《售电、能源大数据与能源互联网的未来.pdf》由会员分享，可在线阅读，更多相关《售电、能源大数据与能源互联网的未来.pdf（4页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、.-售电、能源大数据与能源互联网的未来-上半局部随着电改的推进， 特别是售电侧市场的逐步开放， 售电业务逐步成为各路资本和相关产业的关注点，而在售电业务的开展过程中，如何结合互联网、 物联网相关技术，特别是大数据与能源业务的融合， 并且思考形成新的商业模式可能， 这是需要相关市场参与者和业务相关方不断思考和探索的，本文将从售电业务、智慧能源、能源互联网创新商业模式等多个角度，探讨售电和能源大数据的可能未来。从售电业务看能源大数据一售电业务的整体框架应该看到，任何大数据的应用都离不开业务价值的引导， 数据源于业务又反作用于业务， 所以从业务架构的角度可以理解大数据的应用场景、价值需求。从未来电力
2、市场化以后的售电相关业务来看，其整体架构如下列图所示：未来售电相关业务是围绕电力市场这个核心， 逐层展开，每一层内部业务相互贯穿， 层与层之间形成相互的关联交互。第一个圈层的相关业务是电力交易、 市场监管、 需求侧响应交易、 辅助效劳交易、 调度运行、结算等，是围绕电能及相关商品的交易、结算和调度，这是市场公共职能的局部。第二圈层是售电公司的核心业务模块，包括能源金融、人财物管理、辅助决策、资产管理、客户营销、交易管控、能源调度等等。第三圈层是围绕售电业务而衍生或者深化出的专业应用， 包括虚拟电厂、分布式能源、辅助决策、节能增效、运维外包、检修抢修、需求响应、负荷预测、本钱管理、风险管控等，这
3、些业务支撑起售电公司的核心业务。 而从某种程度上说， 这些业务中也构成了售电公司的增值效劳业务， 甚至不少售电公司已经从可以开展的增值效劳入手去抢占售电的入口， 比方节能增效、运维外包等。二售电业务的轴线从业务逻辑来看，未来售电公司的这些业务， 是围绕着三条主轴线开展的， 一是围绕资产而开展的资产过程管理， 二是以能源过程为目标的能源管理与调度， 三是以客户效劳为核心的客户营销管理。这三条主轴线的管理对象各不一样，但是业务模块之间又不断穿插和融合。三市场化与数据属性从市场-数据的属性上看，我们可以把售电相关的主要业务按照以下的二维轴线进展分析，横轴代表的是市场化的程度， 越靠左侧的业务，其公共
4、属性越强，越靠右侧的市场交易属性越强；纵轴代表的是驱动的特征， 越靠上那么说明业务越依赖于数据进展驱动， 越靠下那么.v.说明业务的流程驱动属性越强，于是可以得到以下的这样一X 二维分布图：从上图中我们可以看到， 随着未来市场化程度的提升， 业务的专业化水平不断提高， 相关的业务越来越依赖于的数据和信息化的支撑， 而售电公司并不需要像现有电网企业那样建立复杂的业务流程， 而是依赖于机器智能和数据分析去发现业务价值点， 这也将成为售电公司核心竞争力之所在。四能源互联网时代的业务模式思考所以，从数据和智能设备的角度， 也可以看出，未来智能化售电业务所带来的能源互联网业务模式， 将和现有的互联网业务
5、逻辑存在很多本质的区别。 传统的互联网商业模式是交易流程驱动的，最典型的就是电子商务， 是围绕着交易过程而形成的业务， 其核心价值点在于依托互联网平台，以零边际本钱的方式， 极大的降低了交易双方的本钱， 替代了传统的商场或者交易中介机构，互联网平台本身成为交易的聚合点，这就是IT 时代的互联网商业模式。而到了能源互联网IoE 、物联网时代IoT ，其商业模式的本质就发生了巨大的变化，其原生的驱动力在于通过数据对价值的发现和实现， 进而降低包括交易本钱在内的综合财务本钱，比方通过能耗数据， 发现能效改善的潜力，并通过节能改造实现电费支出的下降。 所以在能源互联网时代， 企业的核心竞争力并不是你的
6、互联网平台聚集了多少用户， 而是你是否具备强大的数据分析和业务理解能力， 这时企业的价值并不在于占有用户的数量， 而是你管理的设备数量、每个设备的综合本钱大小，以及能够从中挖掘出的数据价值。五售电业务的演进从业务演进的角度看，随着市场化程度的提高， 交易和业务的复杂度提高， 源网荷储之间的协调程度也不断加深，这样就带来越来越多的数据驱动的业务需求。 从总体上看，市场化各个阶段可能的业务形态如下列图所示：六售电业务的丰富形态而从未来售电业务的业务形态上看， 也是非常丰富多样的， 我们可以把未来的智慧能源售电业务，按照三个维度去进展划分，如下列图所示：X 轴是能源产业链的各个环节，从上游往下游依次
7、是咨询设计、产品制造、能源生产、能源销售、工程、运行维护。Y 轴是从交易形态上看，从单边的面向各类企事业单位的2B 业务从电力消费构造上看，目前我国电力消费的主体还是企事业单位， 大约占 80%以上，而点多面广的居民用户， 那么只占相对较少的局部，且电价较低， 所以从经营角度分析，绝大多数市场化的售电公司，其盈利来源还是依靠企业客户， 即面向企业的 2B 业务 ，随着市场化的开展， 平台模式的双边B2B 业务，即各类交易撮合业务会逐渐增加， 到了市场的成熟期，那么会出现多边的 B2B 业务，比方能源金融、能源效劳、能源供给多方对用户进展捆绑式效劳销售。.v.Z 轴是从驱动力的角度进展分析，包括
8、基于业务流程的工单驱动，交易驱动，最终到达数据驱动的阶段。这三个维度， 构成了未来智慧能源场景下售电业务的丰富形态， 各种售电公司和相关的能源效劳公司，都可以根据自身情况和客户、市场情况，在这个三维空间中选择某种效劳形态，或者多种效劳形态，比方基于能源交易、 B2B 业务和交易驱动的业务形态，可能会出现负荷集成商这样的业务决策， 通过撮合用户之间的负荷， 向售电商或者发电商去争取最优的交易价格，并赚取中介费用。七产品效劳化与效劳产品化应该看到，未来售电业务的产品形态，存在两个互为因果的趋势可能， 一是产品效劳化，即现有的软硬件产品， 一定会根据用户和市场竞争的需求， 转换为某种更具有竞争能力的
9、效劳，提供给消费者，比方现有的负控终端，未来可能会具备自动需求响应 ADR功能，并且整合到售电商的需求响应交易效劳中去， 而不是单独以终端硬件形式销售给客户； 二是效劳产品化，即售电商的各类智慧能源效劳， 必须经过标准化的效劳流程， 形成可快速复制的效劳产品包，交付给用户，而基于大数据的信息化和智能化系统是实现效劳标准化的根底工具，只有这样售电商才具备了规模化、 质量均一化推广其效劳的可能， 并形成可供用户选择的效劳产品目录。这两个趋势会相互影响、相互转换、 相互促进，不断推动售电和大数据业务的相互融合。能源大数据与售电的未来可能一能源大数据应用的整体架构能源大数据包含了能源生产、输配、 消费
10、、资产等各类数据，并以统一的数据模型进展存储和数据交换，未来能源大数据的应用架构，可以参考下列图：能源大数据要真正得到应用， 需要底层模型的支撑，这些模型包括资产资源模型， 数据分析模型和领域知识库等， 它们构成了能源大数据的逻辑和物理存储方式， 并且形成相应的专业数据主题，支撑上端的应用。二能源大数据的两个主要应用方向未来能源大数据主要在两个应用方向上开展， 一是围绕设备和资产的绩效， 也就是资产绩效方向，其核心是以资产全寿命周期为轴线，实现资产的全过程高效运营；二是能源绩效，即以能源互联网技术系统为管理对象， 到达能源流的全过程管理， 实现能源发输变配用调的过程绩效最优。应该看到，这两个方
11、向对售电公司来说，可能在不同的时间段、针对不同的客户、 以及售电公司自身的经营策略不同， 都会有所侧重。 比方在资产绩效方向上， 如果是第三类售电公司，自身不拥有较多的配电资产，可能当下对于这个方向的关注就会集中在用户侧的资产托管电务效劳或者能源物业效劳 ，也就是如何把用户委托的配用电甚至能源资产运营好，虽.v.然用户配用电资产从技术复杂度上低于供电企业的配电资产， 运营要求相对也低， 但是售电公司依然需要建立起一套面向10kV 及以下用户配电设备的运营维护流程。而从能源绩效方向上看， 由于未来微网技术的应用， 在公共配网或者用户侧配网领域， 存在着分布式电源、储能、灵活负荷等各种要素，可能还
12、涉及到电 -热-冷-气的协调，并且需要在电力市场价格的环境下实现交易价值的最优化， 所以未来规模较大的售电公司很有可能建立内部的能源调度体系，这是独立于国家级、省级调度的第三级调度， 其核心就是确保能源过程效率最优化，能源交易最优化，这也是能源大数据发挥价值的所在。（三）能源大数据和新的售电业务形态应该看到，能源大数据不能脱离市场和客户的实际， 所以从应用的角度看， 能源大数据必然也伴随着市场交易的形态从单边到双边最后形成多边的业务体系： 第一个阶段是单边的业务，以售电公司和电力用户的客户对象，实现系统控制和管理的深度和广度拓展，从深度上看，从单设备到设备组、子系统、系统、多系统的联合运行和优
13、化，从广度上看，未来包含了多能协调和源网荷储的协调优化；第二个阶段是随着交易的市场化过程，实现交易辅助决策、负荷集成与代理、集中竞价、需求侧优化等多目标多层次的优化； 第三阶段是多边的商业关系协作，比方电厂-电网-售电公司-用户-金融机构-专业效劳机构的主体多领域协作。四能源数据的逐渐丰富能源大数据的建立和完善是个渐进的过程，它必然伴随着业务需求和管理要求的不断深化，从粗应用-粗数据，到中应用-中数据，最终实现高级需求下的细颗粒数据，数据感知的深度广度不断增加、在时间维度、物理维度、性质维度的颗粒度上不断变细。同时，这种应用和数据呈现出的是一种伴生和相互促进的关系， 应用要求不断提升带来的是对数据要求的提高，数据的丰富和细化，又会带来新的信息和知识认知，促进应用的不断提升。.v