基于OLAP技術的電力客戶能效評估模型*

許 娟，郭素平，戴鴻昊，易同燕，袁曉丹

(中國南方電網 云南電網有限責任公司，昆明 650011)

為了應對能源短缺問題，部分發達國家已經開始從多方面研究能源利用的優化理論，逐漸建立了相應的能源利用模型.我國在經濟和社會的發展過程中，依然存在比較嚴重的能源流失現象，缺乏科學合理的能效評估方法.為了解決這一問題，國內外學者進行了不懈的努力和探索.Jing等[1]使用工質熱力學方法評估電力系統的能效；Zanardo等[2]利用自下而上的方法計算綜合能效直屬，同時檢測其能效趨勢；馬立新和陳宏等引入電力節能技術提高系統的能效利用率[3-4]；通過融合節能和評估技術，文獻[5]提出了多級能效監控平臺；此外，文獻[6]通過回顧電力需求側管理和響應系統的結構，分析了能效評估系統的關鍵技術；文獻[7]全面考慮了利益相關者的需求，然而卻沒有細化電網的設備指標；文獻[8-9]建立了輸電網和中低壓配電網的能效評估體系，但并未仔細研究其內部聯系；文獻[10]充分考慮了智能電網中的宏觀和微觀評估指標，建立了多層評估指標體系，然而其仍有一定的優化和提升空間.

針對電力客戶的能效評估問題，本文在聯機分析處理(OLAP)技術的基礎上，通過必要的理論分析和驗證，優化了其能效評估原理和方法，提出了能效評估數據的預處理、初始化和分析等具體架構模型，引入了切片、切塊、下鉆和上卷等多種數據分析方法，最終，建立了基于OLAP技術的能效評估模型.本文還對該模型進行了必要的理論性評估與分析，從理論角度上說，本文的評估模型可以有效地評估電力用戶的能耗數據，提高用戶的電能利用效率.

1 OLAP技術

OLAP技術是一種將系統原始數據轉變為真實反映系統特性數據的軟件技術[11-12]，該技術對多維數據集進行操作，獲取可供用戶參考和決策的分析結論.一般OLAP技術以多種維度的數據庫為基礎，具有快速性、可分析性、多維性和信息性等多種特點，其基本操作主要可分為上卷、下鉆、切片、切塊和轉軸等.OLAP技術與數據挖掘技術從本質上是完全不同的，這體現在數據挖掘技術主要被用于發現和提出假設，而OLAP技術主要被用于查詢和證明假設，其具體工作原理[13]如圖1所示.

圖1 OLAP技術工作原理圖

2 能效評估模型

在大量電能使用數據的基礎上，本文設置了完整的能效指標分析體系，同時利用OLAP等多維數據分析技術，對電力客戶的各種能效指標進行綜合的能效評估，建立切實可行的能效評估模型.

基于OLAP技術的評估方法是運用OLAP的工作原理，對電力客戶的能效狀態進行評估的方法集合，其工作過程可分為預處理、初始化和分析這3個階段.具體流程如圖2所示.

圖2 評估方法流程

2.1 預處理階段

首先根據評估方法的具體流程，從經濟信息、電能信息、生產信息和污染信息等方面收集了電力客戶的各種基礎數據與基礎信息，從而歸納與建立客戶的能效評估指標體系，結果如圖3所示.

圖3 電能能效評估指標體系

本文需要確定評估模型的狀態因素集合.不妨設S是評估模型的狀態因素集合，所有相近屬性的因素歸類為一組，根據圖3的指標體系，本文狀態集合S可分為4組，即S={S1，S2，S3，S4}，S1～S4分別表示“經濟信息”、“電能信息”、“生產信息”及“污染信息”等指標集合，這些指標集合S1、S2、S3和S4分別由圖3中的多項底層指標組成，即S1=[S11，S12，S13]，S2=[S21，S22，…，S28]，S3=[S31，S32]，S4=[S41，S42，S43].

為了完成數據的預處理，本文需要設置評估過程中指標的權重系數.設V={v1，v2，…，vn}是評判集，適用于所有層的所有元素，設bi=[bi1，bi2，…，bim]是Si(1≤i≤4)中各個指標重要性的量化匹配，且bi1+bi2+…+bim=1.同樣，對于多層指標類的集合，設B=[b1，b2，b3，b4]是S中各類因素相對于評判集V的權重系數集合.為了確定評判集V的具體系數，本文將電力用戶的能效狀態設置為6個級別，即極好、好、中、差、較差、極差.

利用電力系統工作人員的經驗，本文可以對某底層指標進行模糊評價，得到相應的模糊評價矩陣Ti，即

(1)

Xi=BTi=[xi1，xi2，…，xim]

(2)

綜合所有子指標集合Si的評判結果，即可得到指標集合S的綜合評判結果，其計算表達式為

(3)

得到矩陣T后，便可計算能耗模型的綜合評判結果.計算結束后，模型就完成評估流程中的預處理過程，該過程也是評估模型最為關鍵與核心的工作.

2.2 初始化階段

在獲取能耗基礎數據之后，為更好地處理和評價這些數據，本文使用切片或切塊的方法處理多維數據.

1)數據切片.切片是指將所有的數據立體化，并在該數據立方體的某一位上進行選擇的操作.通過適當的切片，可以得到一個二維的平面數據.例如，本文獲取了安徽省六安市葉集區全年的電能使用數據.若將時間參數設置為0～6時，即從全天電力數據的立方體中切出一片，進一步得到全年葉集區0～6點的電能使用數據.

2)數據切塊.切塊是指從數據立體化之中，選擇多個維度的數據.經過仔細選擇切塊，可以得到一個多維的平面數據.例如，以安徽省六安市葉集區全年的電能使用數據為基礎，設置選擇條件：(度量值=“0～6時”或“6～12時”)∪(時間=“第1季度”或“第2季度”)∩(性質=“個人”或“集體”)，則本文可以從數據立方體中切出一塊，得到第1～2季度從0～12點的個人與集體的電能使用數據.

利用切片和切塊等數據處理算法，可以提取電能使用數據的多種統計特征，方便后續對于能耗數據的處理與分析.

2.3 分析階段

在獲取能耗數據的統計特征之后，本文需要進一步分析這些統計數據.在某些應用中，可能需要對統計數據執行下鉆和上卷操作.

1)下鉆.指標下鉆是通過降低數據的維度或引入更低的維度，從而更加仔細地觀察模型中的數據.在具體的評估模型中，用戶的能效數據可以沿著時間的維度進行下鉆.例如，安徽省六安市某居民用戶某一年用電792 kW·h(供電公司提供)，其中，該居民以季度為單位的電能使用數據分別為209 kW·h(1季度)、181 kW·h(2季度)、202 kW·h(3季度)和200 kW·h(4季度).若進一步分析該用戶的每月能效利用情況，則可以對這些數據進行下鉆操作，得到以月份為單位的用電數據，即57 kW·h(1月)、80 kW·h(2月)、72 kW·h(3月)、53 kW·h(4月)、67 kW·h(5月)、61 kW·h(6月)、67 kW·h(7月)、66 kW·h(8月)、69 kW·h(9月)、75 kW·h(10月)、56 kW·h(11月)和69 kW·h(12月).

2)上卷.與下鉆相反，指標的上卷是通過提高數據的維度，從而觀察更加具有概括性意義的數據.數據的上卷操作，可以理解為數據下鉆的逆操作.在具體模型中，下鉆和上卷是分析模型常用的數據操作，利用這兩種數據分析操作，決策人員可方便地查閱相應的數據，并分析電能使用數據的諸多細節.

3 仿真測試

為了驗證評估模型的有效性和可行性，本文使用SQL Server 2000和Visual Basic等工具，實現了電力用戶能效數據的模型評估.在模型的評估過程中，本文采集了安徽省六安市某鋼鐵鑄造企業的電能使用數據作為模型評估對象，由于篇幅有限，數據在此不再一一列出.為了專注于驗證能效評估模型的有效性，本文省略了數據切片、切塊、下鉆和上卷等數據分析和處理的過程描述.

在評估過程中，經驗豐富的電力專家使用上卷和下鉆等數據分析方法，整理和判斷該企業的用電數據，最終確定了其權重系數集B=[0.2，0.4，0.2，0.2]，其底層指標的權重系數分別為b1=[0.3，0.3，0.4]；b2=[0.1，0.1，0.1，0.1，0.1，0.2，0.2，0.1]；b3=[0.6，0.4]；b4=[0.3，0.4，0.3].在此基礎上，經過模型預處理和相應的計算，本文得到模糊評價矩陣Ti，即

通過初始化和分析等過程，可以計算得到模糊評價矩陣T，其具體取值為

其中，矩陣的第1行到第4行分別展示了該企業的經濟信息、電能信息、生產信息和污染信息的狀態.利用矩陣T可得到該電力用戶能耗的綜合評判結果為

X=BT=[0.004，0.08，0.226，0.367，0.303，0.04]

根據這些評估數據對本文選擇的能耗數據進行具體的評估，其結果可以由矩陣T和X的數據分析得到.

本文的評判集V={極好，好，中，差，較差，極差}，“極差”到“極好”的狀態使用“1”到“6”表示，矩陣T和X的取值為所有底層指標的百分率，矩陣X是能耗數據的綜合評價結果.

分析矩陣T的結果，以能耗數據的電能信息即第2行數據為例，1%的專家認為該企業的能耗利用狀態達到了“極好”的狀態，6%認為達到了“好”的狀態，32%認為達到了“中”的狀態，35%認為達到了“差”的狀態，22%認為達到了“較差”的狀態，4%認為達到了“極差”的狀態，其最高點是0.35.這表明61%的專家認為該企業的電能利用狀態處于“差、較差和極差”的狀態，即該企業存在比較大的優化空間.利用這樣的分析方法，可以對該用戶的能耗數據做出如下評價：該用戶的經濟能效、電能信息、污染信息的能效狀態基本合格，但也存在比較大的優化空間；生產信息的能效狀態較好，優化潛力相對較少.優化潛力的排序為：污染信息、經濟信息、電能信息、生產信息.

根據矩陣X的結果可知，只有0.4%的專家認為該企業的綜合能效利用處于“極好”的狀態，30.6%的專家認為該用戶的能效水平處于“好”和“中”的狀態，71%的專家認為該用戶的能效水平處于“差、較差和極差”的狀態，這說明該企業的電能能效利用狀態較差，需要進一步改造電能的利用方式.

4 結 論

為了提高電力客戶的能源利用效率，基于OLAP技術建立了電力客戶能效評估模型，本文利用相應的數據庫軟件，實現了電力客戶的能效評估模型，并對該模型進行了必要的測試，證明了所提模型的正確性.然而，該模型的評估指標還需要進行進一步的細化和深度數據分析，以增強該模型的工程應用價值，這也是本文未來的研究方向.