华翔电力

电力系统及发电设备控制和仿真国家重点实验室（清华大学电机系） 、国网（苏州）城市能源研究院、国网能源研究院有限公司的研究人员王毅、张宁、康重庆、奚巍民、霍沫霖，在2019年第10期《电工技术学报》上撰文指出，在高比例可再生能源并网和电力市场改革不断推进的背景下，通过广泛的用户互动为电力系统提供了灵活性、实现个性化的用户服务，成为未来智能电网发展的必然要求。

随着智能电表等信息获取手段的不断普及，电力系统“物理-信息-社会”深度耦合的特征日益突出，对电力用户的分析面临手段上的突破，以物理模型与数据模型相结合的综合分析成为重要趋势。

本文提出电力用户行为模型的概念，借鉴社会学对于用户行为的解读，从行为主体、行为环境、行为手段、行为结果和行为效用五个方面进行剖析，然后进一步延拓为集群行为和预见行为；在此基础上对电力用户行为模型的内涵和外延进行分析，阐述用户行为模型的研究意义；最后对电力用户行为建模的理论研究框架进行了分析。

高比例可再生能源并网和电力市场改革不断推进使得广泛用户互动成为智能电网发展的必然要求：高比例可再生能源并网需要电力系统提供更多灵活性平抑其波动性，而传统电力系统中用户往往是“被动用电”，没有主动地参与到与电力系统的互动中去，其灵活性有待进一步挖掘；售电市场的不断放开客观上要求售电商更加重视电力用户的用电体验，开展以用户为中心的售电服务以提升自身竞争力。

智能电网为广泛用户互动提供了物理、信息和市场全方位的支撑：随着分布式可再生能源、储能等的并网，电力用户从消费者转变为“产消者（Prosumer）”，能够对用电设备、储能等进行合理控制从而实现效用最优，这为用户互动提供物理基础；智能电表和通信网络、数据管理系统共同构成的先进量测体系（Advanced Metering Infrastructure, AMI），在采集用电数据，实现能量流与信息流双向流动中扮演重要角色，为用户互动提供信息通信基础；开放的售电市场将催生繁荣的商业模式，从电价设计、用户代理、需求响应等各方面开展用户服务，为用户互动提供市场基础。

电力系统除传统电力设备外，还需要信息系统的支撑，以及调度员、用户等人的参与。电力系统日益成为一个“电力-信息-社会”高度融合的复杂系统，单纯的物理视角建模不足以全面描述电力系统全貌，需要充分考虑环境、经济、社会因素和人的行为对整个电力系统的影响。

“物理-信息”耦合电力系统的研究已经受到了广泛的关注，重点考虑信息安全、大数据技术等对电力系统的影响，为电力系统提供信息视角。然而目前研究对“物理-信息-社会”深度耦合电力系统的社会视角建模较少，对电力系统中的“用户”建模不够。

电力负荷作为整个电力系统的重要组成部分，其建模受到了广泛的关注和研究，具体包括综合负荷建模和负荷预测等，为电力系统规划、运行和稳定性分析等奠定了基础。对用户负荷的研究也主要关注其电气特性或功率特性，或开展综合负荷建模（如构建ZIP模型）以用于电力系统网络计算；或对电力负荷进行若干相关因素的敏感性分析和预测，以用于电力系统规划和运行。

电力负荷是由于电力用户使用电器而产生的，传统电网仅关注负荷本身，而没有关注到电力负荷背后的电力用户，没有充分考虑电力用户行为对电力系统的影响，即对需求侧的建模仅考虑负荷的电气特性，如物理视角的综合负荷建模，而不分析海量用户本身，对电力用户行为的分析较少。

随着智能电网的进一步发展，对需求响应、能效管理、用电大数据分析等相关的研究也较多。部分研究从物理视角构建面向用户需求响应等的优化模型；另一部分则开展数据驱动的分析，通过聚类等方式对用户某些特定用电方式进行电价设计，也有开展用户用电行为分析方面的研究。

数据驱动的分析（Data Analytics）本质上是将数据转换为知识从而做出更好决策的过程，一般来说包括三个阶段：描述性分析（Deive Analytics），对数据的基本特性有一定程度的认识；预测性分析（Predictive Analytics），感知未来数据的发展趋势；决策性分析（Preive Analytics），通过数据做出一定的决策。

在负荷分析方面，具体包括坏数据辨识、窃电检测和用电模式辨识等研究；在负荷预测方面，具体包括不含智能电表数据预测、含智能电表数据预测和概率预测等研究；在负荷管理方面，具体包括用户特性辨识、需求响应资源定位和需求响应实施等研究。

可以看到，国内外学者已经在用电数据分析方面开展了大量的研究，这些研究在需求响应、电价设计、系统运行等方面具有广阔的应用前景。然而目前研究往往还是围绕某一具体应用开展的，类似于“面向过程”的程序编写，缺乏对电力用户行为体系化的认知，没有“面向对象”的整体设计。

也就是说，目前的研究还没有准确分析电力用户行为的确切含义，也没有“系统1