智能电网中商业智能应用

最新推荐文章于 2025-11-24 23:04:10 发布

原创最新推荐文章于 2025-11-24 23:04:10 发布 · 1k 阅读

28 ·

CC 4.0 BY-SA版权

文章标签：

#智能电网 #商业智能 #电力市场 #数据仓库 #KPI

利用智能电网中的商业智能：电力市场的案例研究

Miloš Radenkovica,J elena Lukica, Marijana Despotovic-Zrakicb, Aleksandra Labusb,Zorica Bogdanovicb,*

a塞尔维亚贝尔格莱德克涅扎·米洛沙11号，邮政编码11000，塞尔维亚输电网股份公司 b贝尔格莱德大学组织科学学院约韦·伊利卡 154 ，贝尔格莱德11000，塞尔维亚

ARTICLEINFO
文章历史：2017年4月13日收到 13 April 2017，2017年11月16日修订后接收 in revise d form 16 November 2017，2018年1月9日接受 9 January 2018，在线提供 online xxx
关键词：智能电网商业智能电力市场数据仓库

ABSTRACT

本文讨论了智能电网的分析层面，并探讨了为电力市场开发商业智能解决方案的相关见解。目标是设计一个系统，为新兴电力市场提供预测、数据分析和决策所需的数据流和信息，从而改善业务结果并增强对市场的控制力。
通过采用适用于电力市场领域的方法论，我们为塞尔维亚电力市场运营商“ElektromrežaSrbije”设计了一套商业智能解决方案。研究结果表明，所提出的方法在数据丰富的智能电网环境中能够实现更有效的市场管理，同时仍具备足够的灵活性，以适应尚在发展中的电网及其市场中频繁的规则变化。
© 2018 Elsevier B.V. 保留所有权利。

1. 引言

纵观历史乃至当今时代，能源行业一直是推动经济增长和实现可持续发展的关键因素。如今，能源行业需要不断探索新方法，以实现更高水平的能源效率，从而满足消费者、企业和政府日益增长的需求。实现最佳能源效率的关键因素无疑是智能电网技术的发展与应用[1]。
智能电网技术为电力工业带来了许多创新，同时也改变了市场结构、商业模式和服务。随着运营商致力于智能电网及相关技术的实施，他们面临着日益增长的消费者需求所带来的各种问题[2]。为了在这一持续变化的商业环境中取得成功并蓬勃发展，电力市场运营商必须不断寻求扩大对运行数据的获取，并且更重要的是，提高将海量数据转化为与电网运行相关的情报的能力[3]。
反过来，智能电网技术的采用必须导致企业信息系统的相应变革。能源业务的动态特性将为实施能够满足这些要求的分析系统提供理想的条件 [4]。商业智能（以下简称：商业智能）和知识管理基础设施已在商业环境中存在多年，其重要性已成为公认的事实。大型能源系统对这类基础设施的需求也已被认可。
智能电网中的商业智能被认为是最大化电网“智能化”的关键机制之一。适用于智能电网需求的商业智能模型必须能够从新的分散数据源（包括现代计量和监控数据）中快速产生商业价值。重视新获取数据的利用意味着那些仍处于智能电网采用过程中的电网和市场运营商将能从实施BI解决方案中获益最多。这为影响未来计量基础设施的发展提供了机会，使电网能够演变为一个信息丰富环境，在此环境中任何决策都可以基于可操作情报[5]。
另一方面，发展中国家的大多数电力市场仍然未在智能电网生态系统中运行。为了适应预期的变化，有必要以能够轻松适应未来智能电网预期的方式设计当前项目。鉴于此 * 通讯作者。电子邮件地址： milos@elab.rs (M. Radenkovic)， j elena.lukic@ems.rs (J . Lukic) ，ma j a@elab.rs ( M. Despotovic‐Zrakic) ， aleksandra@elab.rs ( A. Labus ) ， zorica@elab.rs ( Z. Bogdanovic) 。 htt p s://doi.or g /10.1016/ j .com p ind.2018.01.006 0166‐3615/© 2018 Elsevier B.V. 保留所有权利。工业中的计算机行业 96 (2018) 40–53 目录列表可获取于 ScienceDirectComputers in Industry期刊主页： www.elsevier.com/locate/compind
本文档由funstory.ai的开源PDF翻译库BabelDOCv0.5.10(http://yadt.io)翻译，本仓库正在积极的建设当中，欢迎star和关注。
考虑到这一点，本研究旨在提出一种自下而上的方法，用于开发支持发展中国家解除管制的电力市场未来发展的商业智能解决方案。在这种新环境下，能源市场需要适应能源需求的新灵活性，以及成为市场参与者的消费者，他们将在能源生产中发挥积极作用[6]。在这些条件下，能源系统仍需保持稳定，即能源需求必须等于能源供应。稳定的能源系统需要对能源供应进行充分管理，并在一定程度上对需求进行管理，以实现最优运行计划。为此，有必要在市场中开发和使用分析和商业智能应用。然而，现有文献并未提供关于设计涵盖快速发展的能源市场所有特性的商业智能解决方案的方法论和最佳实践的足够信息。
为了弥补这一空白，本研究的重点在于设计能够支持新兴电力市场的商业智能模型。这些模型专门针对正处于电网现代化和向智能电网迁移进程中的发展中国家的电力市场而构建。所开发的商业智能模型包含了必要的分析数据结构，以及一组专门适用于新兴能源市场三个核心流程的关键绩效指标（以下简称：KPI）：平衡责任、平衡机制和跨国输电容量分配。尽管能源市场规则因国家和市场而异，但这些流程在很大程度上保持不变。因此，其他新兴市场可轻松调整本文提出的模型以适应其市场规则。
所提出的方法是在塞尔维亚输电系统和电力市场运营商塞尔维亚国家电网公司（以下简称PEEMS）内部开发和评估的。
本文包含四个部分。第二部分从能源输电系统运营商的角度介绍了商业智能系统和数据仓库技术的理论背景。第三部分阐述了项目本身、所采用的方法论以及项目的具体实施情况，并展示了部分显著的关键绩效指标。第四部分对已识别的各个业务流程组所取得的结果进行了分析。
第五部分为本文的讨论和结论。

2. 理论背景

智能电网概念对能源行业的重要性是一个公认的事实[7]。智能电网是一个完整的信息架构和基础设施系统，涵盖发电、输电和配电领域内所有与能源相关的活动[8]。智能电网力求通过电网与其用户之间的双向通信来优化电力输送。在智能电网环境中，最终用户以交互方式行动，可根据自身需求、偏好、环境问题或其他特征调整其能源消耗[9]。
智能电网的基本概念及其对电力市场参与者的影响，以及美国国家标准与技术研究院智能电网互操作性标准框架与路线图[10]中描述的概念模型被一并阐述。该模型描述了智能电网中的通信，并为识别参与者、其交互方式及潜在能力提供了一个框架。此外，该模型还能为需要集成的数据潜在来源提供一种新的视角
进入电力系统索引中商业智能的电力市场。已识别的潜在数据来源包括：
– 电力生产者从各种形式的能源中生成电能， f 能源。利用能源生产数据可实现智能发电和负载平衡。
– 通过输电和配电运营商向客户传输和配送电力。利用配电和输电数据，可实现高级预测、降低输电损耗，并最终实现电网的自愈功能。
– 居民、商业和工业客户是电力的最终用户。在智能电网中，他们还能够生产并分配能源，因此能够参与零售市场。
–电力市场管理电力的批发、零售和交易。它们连接服务提供商、运营商和客户，通常作为智能电网各个元素之间数据交换的连接点。市场数据支持详细的市场分析、趋势与模式识别以及高级预测。
– 服务提供者执行客户管理、计费以及安装和维护服务。他们通常是连接电力市场、运营商和客户的纽带。服务提供者的数据能够实现对客户行为在更高程度上的洞察水平的提升于更高等级的分析能力。
f
聚合在能源行业中使用BI系统具有为商业模式创造新价值的潜力，并成为推动能源行业发展的主要力量[11,12]。通过采用BI解决方案并结合数据仓库，市场运营商能够从异构系统中收集数据，并将其转化为可进一步分析的关键绩效指标和分析模型。因此，数据仓库通常被视为商业智能和决策支持系统的基础[13]。
基于数据仓库技术的商业智能解决方案正在成为电力市场的标准。
这些系统最常见的应用是加快报告起草速度，并作为来自不同系统的数据的通用集成点[14]。尽管这些传统的商业智能技术应用非常有用，但不足以支持智能电网的实现，因此需要进一步考虑这些系统的分析功能。
许多电力公司已决定利用商业智能系统和高级分析的优势，以支持数据驱动的决策和规划[15]。表1展示了基于文献数据的智能电网分析分类 [16]。这些主要领域既依赖于技术数据，也依赖于面向业务/用户的数据，从中获取其分析能力。

表 1 智能电网分析分类法 [16]

领域	应用
运营分析	运营效率电力系统索引性能资产管理负荷趋势和预测
商业分析	需求画像市场细分非线性负荷参数需求响应行为/预测

M. Radenkovic 等 /计算机在工业中的应用 96 (2018) 40–53 41
在文献中，仅发现少数与商业智能在电力市场的具体应用相关的实例。
西克什尼斯等人[17] 为米拉贝尔智能电网项目中的复杂能源数据管理开发了一种数据仓库模式。他们的模型包含某些电力市场方面的内容，例如在利用灵活报价的同时平衡供需。尽管所开发的数据仓库适用于市场运营商的部分目标，但其重点局限于数据本身，特别是灵活报价，而非能源市场中发生的业务流程。这种以数据为中心的方法来构建数据仓库可能会导致最终用户采用问题，以及基于完整业务流程（而非特定关注的数据子集）的报告和分析出现问题。此外，该解决方案是为实时预测、聚合和数据查询[18]而设计的。然而，作者既未考虑任何市场特定的KPI，也未向最终用户提供完全功能的商业智能系统。
埃斯科韦多等人[19] 为智能电网中的商业智能项目提供了一个综合框架。然而，他们的方法较为笼统，并未就如何设计智能电网的具体内容提供具体的指南和建议。马丁‐鲁维奥等人[20]强调了在智能电网公司的BI解决方案中选择适当KPI的重要性，但未提供具体示例。此外，
佩尔松等人[21] 将研究重点完全放在KPI上，认为将绩效指标能力与警报相结合，可实现主动的性能管理。
最近的研究正在将重点转向商业智能系统在智能电网生态系统中解决特定问题的应用。预测问题是其中最明显的一个，通过分析组织内的历史趋势和新兴模式，可以准确预测可能的结果[22]。利用此类系统进行预测是可行的，并且能够预测在不同场景下可能出现的各种问题。
例如，Yang等人[23] 提出了一种新的决策算法，用于分析智能电网中的高速流数据。Vardakas等人[24] 分析了拥有智能计量基础设施的居民用户的电力需求调度场景，旨在准确预测并降低峰值需求。麦克劳克林等人[25] 也分析了智能计量数据，使用数据挖掘技术根据家庭的电力消耗模式进行家庭聚类。用户行为分析和预测可提高供电的可靠性和质量，改善用电管理，并减少技术和商业损失[26]。
提供电网功能深入分析的商业智能技术，可以通过智能利用其可用的数据（无论是聚合形式还是历史形式）进一步改进这些预测。针对电力市场的决策，已有人提出更高级的应用[27,28]。Sueyoshi和 Tadiparthi[27] 开发了一款用于分析美国批发电力市场价格变化的软件。该软件基于人工智能，可供交易员用于决策。然而，这种方案在现代电力市场中的主要缺点是它未与公司的信息系统集成，分析前需要导入数据集，这使其难以满足电力市场中频繁需要的近实时分析。桑乔等人[28], 开发的电力市场分析模拟工具也存在同样的问题。另一个问题是，这些工具是为市场参与者设计的，而不是为市场运营商设计的。市场运营商可利用这些结果来深入了解商业智能和高级应用的使用情况
分析在智能电网电力市场的背景下，但他们不能应用相同的设计原则。
Rahimi 和 Ipakchi [29] 提供了电力市场数据质量及其与其他服务集成的概述。他们识别了智能电网电力市场中的连接性与信息流，并指出了拥有智能电网数据集成视图的必要性。
文献分析表明，尽管许多作者指出了商业智能和数据分析在智能电网中的重要性，但展示针对智能电网的BI系统成功开发或实施的成果并不多。此外，关于为电力市场设计关键绩效指标的研究成果也明显缺乏。
同时，正处于电网现代化进程中的发展中国家，正努力寻找合适的指南和建议，以帮助其应对预期的变化。

3. 为电力市场设计一个商业智能系统用于一个电力市场

3.1. 方法论

为电力市场设计商业智能系统的首要步骤是选择合适的方法论。方法论的选择必须根据具体商业环境、现有的软硬件基础设施，特别是各个电力市场的具体情况来确定。
在设计专门适用于塞尔维亚电网及其市场的商业智能系统时，我们认识到该项目的大部分内容可以通过采用Kimball方法论[30]来实施。
Kimball的数据仓库开发方法论是现代数据仓库项目的事实标准。该方法论以严格的自下而上的方法为特征，特别注重对商业智能系统所基于的业务流程进行分析和建模。此外，在业务需求相对明确的基础上，该方法论为数据建模的处理方式确立了规范。同时，Kimball方法论也认识到针对非标准业务流程构建商业智能系统的困难性，并推荐采用适用于商业智能项目的迭代增量式敏捷方法，尤其适合在项目实施过程中项目需求可能发生多次变更的情况。这种迭代增量式敏捷方法正是我们选择该方法论作为设计自身方法基础的主要原因。
对方法论选择的主要限制是必须在SAPERP套件和SAP商务仓库框架内进行工作。这种限制在使用SAPERP套件的企业中经常出现，因此通常会对任何项目施加其特有的限制。最基本的限制是需要将所有项目活动大致纳入SAPASAP实施路线图（SAP，na；[49] ），以便项目能够与系统内其他所有项目保持有效跟踪和标准化。基于SAP的商业智能平台（SAPBW）提供了自身的发展方法论，该方法论侧重于预定义数据提取器和数据结构，这些提取器和结构可被激活并修改以满足项目需求。尽管SAPBW方法论是平台化方法论的一个完美范例，但在面对缺乏标准化提取器和数据结构的问题时则显得不足，能源市场就是一个典型例子。虽然我们能够完全采用SAPASAPforBW方法论来完成与构建 SAPFI/CO模块商业智能相关的项目部分，但我们无法有效地将其用于能源市场相关的目的。此外，SAPBWBI平台自身也存在一些限制。与大多数平台不同，它不采用星型模式模型，而是采用
42 M. Radenkovic 等 /计算机在工业中的应用 96 (2018) 40–53
雪花模型。因此，在基于星型模式模型的金博尔维度建模阶段出现了一些问题。通过使用ASAP元素来补充金博尔的方法，我们定义了自己独特的维度建模方法，该方法围绕雪花模型展开，并同时借鉴了金博尔和 ASAP的思路。此外，我们认识到ASAP方法论具有较强的刚性，因为它依赖于明确定义的项目需求，而在项目过程中对项目需求的任何变更都难以被接纳。为此，我们不得不设计一种受金博尔启发的迭代/增量方法来应对所有需求变更，同时仍需满足将所有增量内容纳入所需ASAP阶段的约束条件。
除了SAP项目的各种特殊性之外，主要项目阶段和与SAP环境相关的活动均来自ASAP方法论，而与其他与商业智能系统开发密切相关的活动则是金博尔方法的改进版本。这种ASAP与金博尔方法的结合使我们能够融合两者的优势：既具备金博尔方法的稳健性和精细细节，又拥有适用于SAP环境的ASAP方法论。表2展示了与金博尔和ASAP方法论相关的主要差距，以及我们克服这些差距的方法。
示意图0
44 M. Radenkovic等 ./计算机在工业 96 (2018) 40–53
现有且日益复杂的应用的数据集成问题，始终伴随着从其他来源整合非结构化和半结构化数据形式的难题。这些来源通常是电力供应链内部运营的其他组织，或是市场部门自身生成的电子表格、XML文件及各种其他格式。
考虑到这一点，该项目的主要目标是向用户提供与电力市场内以下业务流程相关的信息、高级报告和分析：平衡责任、平衡机制以及跨境容量分配。相应地，设计了商业智能系统的架构（图2），以实现塞尔维亚电力市场中市场流程运作所需的数据集成与整合。
集成数据可用于分析和报告应用程序，以提供对数据的新解释。该框架的设计方式旨在通过分别关注每个流程，来提升当前市场流程的性能和可靠性，然后再进一步整合和汇总这些流程，用于报告和分析。此外，以流程为中心的设计还有一个附加优势，即熟悉市场数据的人员可以更轻松地使用该系统，使市场工程师能够在自助服务模型中创建其定制的临时分析。

3.2. 规划和项目准备

在编制项目需求时，我们注意到公用事业公司的信息系统倾向于采用点对点解决方案，从而形成孤立的数据孤岛。然而，在智能电网时代，需要一种统一的方法。这种统一方法必须具有灵活性，并能够快速将战略举措转化为行动驱动的操作。建立这一统一数据基础设施的挑战在于从不同组织和不同平台的不同来源收集数据。所实施的商业智能系统需要提供跨应用的信息集成能力，这些应用包括DAMAS、SRAAMD、 SCADA以及智能电网输电层和配电层中的其他系统。与此同时，应对
示意图1

3.3. 业务需求

业务需求定义阶段包括与最终用户的强制性访谈，其中确定了大部分功能性和非功能性需求。重点是改进企业电力市场部的流程。为此选定的流程组被要求对市场功能提供深入的见解。关键绩效指标（KPIs）基于最佳
输电系统运营商实践和公司政策[34]。它们力求涵盖核心活动的全部范围，并进一步揭示市场行为和跨境容量的情况。根据电力市场部的要求，这些数据被转化为可测量指标，每个指标都有其对应的单位和公式。在实施之前，已在各种应用程序和平台中识别出40多个现有关键绩效指标，但这些指标通常涵盖不同的数据子集，且由于无法从不同平台和应用程序获取并整合数据，很少能呈现完整的图景。作为业务需求阶段的一部分，用户确定了他们希望通过商业智能系统跟踪的关键绩效指标。本文提供了一个关键绩效指标子集，如表3所示。

3.4. 维度建模和数据集成

为能源市场设计数据模型已被证明是一项艰巨的任务。所涉及的流程具有高度复杂性，并且不适用于大多数常用的“最佳实践”，因为每个能源市场的业务都遵循不同的市场规则，而这些规则可能极具波动性，尤其是在发展中的市场中。此外，还需要集成来自计量和监控基础设施的大量数据。这是一项困难的任务，因为进行充分电力市场分析所需的数据分散在由不同组织拥有和运营的众多不同内部或外部系统中。为了应对这一挑战，所开发的解决方案必须具备先进的信息管理能力，以支持数据收集、数据建模、信息分析和数据集成[36]。为了满足这些要求，必须开发一个原创的维度模型，使其能够全面支持塞尔维亚市场的当前及未来市场规则。
为实现这些目的而设计的数据模型采用 SAP Business Warehouse (SAP BW) 平台进行建模。为了存储
示意图2
M. Radenkovic 等 /计算机在工业中的应用 96 (2018) 40–53 45

表 3 监测电力市场的指标代表子集 [35]

指标/定义	Unit计算
平衡责任
总指定平衡组位置（UPP）	MWh UPP ¼ ðXBRPBOS;oi XBRIBOS;oiÞ þ ðXEUBOS;oi XEIBOS;oiÞ 其中平衡：责任方 ‐ 接受内部电力能源交换的区块，由一个平衡小组接管自其他平衡组； BRI ‐ 接受的内部电能交换区块中的一个电气能源，其一平衡组交付给另一个平衡组；欧盟认可的跨国电力交易区块交易所由一个平衡组接管来自其他市场区域； EI ‐ 接受的跨区块的跨边境电力交换，即一个平衡组向另一个市场区域输送电力；BOS‐索引指定负责各自平衡组的平衡责任方；oi—计费区间索引。
总计量平衡组位置（UOP）	MWh UOP ¼ ðXUPRBOS;oi XUPOBOS;oiÞ 其中： UPR——交付至交接地点的总电量；UPO——在交接地点取用的总电量 BOS‐ 代表负责相应平衡组的平衡责任方的索引 BRP ； oi ‐ 计费区间索引会计区间。
不平衡结算价格（ISP）	EUR结算价格可能是所参与平衡的最大值的 1.5 倍以上高于该最大值价格对于所参与的平衡主体索引能源在调节上升在相应会计区间内。
平衡组偏差（OBOS）	MWh OBOSBOS;oi ¼ UPPBOS;oi þ UOPBOS;oi 平衡组总投入平衡能量BOS;oi 平衡组总投入平衡能量 BOS;oi ¼ ½二级调节产生的平衡能量 BOS;oi þ 系统平衡三级调节产生的平衡能量 BOS;oi þ 保障电力系统安全运行的三级调节产生的平衡能量 BOS;oi 其中： UPP ‐ 总申报平衡组位置； UOP ‐ 总计量平衡组位置； BEN ‐ 平衡组总投入平衡组的已启用平衡能源；BET‐三级调节产生的平衡能量为电力系统平衡而进行的调节参与； BES ‐ 因二级调节参与而产生的平衡能源；保障电力系统安全运行的三级调节产生的平衡能量 ‐ 平衡能源作为实现系统安全稳定运行的三级调节措施的结果用于确保电力系统安全稳定运行操作； BOS ‐ 代表负责相应平衡组的平衡责任方的索引设计 BRP 在负责的相应平衡组； oi ‐ 计费区间索引指定会计区间。
可接受的平衡组不平衡量（POB）	平衡组可接受不平衡值（POB）每天确定，且等于：最大值 (1 兆瓦时; 3% 的最大计划小时消耗来自该平衡小组的每日计划）在平衡组关联的情况下至少有一个注入/撤回点（以下简称： WIP 点），相应的平衡责任方承担消费责任方的角色以及没有担任生产责任方的角色。最大值 (1 兆瓦时; 1,5% 的最大计划小时平衡组的日生产量计划）如果平衡组关联至少有一个WIP点，且平衡责任方承担生产责任方的角色且不具有消费负责方的角色。最大值（1兆瓦时；1兆瓦时以及汇总值3%）最大计划每小时用电量和 1.5% 最大计划每小时发电量来自平衡组的每日计划) 在平衡责任方承担该角色的情况下用电责任方及其角色的发电责任方。 0 兆瓦时在平衡责任方承担交易责任的情况下责任方。
风险值 (R)	R = MAX (P1, P2, P3) D C 其中： R ‐ 风险值； P1 ‐ 平衡组前十二个月期间每日电能消耗的平均值的前十二个月时期；P2——平衡组每日电能发电的平均值能源在前十二个月期间； P3 ‐ 平衡组内部及跨境电能交换（接收方向）每日已通知区块的平均值和跨境平衡组的能源交换在接收方向上的期间前12个月时期。天数（D=3） ‐ number of days