能一帮人买10块，所以推荐套餐的时候会根据套餐的分布有意识的利用心理的方式拿这个数据推荐更想让客户选择的套餐。最后一步就是优化，看看我把套餐优化一轮效果怎么样？签了一年下来的成果，用户是不是有增长？黏性是不是有增长？套餐收益是不是有增长？这样整个环就闭合了，实现了给用户设计套餐的思路。

中长期策略相对比较简单，因为电厂的伙伴们都知道，现在这个市场中长期要挣的多就是看大家的消息和团结协作的精神，其实市场的情况都会比较清楚，未来市场会越来越公平也越来越复杂，越来越难用小道消息成就一些事情，交易市场如何规划？比如说应该参加什么样的交易品种？交易方式如何选择？是双边协商还是集中交易还是挂牌？如何把中长期电量分配到用户身上这个也是需要考虑的课题。

这个主要的流程用的数据就包括了历史报价信息，然后市场电量供需情况，市场价格的成交情况，企业的长期发电计划，比如说基数电量等等，技术的方法主要是聚类和回归，流程是先建立决策模型，然后建立一个利润函数，这个决策报价模型，计算中标概率，我们把所有最高的点集中起来，获取报价曲线，然后我们再得出具体的交易策略。流程这个都是我们在做一个服务于电厂营销的产品的时候内心活动，背后的需求设计，后面也会给大家看，做好了一个产品操作就很简单，这个是背后的设计。

比如说我需要一个目标，不能每次中长期交易的时候拍脑瓜，需要历史数据的沉淀，知道离目标多远，达到目标用这些方式交易风险收益的希望如何？然后还有预测和规划。

还有组合，每种交易的情况掌握到了看用什么组合方式达到最好的最期待的效果？然后就是给交易用户分配策略，结合刚刚的零售的信息，什么样的客户签什么样的零售合同，决定怎么样分配中长期的电量。

现货，刚刚漏讲了一点，之前跟电厂的伙伴讲零售的时候，他就说以后的套餐都透明了，这样的话比如说刚刚有一个2毛多单价的套餐，那别人看到你报的套餐，我就降1厘怎么办？总归比你好吸引客户，所以这个是我们要套餐的，怎么研究现货策略，现货的中标是物理交割，其实要把准现货，除了中长期了解风险，我们零售侧能跟人家飙价格就是现货上拿的好的价格。

逻辑就是售电方面做现货的价格预测，

购电要做好负荷预测，现货是曲线交易要考虑中长期的电量分解，然后就是生成交易策略，所谓的现货交易策略广东就是5段报价，每一段怎么报？哪一段长一点，哪一段短一点？哪一段保本开机，哪一段搏收益？最后就是出清结果的预测，比如说现货市场的信息，中长期的信息，发电的信息，物理层面的信息，检修网架结构等等。

现货策略是业务上的价格预测，就是先做持续预测，只是考虑历史的数据的情况和典型的曲线，我后来会考虑越来越多的影响因子，就成了神经网络的算法进行预测，然后就是经营参数选择，电网参数的设置，同时考虑市场和物理双方面的因子进行预测，预测之后就是模型训练，我们的目标就是这个算法怎么越用越准，刚刚开始是得到预测结果，后来发现不准会调参。刚刚开始靠经验，再往后这个算法会学习调参的目标和路径方式，以后会让这个时间路径越来越短，自动调好达到期望，最后进行结果展示。

讲到共享和可视化，发现可视化最快的让我们发现预测或者是数据处理的结果的优劣与否，这个就是当我已经有了，比如说大家可以思考一下，现在已经知道了中标多少，就算100%能猜对，日前价格曲线，请问5段报价怎么报？毕竟5段报价在广东来看相当于是5个奖券，同时投到96个点里面，怎么保证什么都知道报价还能中这么多，就用到数据的沉淀和计算，得分析每一个发电企业的报价和中标概率的关系，才能知道我如何报价才可以不辜负之前对中标量和中标价格的预判。

这个是负荷预测，我们做的也比较成熟了，日的负荷预测通过这种方式慢慢累计数据的方式达到95%的准确率，像做预测的模型之前是负荷的数据不是很透明的情况就是拿的国外典型的用电企业的数据建初步的模型，根据国内的情况修正，实现了负荷预测。

到了系统里面就随便展示了3个窗口，前两个窗口是卖电的策略，系统里面刚刚就是研究心理活动，比如说电厂操作的时候需要一个报价的依据，只要选我用什么方式来让系统指导我给我一个依据，比如说选导入相似日的报价策略，就可以选哪一天的报价情况，比如说天气数据，电价，负荷预测哪一天跟我今天的情况相近？我设置一个允许的相似度90%以上，就可以调出来历史报价里面90%以上和今天相似的所有的报价数据和成交结果，就等于是可以把相关的经验调出来，供我现在总结和利用，而不是靠脑子想。

这样的话我用系统帮我找到了跟今天交易情况相象的数据总结过去的经验，来推荐策略，然后看到除了这种导入相似日报价策略，第二个框里面是系统推荐报价策略（中标量最大，收益最高），这个就是直接设置的目标函数系统帮我推荐。右边是购电策略，从现在比较常用的现货来看，只要预测好日前日内的价格差和负荷情况就把规则里面允许套利空间的收益套回来，同时套的这部分的空间可能有风险，但是这个就是帮你做了试算。

为什么现货侧这边有共享？我们做时间的时候发现要做好现货策略市场共享的数据对它的依赖很大，在数据不是很透明的时候，现阶段我们这个实现的方式就是自定义输入与预测，获取试算结果，就是自己猜价格曲线和中标量，最后试算一下资产组合分配最后的总体收益。

第二个编辑模型参数，有足够的数据累计有经验了，就可以通过系统给我一些推荐，然后去让我获取一个报价决策的依据，让我知道每一次的报价交易都是有章可循都是有依据的。

第三个阶段训练模型获取推荐报价，系统会直接推荐最符合我目标函数的现货策略。

所以这个是上个月广东现货日结的时候的模型，还可以，但是我们是用市场开放的数据，也是翻船了好几天，因为市场预算都是平均值，每一个节点的情况，可能这个大盘里面有一个节点的电价异军突起，有一个电价住底，但是平均下来差不多，这个是侥幸的运行政策，但是共享很重要，节点电价是可以公开的，以后我们掌握更多大数据之后，即便现在数据还没有那么公开我们就已经可以发现数据有章可循，可以做策略交易商的优化，就别提以后数据更纯熟全面的情况下，就可以为交易策略做什么。

上面的红色框图是在已经发布的数据里面发现的一些发布的市场信息和电价波动的关系。

最后仿真系统，就是大杂烩了，通过沉淀的数据，这些数据配置交易规则全局参数，搭建物理模型和电网模型，经济模型，仿真市场主体行为，验证我刚刚想交易的策略可行性，复盘交易的结果分析，指导下一次真正实践的交易，指导未来得营销决策，做仿真系统可以看到需要全真市场的数据就需要大而全的数据平台，内部的生产数据，经营数据，交易数据，边界数据，外界获取数据以及其他的数据，这样就可以跑一个仿真的市场，就像游戏《我的世界》一样我搭出来改变我的行为和数据，设置NPC跟我一起玩，看他们的风险承受能力，设置好了以后跟我的策略博弈，最后我们分析收益，分析整个市场大盘，看看我是不是跑赢大盘分析报价的方案，分析自己这个市场主体的表现，并且分析对手，看看我们在竞争市场中处于什么样的地位？

基于大数据和电力营销做了总结。

1）大数据应用要回归服务本质，一定解决浪费资源的问题从底层打好基础。

2）大数据有期待，需要不断的被业务滋养。

3）大数据应用培育业务创新，这样我们有巨人的肩膀可以站立，这样总结经验发现更多的业务模式去创新，尤其是综合能源和电力市场综合背景之下有数据的沉淀给我们更多探索的方向。

4）大数据应用促进电力营销人才成长，规避数据领域找人带，找人问的方法，这样的话有数据的沉淀，新人也可以更好的发现历史积攒的问题和经验，更好地更快的成长。

最后对我们的公司做一些介绍，我们独有的基因，能源+互联网+碳，我们在电力行业有20多年的经验积累，上海泰豪迈能主要是军工和电厂这两个板块，我们电网方面分布的比较丰富。

电力市场这一块的伙伴，主要是想把德国美国的电力市场的技术经验中国化的一帮伙伴，现在有不透明的我们建模拿出来数据进行培育，作为一个应用发展的种子。

我们的项目经验已经穿透了电改之后的发输配应用，像电网方面的配电，输电调度运行，可视化产品，综合能源，设备运检能效，电力交易，大数据，售电经营等等，包括跟碳，区块链相关的项目都有涉猎。

我们的发展路径从模块做起然后拼起来，也是做了一个产品矩阵，还有模拟仿真，然后有数据服务，然后有发电方面的决策，售电方面的决策，发电和售电的交易系统就形成了发售一体电力营销的系统。

另外一些经验前面也稍微提到了有参与过省级电力现货知识系统的建设，并且成功上线，而且顺利的完成试运行的任务，建立了全国首个电力现货动态监测系统，这个是电力大数据，我们把数据一层层的组装，然后分析，建立风险研判模型，发现市场的问题，帮助顶层设计者完成这个市场的规则设计机制，另外我们也建设了全国畅销的智慧售电经营管理系统，作为我们进入市场的探索。

另外还有一些其他，广受国内各方市场参与者还有组织者的高度认可，也有一些培训，演讲等等其他的咨询服务，包括参与上海电力公司虚拟电厂的辅助市场的项目，我们为以后更复杂的市场主体参与进来做了准备，比如说中和的项目就考虑了综合能源分布式能源参与到电力市场，就把更丰富的价值带到了电力营销的体系里面。

（来源：北极星电力网，如需转载请完整转载全文不允许删减）