【精彩论文】碳中和背景下的工业用户综合用能指标体系多维画像方法

碳中和背景下的工业用户综合用能指标体系多维画像方法

沈岩, 李东东, 林顺富

（上海电力大学 电气工程学院，上海 200090）

摘要：工业用户作为能源消耗与二氧化碳排放的重要主体，合理刻画其综合能效对节能减排有着重要意义，也是国家双碳战略目标得以实施的重要抓手。为此，构建了工业用户用能多维画像指标体系。首先，从低碳用能、可靠用能、高效用能、经济用能和智慧用能5个维度构建了相应的评价指标，形成了具有目标层、准则层和指标层的综合评估指标体系；其次，利用层次分析法确定指标权重并计算综合用能指数，形成了工业用户多维用能画像；最后，选取4家不同行业的工业用户进行综合用能多维画像，验证了所提方法的有效性。

引文信息

沈岩, 李东东, 林顺富. 碳中和背景下的工业用户综合用能指标体系多维画像方法[J]. 中国电力, 2022, 55(11): 91-96.

SHEN Yan, LI Dongdong, LIN Shunfu. Multi dimensional portrait method of industrial users’ comprehensive energy consumption index system under the background of carbon neutrality[J]. Electric Power, 2022, 55(11): 91-96.

引言随着低碳理念的不断深入，生态优先、绿色低碳的高质量发展道路已经成为能源发展的主题^[1-3]。当前，工业为能源消耗和二氧化碳排放的主要力量^[4-6]。加强低碳技术在企业中的应用与推广，提升工业用能效率对于工业可持续发展及碳中和目标实现意义重大。大数据技术逐步发展让企业与用户联系更加紧密，迫切需要利用各种智能化、信息化的大数据手段帮助用户全方面分析用能水平和特征，勾画用户精细化、智能化、全面化的用能画像，从而优化企业能源消费结构，提高企业用户科学用能水平，实现产业结构和管理模式的转变，助力尽早实现碳达峰碳中和。针对工业用户的综合用能情况评估，国内外均有相关研究。文献[7]通过经济效益、社会效益、环境效益等方面来评价区域内综合能源系统。文献[8]提出了基于会话的推荐系统以刻画短期用户的兴趣波动和长期用户的兴趣转移。在指标权重计算方面，通过判断平均随机一致性指标^[9]、结合灰色关联度^[10]等方法能够处理信息不完全明确的灰色系统。目前的工业用户评价体系往往重点选取电力相关指标，而在碳中和背景下将碳排放和绿色生态用能角度的指标纳入指标体系的研究相对缺乏，且对于其他能源指标考虑不足。

本文以消耗多种能源从事生产活动的大工业用户为对象，建立基于综合用能指标体系的工业用户多维画像方法，指标体系从低碳用能、可靠用能、高效用能、经济用能和智慧用能等维度构建，从而建立工业用户在双碳背景下的综合用能画像，以全面评价用户用能特点。

1  工业用户综合用能指标体系建立建立科学合理的评价指标体系，对于获得科学、合理的评价结果至关重要。本文在对国内外常用企业用电评价指标^[10-17]广泛调研分析基础上，结合双碳目标背景，进行分类梳理，围绕低碳用能、可靠用电、高效用能、经济用能、和智慧用能等维度，科学选取了反映大工业用户用能水平的相关评估指标。

（1）低碳用能指标反映了企业绿色能源消费、可再生能源消纳利用、能源绿色转型等方面能力，其具体包含的指标及作用如表1所示。

表1  低碳用能指标

Table 1  Indicators of low carbon energy consumption

（2）可靠用能指标反映了企业用能可靠管理规范水平、用能设备设施等可靠性和能源质量，其具体包含的指标及作用如表2所示。

表2  可靠用能指标

Table 2  Indicators of reliable energy use

（3）高效用能指标反映了企业能量使用效率、能源转换效率、能量自给水平等方面能力，其具体包含的指标及作用如表3所示。

表3  高效用能指标

Table 3  Indicators of efficient energy use

（4）经济用能指标反映了企业生产能耗优化、用能管理、能量节约措施等方面能力，其具体包含的指标及作用如表4所示。

表4  经济用能指标

Table 4  Indicators of economic energy use

（5）智慧用能指标反映了企业信息通信技术、用能管理模式创新、能源服务新业态培育和用能管理智能化等方面能力，其具体包含的指标及作用如表5所示。

表5  智慧用能指标

Table 5  Indicators of smart energy use

本文所提指标分为定量指标和定性指标。定量指标根据计算值经过标准化后得到评分值，对于定量数据的处理方法引入隶属度函数的概念建立评分函数。在假定函数均为线性的前提下，选取评分为100时指标的取值作为标杆值，结合指标具体意义确定0或60分为基准值。定性指标的原始数据不能直接代入计算，本文通过专家评价法明确定性指标，并转换为规范格式。

2  基于综合用能指数的工业用户画像本文建立的工业用户综合用能指标体系结构适合采用层次分析法^[18-21]确定各二级指标的权重。根据指标体系图，对每一层中各因素相对重要性给出一定的判断，采用1~9的比率进行比较，构造出判断矩阵。对于n维向量X有对应的判断矩阵J，J中第i行第k列的元素j_ik的取值可以由向量X中的第i个量X_i和第k个量X_k对比得到，具体规则如表6所示。

表6  取值规则

Table 6  Value rules

对于X_k重要于X_i的情况，则j_ki为j_ik的倒数。另外，须进行一致性检验来确定该判断矩阵是否合理。对于设定的判断矩阵允许有不一致的现象存在，但其程度有一许可范围，该范围称为平均随机一致性指标R_I。对于n维判断矩阵，R_I的部分取值如表7所示。

表7  RI取值情况

Table 7  Value of RI

判断矩阵的一致性指标C_I为

式中： λ_max 为J的最大特征值，可采用线性代数中的特征值理论进行计算。

一致性比例C_R为

当C_R＜0.1时，一般认为该J的一致性可以接受，否则就需要重新调整J。通过一致性检验后，计算J对应的标准化特征向量W，即为权重矩阵。进一步，通过W整合二级指标得到一级指标得分。

工业用户往往是高耗能型企业，不同行业及不同生产方式使得用能种类多样，用能数据十分复杂^[22-25]。针对大工业用户的能效管理、用能优化具有经济效益和生态效益。对于工业用户，使用大数据手段全面分析用户用能行为和特征，勾勒精准的用能画像，能够对优化企业用户用能结构、改善用户用能效率提供帮助，同时有效推进能源互联网的改善与优化。本文根据工业用户用能指标体系，依据工业用户实际数据和指标权重，对各用户可从低碳用能、可靠用能、高效用能、经济用能和智慧用能等维度分别给出评分，综合后形成综合用能指数。本文从各子维度以及整体上对工业用户的用能特性和水平进行了描绘，通过建立该用户画像可以准确地分析用户用能行为，对用户用能效率、用能环保性等提出针对性建议。

3  算例分析

为了验证所提出的工业用户用能指标体系，形成工业用户画像，本文分别选取了4家不同行业大工业用户进行分析，企业基本信息如表8所示。

表8  企业基本情况

Table 8  Basic information of the enterprise

针对5个维度，分别创建J，并对各矩阵进行一致性检验, 检验结果如表9所示。从表9可以看出，所得数据已具备合理一致性，可将J对应的特征向量分别作为各二级指标权重，各权重值如表10所示。

表9  数据检验结果

Table 9  Results of data inspection

表10  各项指标权重

Table 10  Weight of each index

本文根据各指标的权重，为工业用户提供多维度指数，形成综合用能画像如图1所示。从图1可以直观看出各企业优势及短板，从而为用户提供个性化的用能指导建议。在综合用能画像的基础上，根据权重得到的各个用户综合用能指数如图2所示。

图1  综合用能画像

Fig.1  Portrait of comprehensive energy use

图2  综合用能指数

Fig.2  Index of comprehensive energy use

结合图1和图2中可得，综合用能指数得分最高为用户A，其凭借在智慧用能和经济用能维度相对突出的评分表现获得较高综合指数，相对而言，用户B、C、D均存在一定短板从而拉低总体评分。与此同时，综合用能画像可以为各企业用户提供改进方向，从而增进效益、创造价值。具体而言，对于用户A，其可靠用能、智慧用能以及经济用能指标评分较高，但需要在低碳用能与高效用能方面进行提高。对于用户B，其短板为智慧用能与经济用能层面，需要在这两个方面继续改进加强。对于用户C与用户D，则要对低碳用能进行加强与完善。

4  结语本文提出一种基于综合用能指标体系的工业用户多维画像方法，在考虑指标的可获取性的前提下，从可靠用能、高效用能、经济用能、低碳用能和智慧用能等维度分析工业用户的用能情况。同时，构建基于综合用能指数的工业用户综合用能画像模型，运用层次分析法和专家打分法得出指标权重，进而给出综合用能指数，全方位评估用户用能特点，建立碳中和背景下的工业用户画像，着重体现用户在碳排放方面的特点，深度挖掘企业用能和减排潜力。算例分析结果表明，所提方法刻画了大工业用户的用能画像，可为各企业用户在用能方面提供改进意见。

（责任编辑　杨彪）

作者介绍

沈岩（1992—），男，通信作者，硕士研究生，从事电力经济、电力供需研究，E-mail：[e-mail];

★

李东东（1976—），男，博士，教授，从事电力系统、新能源、智能用电研究，E-mail：[e-mail].

欢迎点击文后“阅读原文”跳转期刊官网，获取更多信息！

 往期回顾 

编辑：于静茹

校对：张重实

审核：方彤

声明

根据国家版权局最新规定，纸媒、网站、微博、微信公众号转载、摘编《中国电力》编辑部的作品，转载时要包含本微信号名称、二维码等关键信息，在文首注明《中国电力》原创。个人请按本微信原文转发、分享。欢迎大家转载分享。