能源互联网背景下电力市场大数据应用探讨

01

引言

能源互联网是能源发展的必然趋势。推动能源生产和消费革命，加快构建清洁低碳、安全高效的能源体系，建设互联、共享、对等、开放的能源互联网是实现能源革命的重要途径。当前，能源互联网建设实践主要以互联网技术为基础，以电力系统为中心，将传统发用电负荷、分布式发电、电动汽车以及可调节负荷等资源紧密耦合，以负荷聚集商、虚拟电厂等不同市场主体形式参与电力市场，实现新供需形势下的能源资源精确匹配和优化配置。近年来，能源网与信息网更加紧密结合，电力市场从有限的信息交互演变为多方参与的能力与信息对等交换，大数据管理的标准体系与安全规范将面临更高的要求；其次能源互联网中各类市场主体以及各系统节点的联系将更加紧密，也对数据采集、传输与交互也提出了更高要求，电力市场建设面临新的技术挑战，电力交易运营数字化转型升级迫在眉睫，当前有必要结合典型业务场景，探索基于“云计算+大中台”的电力市场技术架构体系，实现大数据在电力市场业务的典型创新应用。

（来源：微信公众号“电力系统自动化”ID：AEPS-1977）

02

电力市场数据形态

电力市场数据模型。国内电力市场数据模型历经多次迭代演进，形成了以IEC 61970、IEC 62325体系标准模型中的公共信息模型（CIM）为核心，考虑电力市场分级运营、多方合同、联动结算等特点的电力交易统一编码标准数据架构体系。新一代电力交易平台基于公共语义标准构建覆盖全量电力市场要素的物理模型，从物理模型中抽象实体，以及实体的属性，实体子类、实体关系等，进而灵活演化数据仓库和数据集市的逻辑模型、概念模型，以满足业务变化与扩展的需要。

图1 电力市场核心数据模型

数据特征。数据特征方面，电力市场丰富的多系统在线协同、高频交互应用场景将进一步积累海量市场行为数据和业务处理数据，数据规模与增长速度大幅提升。“e-交易”生态圈的发展带来电力市场互联网属性的扩展，学习、社交等应用推动大量音视频等非结构化数据产生，进一步扩充了数据多样性。除此之外，电力市场还表现出以下主要特征：高实时性与高增长同步、数据与流量并行、多时间尺度的流数据发展、数据内容向相关领域快速扩张等。

03

关键技术

大数据分析技术。大数据分析需要强大运算能力和技术设计，云计算的出现使得海量数据并行运算成为可能，各类分析算法的创新发展更是信息提炼与知识发现的关键技术。以信息提炼为驱动的大数据分析方法主要包括：聚类、回归、因子分析、时间序列预测、多维尺度分析、关系模式等，多运用统计型思路进行特征组合及区间缩放之类的运算以实现高维随机变量的规律挖掘，偏重于决策辅助、业务洞察等应用场景。以知识发现为驱动的大数据分析方法主要包括：回归分析、机器学习、决策树、支持向量机等，涉及概率论、统计学、凸分析、算法复杂度理论等多门学科，同时又与人工智能（AI）领域的算法相互重叠，偏重于挖掘对象与对象之间的隐式关系与潜在联系。大数据处理技术。当前大数据处理技术主要包括分布式计算技术、内存计算技术和流式计算技术，三种技术在电力市场中适用于不同的业务对象和应用场景，如图2所示。

图2 大数据处理技术的适用场景

大数据架构整合技术。新一代电力交易平台采用“云平台+微服务”的技术架构，构建用户、出清、结算等六大能力中心，基于能力中心沉淀通用共性业务能力，通过微应用实现业务功能积木式搭建，提高规则变化的响应速度，依托底层技术微服务解决云平台管理效率和迭代控制等问题。微服务架构的松耦合特性可以满足省间交易与省内交易、中长期交易与现货交易、市场交易与电网运营的协同运作要求。

图3 电力市场数据架构

数据中台通过构建统一的数据体系，建设基于统一标准体系的数据服务，实现数据服务的高可用性和高复用性。在数据中台的理想设计中，数据应用趋向轻量级发展，大数据架构要结合数据中台实现服务输出的场景化、实时性、自动化、智能化，打造数字化中台架构，建设数字化业务创新应用，实现“数字业务化、业务数字化”，赋能电力市场业务发展。“大数据”向“AI”延伸是能源互联网背景下电力市场运营的重要技术特征，数据中台向AI中台演进也势必成为未来的发展趋势，围绕智能化服务为核心辅以机器学习、深度学习等新技术向市场主体和关联领域提供便捷和快速的数据分析和预测，能有效提升市场服务水平和业务协同效率，同时也为电力市场数字化转型升级注入了新活力。

图4 电力市场大数据融合架构

04

电力市场大数据应用场景

市场主体用户画像分析。深度分析交易中心、发电企业、电力用户、售电公司等各类市场主体海量行为数据，挖掘市场主体的规模类型、交易品种偏好、成交电量分布以报价策略等交易行为数据信息，建立各类市场主体画像标签，有效指导电力交易运营中的市场主体属性的展现与检索，分析内容聚焦于精准服务分析、用户特性分析、用户推荐分析、用户推荐分析、行业报告分析。基于电力交易大数据的市场用户画像体系架构如图5所示。

图5 电力市场用户画像标签体系

基于电力市场行为数据的精准化推送服务。精准化推送服务以用户历史属性、行为特征数据为基础，选取具备广泛代表意义的训练样本和测试样本用于模型构建和验证，确定样本用户属性特征与服务之间的匹配关系，形成模型训练样本数据库，然后通过算法与人工相结合的方式对样本用户属性特征数据和服务数据进行整理清洗，基于训练样本基础数据，采用随机森林和梯度提神决策树算法对每一类服务的用户属性特征进行学习，完成用户属性特征与精准服务模型的构建，利用模型预测测试样本服务推荐结果，并对服务推荐结果的准确率进行评估。电力市场主体征信评估与分析。海量市场注册、交易、履约及结算信息与市场主体信用状况密切相关，基于大数据技术挖掘分析海量数据信息，利用大数据算法构建电力市场主体信用评估模型，采用感受性曲线下面积（ROC_AUC）、区分度指标（KS）、群体稳定指数（PSI）等分析方法评估分析模型效果，为应对新形势下电力市场多重信用风险问题、防范电力市场主体信用风险、建立相应的信用风险防范机制提供了重要支撑。

图6 基于大数据的电力市场主体信用信息分析模型

多源异构环境下电力市场运营大数据挖掘分析。构建大数据环境下的关联分析模型，研究跨行业、跨领域的电力市场运营分析算法，挖掘电力市场的数据规律与价值。立足于中国电力市场实际情况、特点和需要，从市场供需、结构、市场行为、安全约束、外部市场等多方面提出影响电力市场运营分指标因素，建立多源异构环境下的电力市场建设与运营指标体系，综合多维地分析和评价电力市场运行情况。基于大数据的多能流市场化交易应用。利用大数据、云计算、AI等新技术开展能量信息实时监测、数据分析和优化处理，提供各类能源交易全流程数据支撑，实现“源网荷储”资源的各环节高度协调，生产和消费双向互动。基于大数据的多能流市场化交易应用，在能源生产端结合实时气象数据、厂站运行状态数据等，应用大数据建模开展需求响应预测、发电量模拟、交易策略推演等应用。在能源消费端利用大数据技术将气象信息、用户作息规律、宏观经济指标等数据，通过抽象的量化指标表征与负荷之间的关系，实现对负荷变化趋势的精确感知，达到供需匹配灵活的目的。

05

结语

当前电力市场大数据应用应结合大流量、多维尺度的数据形态和趋势特征，构建适应广域数据来源的集成传输、分析处理以及数据展现的技术体系，大数据应用设计需统筹考虑业务中台与AI技术在电力市场应用的未来方向，可以采取“云计算+中台”模式设计架构融合的总体可执行框架。本文分析构建了市场主体用户画像分析、信息精准推送和征信评估与分析等业务应用模型，对降低信息不对称的市场效率负面影响和电力市场信用风险管理等工作提供了新思路、新方法，为大数据技术在电力市场的进一步实践提供了借鉴。