目錄
前言
第1章緒論 1
1.1研究背景與意義 1
1.1.1研究背景 1
1.1.2研究意義 3
1.2國內外相關研究現狀 4
1.2.1電力行業低碳轉型相關研究 4
1.2.2電力服務質量相關研究 6
1.2.3電力客戶細分的相關研究 9
1.2.4電力短期負荷預測的相關研究 10
1.2.5電力中長期負荷預測的相關研究 16
1.2.6能效評價的相關研究 17
1.2.7研究評述 21
1.3研究方法、內容及技術路線 23
1.3.1研究方法 23
1.3.2研究內容 29
1.3.3技術路線 30
第2章相關概念界定與理論基礎 32
2.1相關概念界定 32
2.1.1電力行業低碳轉型 32
2.1.2智能電網 34
2.1.3客戶細分 35
2.1.4電力負荷 37
2.1.5負荷預測 38
2.1.6能效評價 39
2.2相關理論基礎 39
2.2.1電力服務理論 39
2.2.2客戶關繫管理理論 42
2.2.3需求響應相關理論 45
2.2.4電力負荷預測相關理論 46
2.2.5能效服務理論 49
2.2.6客戶服務質量評價理論 50
第3章電力客戶細分模型構建 53
3.1電力客戶細分模型構建思路 53
3.2電力客戶細分模型構建的目標和原則 54
3.2.1模型構建目標 54
3.2.2模型構建原則 54
3.3客戶細分變量提取 55
3.3.1客戶細分變量提取原則 55
3.3.2基於煤改電客戶意願的細分變量提取 56
3.3.3基於煤改電客戶價值的細分變量提取 58
3.4客戶細分模型構建 58
3.4.1肘部法則與輪廓繫數方法確定電力客戶細分初始簇數 58
3.4.2K-means算法實現電力客戶聚類 60
3.4.3改進K-means算法實現客戶細分模型的構建 62
3.5本章小結 62
第4章電力客戶細分模型的驗證 63
4.1客戶數據收集 63
4.1.1營銷繫統數據收集 63
4.1.2問卷調查數據收集 64
4.2客戶數據預處理 66
4.2.1數據清洗與整理 66
4.2.2離群值處理 67
4.2.3標準化處理 68
4.2.4One-Hot編碼 69
4.2.5二進制編碼 70
4.3客戶細分聚類 71
4.3.1實現工具 71
4.3.2K值的確定 71
4.3.3K-means算法聚類 72
4.4客戶細分聚類結果解釋 77
4.4.1基於煤改電客戶意願的居民客戶聚類結果解釋 77
4.4.2基於煤改電客戶價值的居民客戶聚類結果解釋 79
4.5客戶細分模型應用結果 80
4.5.1基於煤改電客戶意願的居民客戶細分結果 81
4.5.2基於煤改電客戶價值的居民客戶細分結果 81
4.6本章小結 82
第5章 智能電網短期負荷預測模型構建 83
5.1短期負荷預測影響因素的提取 83
5.1.1短期負荷特性分析 83
5.1.2短期電力負荷預測影響因素的初步選取 90
5.1.3短期電力負荷預測關鍵影響因素的甄別 98
5.2人工神經網絡在模型構建中的適用性分析 103
5.3基於神經網絡的智能電網短期負荷預測單一模型構建 106
5.3.1單一模型選取原則 107
5.3.2BP神經網絡預測模型構建 107
5.3.3LSTM神經網絡預測模型構建 113
5.4基於遺傳算法的短期負荷預測組合模型構建 116
5.4.1組合預測模型權重確定方法 116
5.4.2BP-LSTM神經網絡組合預測模型構建 117
5.5本章小結 119
第6章智能電網短期負荷預測模型的驗證 120
6.1預測精度評價指標選取 120
6.2樣本數據選擇與預處理 121
6.2.1樣本數據選擇 121
6.2.2樣本數據預處理 122
6.3預測過程及結果分析 125
6.3.1BP神經網絡模型預測結果 125
6.3.2LSTM神經網絡模型預測結果 126
6.3.3BP-LSTM神經網絡模型預測結果 127
6.4模型預測效果對比分析 128
6.4.1三種神經網絡模型預測效果 129
6.4.2組合模型與單一模型預測效果對比 131
6.5本章小結 132
第7章智能電網中長期負荷預測模型構建 133
7.1中長期負荷預測影響因素的提取 133
7.1.1中長期負荷特性分析 133
7.1.2中長期電力負荷預測影響因素的初步提取 135
7.1.3中長期電力負荷預測關鍵影響因素的甄別 140
7.2灰色預測模型在中長期電力負荷預測模型中的適用性分析 141
7.3單因素條件下的中長期電力負荷需求預測模型構建 142
7.3.1單一模型選取原則 142
7.3.2基於灰色模型的電力負荷需求預測模型構建 142
7.4多因素條件下的中長期電力負荷需求預測模型構建 145
7.4.1中長期電力負荷預測模型輸入變量說明 145
7.4.2中長期電力負荷需求預測模型構建 145
7.5本章小結 147
第8章智能電網中長期負荷預測模型驗證 148
8.1電力負荷需求預測實例公司負荷數據選取 148
8.2單因素條件下電力負荷需求預測模型效果評價 149
8.2.1預測精度評價指標選取 149
8.2.2預測過程及結果分析 150
8.3多因素條件下電力需求預測模型效果評價 153
8.3.1預測精度評價指標選取 153
8.3.2預測過程及結果分析 156
8.4單因素與多因素預測模型預測效果對比分析 159
8.5本章小結 160
第9章電力客戶用能效果評價模型構建 161
         評價指標體繫建立目標與原則 161
9.2評價指標體繫構建流程 162
    評價指標初選 162
9.2.2評價指標優化與確立 167
9.2.3客戶用電能效指標評價權重方法 178
9.3電力客戶用能效果評價模型構建 181
9.4本章小結 186
第10章電力客戶用能效果評價模型驗證 187
10.1電力客戶用能效果質量評價指標提取的原則和目標 187
10.2基於改進的TOPSIS綜合評價模型構建 188
10.2.1客戶數據收集 188
10.2.2供電服務客戶滿意度評價 188
10.3A省“供電 能效服務”項目評價結果分析 201
10.4相關企業典型案例分析 205
10.4.1典型案例1 205
10.4.2典型案例2 207
10.4.3案例分析結論 208
10.5本章小結 209
第11章提升電力服務質量的對策與建議 210
11.1客戶價值挖掘及服務提升的對策與建議 210
11.2優化智能電網調控管理水平的對策與建議 219
11.3客戶用電能效服務質量提升的對策與建議 222
參考文獻 228

前言

黨的二十大對能源工作作出了新部署、新安排，全力以赴搶抓電力重點項目建設，為“十四五”時期及中長期電力保供奠定堅實基礎，電力行業是國民經濟的基礎性能源產業，對其他產業部門的發展起著至關重要的支撐作用。電力繫統是一個由發電、輸電、配電、用電等環節構成的電力生產、輸送及消費的繫統，它將整個電力行業有效地聯結到一起形成一整條產業鏈。完善的客戶細分類別是發展清潔能源，踐行國家“綠色發展”戰略的必要前提；準確的電力需求預測是保持電力繫統安全、穩定、經濟、高效運行的重要保障；科學的能效評價方法是推進企業節能減排、降低能源消耗的重要依據。

隨著工業化與城市化進程的推進，我國北方部分地區在秋鼕季出現了霧霾天氣，傳統的燃煤采暖方式則是霧霾形成的主要原因之一。面對日益嚴峻的環境問題，國家發展改革委在“十四五”規劃中明確指出要優先發展清潔能源，居民客戶作為電力供給的重要需求者之一，研究居民客戶對於煤改電的響應程度，細分煤改電居民客戶，提升客戶滿意度成為重要的研究課題。電力負荷數據在不同的時間長度中呈現出不同的變化趨勢，但大多均具有復雜的非線性、波動性和隨機性等特征，給電網運行的可靠性帶來了很大的難題，準確預測電力負荷對於電力企業顯得尤為重要，隨著分布式能源的並網，電力預測更是變得越來越困難，傳統的預測方法帶來的缺陷也越來越凸顯。因此，亟需基於大數據環境下對電力數據的挖掘分析，並使用現代人工智能方法對電力負荷進行預測，伴隨著國企改革三年行動任務及電力體制改革，引入市場競爭機制和輸配電核價機制，加速推動國家電網公司提質增效、提升精益化管理、加強客戶供電服務。接下來，對節能減排實施的客戶用電能效評價項目開展需求側能效評價，隨之成為實現“雙碳”目標，推動能源結構轉型升級的重要研究課題。

《電力行業低碳轉型：客戶細分、負荷預測與能效評價》所做的主要研究工作及創新點如下：
第一，構建了電力客戶細分模型並以國網A省電力公司調研的客戶用電量數據與問卷調查收集的客戶數據進行模型的驗證。首先提出模型構建思路，確定了基於客戶意願與客戶價值進行研究的細分目標，並明確模型構建原則。其次通過文獻分析與專家訪談對細分變量進行提取，采用文獻分析法確定出模型構建的方法，選擇肘部法則、輪廓繫數與K-means算法相結合的算法，構建煤改電居民客戶細分模型。最後通過煤改電居民客戶細分模型進行實例分析，運用Python與SPSS工具進行了煤改電居民客戶細分模型的實例應用研究。以國網A省電力公司營銷繫統導出的客戶用電量數據與問卷調查收集的客戶數據為實例樣本，通過數據清洗與整理、標準化處理、One-Hot編碼，以及K-means算法的客戶細分聚類，並根據細分結果對各細分客戶進行了定義與分析。

第二，構建了智能電網短期負荷預測模型，並以A省X市的電力負荷數據為例進行了模型的驗證。首先介紹人工神經網絡的基本理論，分析神經網絡方法在智能電網短期負荷預測中的適宜性。然後基於BP神經網絡和LSTM神經網絡分別建立智能電網單項短期負荷預測模型，分析各模型預測效果及優缺點；采用遺傳算法計算組合神經網絡預測模型權重，構建智能電網短期負荷組合預測模型。最後以A省X市的電力負荷數據為例，篩選歷史電力數據樣本劃分訓練集和測試集，用Python作為仿真工具進行短期負荷預測。然後分析BP神經網絡、LSTM神經網絡和組合神經網絡模型的擬合優度。結合預測精度結果分析組合預測模型對單項預測模型的缺點弱化程度。

第三，構建了智能電網中長期負荷預測模型，並以A省Y市的電力負荷數據為例進行了模型的驗證。通過灰色繫統及灰色模型的概念闡述發現灰色模型適合對離散無規律且數據量不大的數據序列進行預測，並明確了使用GM（1, 1）構建中長期電力負荷需求預測模型的原則。運用灰色關聯度分析法計算出了各項影響因子的關聯度，在此基礎上對初步篩選出的影響因素進行了排序，將這些影響因素確定為多因素條件下電力負荷需求預測的關鍵影響因素，作為模型的輸入變量，合理利用這些影響因素，提出了使用GM（1, n）來構建多因素條件下的中長期電力負荷需求預測模型。選取了合適的模型評價指標，對單因素條件下模型的預測性能進行了實例分析並對效果進行評價，對多因素條件下的電力負荷需求預測模型，進行了實例分析，驗證了模型預測的精度。

第四，構建了客戶用電能效指標模型，並基於國網A省電力公司“供電 能效服務”業務進行模型的驗證。首先基於客戶細分結果，對不同客戶的用能情況，構建全面的用戶用電能效評價指標體繫。其次通過評價客戶用電能效，分析客戶用電能效現狀與問題，為客戶提供針對能效服務的支撐。通過專家訪談與問卷調查結果，分析確定用戶能效服務質量影響因素，完成質量評價指標體繫構建，同時通過質量評價體繫對現有客戶用電能效服務業務進行質量評價，為提出客戶用電能效服務質量提升方案提供依據。最後選擇相關電網企業進行標杆案例研究，總結並借鋻工作經驗，完善提升客戶用電能效服務的方案及對策建議。

本書的研究歷時