《电工技术学报》2019年度优秀论文获奖论文简报
《光伏发电出力预测技术研究综述》等15篇优秀论文入选《电工技术学报》2019年度优秀论文，荣获中国电工技术学会表彰。现将部分获奖论文的文章简报分享给各位读者，以期促进本领域的技术交流。
通过广泛的用户互动为电力系统提供了灵活性、实现个性化的用户服务，成为未来智能电网发展的必然要求。本文提出电力用户行为模型的概念，剖析电力用户行为模型的内涵和外延，构建电力用户行为建模的理论研究框架。
团队介绍
清华大学智慧能源实验室（Energy Intelligenc++e Laboratory，EILAB）在电力市场、电力/综合能源规划、调度运行、低碳电力、能源大数据等领域积累了深厚的科研基础。
在电力市场领域，深度参与了电改重要文件编写，完成多个省/区域电力市场方案和规则设计，研发的技术支持系统在多个省级电力市场得到应用；在负荷预测领域，开发的预测软件系统在全国地市供电局使用率超过半数；在电力规划领域，在高比例可再生能源电力系统规划、生产模拟、可再生能源消纳、系统风险评估等引领了多项理论研究，研发的“电力规划决策支持系统GOPT”系统得到广泛应用。
在调度运行领域，开发了月度、日前、日内滚动调度计划、安全校核、检修计划等软件系统，已在十余个省/区域电网得到应用；在低碳电力领域，提出了低碳电力技术的研究框架与发展路线图，提出了碳流理论。在综合能源领域，提出综合能源网络广义电路建模理论以及运行模拟方法，提出云储能体系构架，研发了综合能源系统规划与运行模拟云平台软件。在能源大数据领域，承担了国家能源局委托的“十三五能源规划”的全社会用电量预测重大任务，开发了全覆盖全时域电量跟踪分析预警系统，在多个省区电网与地市供电局得到应用。
承担国家863、科技支撑计划、重点研发计划等重大课题多项，为国家发改委、能源局、国资委等相关部门提供了重要的咨询参考与决策支撑。
王毅
1992出生，香港大学助理教授，博士生导师。研究方向为电力大数据分析、能源预测、信息-物理-社会能源系统。获清华大学优秀博士论文、清华大学/北京市优秀毕业生、西贝尔学者、日内瓦发明展金奖等荣誉。以第一或通讯作者在 ieEE Transactions等国际期刊上发表论文20余篇、出版专著1部，1篇入选中国科协优秀科技论文遴选计划，2篇论文入选领跑者 5000—中国精品科技期刊顶尖学术论文（F5000），2篇论文获中国电机工程学会期刊优秀论文奖，6篇论文入选ESI高被引论文。担任IEEE Customer Systems & smart Buildings subcommittee秘书，担任国际期刊IEEE Systems Journal, IET Renewable Power Generation和IET Smart Grid编委，多次获评IEEE Transactions期刊最佳审稿人。
康重庆
1969出生，清华大学教授、电机系主任，博士生导师 ，IEEE Fellow，IET Fellow。国家杰出青年科学基金获得者，入选第二批国家“万人计划”科技创新领军人才。曾获霍英东基金会优选资助，入选教育部新世纪人才计划。2007-2008为剑桥大学访问学者。主要研究方向为电力系统规划、电力系统优化运行、能源互联网+、可再生能源、低碳电力技术、负荷预测、电力市场。
研究背景
高比例可再生能源并网和电力市场改革不断推进使得广泛用户互动成为智能电网发展的必然要求：高比例可再生能源并网需要电力系统提供更多灵活性平抑其波动性，而传统电力系统中用户往往是“被动用电”，没有主动地参与到与电力系统的互动中去，其灵活性有待进一步挖掘；售电市场的不断放开客观上要求售电商更加重视电力用户的用电体验，开展以用户为中心的售电服务以提升自身竞争力。
目前对用户行为的研究往往还是围绕某一具体应用开展的，类似于“面向过程”的程序编写，缺乏对电力用户行为体系化的认知，没有“面向对象”的整体设计。也就是说，目前的研究还没有准确分析电力用户行为的确切含义，也没有“系统性”地构建“用户行为”的模型，对用户行为的认知没有像“物理-信息”一样上升到“系统”或“模型”的层面。
论文方法及创新点
图1 电力用户行为模型的基本组成及其延拓
图1 给出了电力用户行为模型的基本组成及其延拓。其基本组成主要包括五个部分：①行为主体：电力用户本身，其中电力用户是具有认知和思维能力的人，拥有特定的社会经济信息等属性；②行为环境：影响电力用户行为的外界环境，如电力网络、气象因素、电价因素、节假日因素、其他用户行为等；③行为手段：电力用户为达到某一目标需要采取的手段，包括对所有家用电器、电动汽车、分布式储能、分布式可再生能源等的使用或控制；④行为结果：电力用户最终产生的用电曲线或特定的用电模式，即与电网所交换的功率；⑤行为效用：电力用户通过用电给自身带来的效用，包括用电成本（负效用）、舒适度效用、其他某一具体目标达成的效用等。
对于单一电力用户行为，可以进行空间上的延拓，即集群行为，根据某一用户特性，将多个相似的用户聚集到一起，构成若干个具有某一相似特性的用户集群；还可以进行时间上的延拓，即预见行为，对未来一段时间的用户行为的变化趋势，其中用电行为预测（负荷预测）是最常见的一种延拓。
图2 电力用户行为建模研究范式
图 2 给出了电力用户行为建模的基本研究范式，主要包括数据收集、用户行为模型和用户互动三个模块。在这三个模块中，数据收集是基础、用户行为模型是核心、用户互动是目的，三者依次递进构成闭环，实现电力用户行为模型的不断更新和优化。
在数据收集模块中，需要广泛地收集多元化的与用户用电特征相关的数据，而数据的获取方式包括两个途径：①主动获取途径，如智能电表数据、气象数据、电价数据等；②用户反馈途径，包括直接的反馈数据（如对某个项目是否感兴趣等）和间接的反馈数据（如用户对不同电价下的用电行为等）。
图3 用户用电曲线与用户社会经济信息对应关系示例
对于行为主体，可以实现用户的肖像描绘，包括用户基本属性，如性别年龄、职业薪酬、社会阶层、房屋情况等，用户偏好属性，如需求响应意愿、用电偏好等。图3给出了三个用户的平均周负荷曲线和对应的用户社会经济信息，以方便更直观地从用电曲线中获取部分用户社会经济信息。
对于行为手段，即用户用电行为结构解析可以做两方面的解读，其一是直接根据总用电负荷对用户某一或某些设备的运行状态进行分解。非侵入式辨识（Non-intrusive Load Monitoring, NILM）就是对居民甚至楼宇用户用电行为进行结构解析的重要手段，利用秒级甚至更细粒度的用电数据，将其中用电负荷分解成为若干个单一用电设备的功率曲线。
图4 基于稀疏表示的用电子模式提取示意图
对于行为结果，可以辨识用户用电的基本模式、用电的动态特性、不确定性等各种指标。通过对负荷曲线的聚类就可以实现用户用电模式的提取，如图4 所示，可以将用户行为模式提取问题建模为一个稀疏编码问题，能够有效辨识用户用电子模式，实现海量用电数据的压缩。
图5 居民用户概率性负荷预测示例
对于预见行为，对未来用电行为的估计可能具有不同的时间尺度，如超短期、短期和中长期。用户负荷预测就是一种典型的对行为结果的预见，图5 给出了典型的超短期居民用户概率性负荷预测示例，通过一系列的分位数描述其未来不确定性。
图6 用户集群划分示例
对于集群行为，可以根据不同的标准即某一用户行为特征对用户进行集群划分，如根据用户基本属性、电器设备使用、用电曲线形态等进行集群辨识，如图6所示。
结论
本文提出了电力用户行为模型的基本概念，剖析了用户行为的基本组成部分，包括行为主体、行为环境、行为手段、行为模式和行为效用，然后进一步延拓为集群行为和预见行为，在此基础上，通过若干示例给出了电力用户行为建模的理论研究框架，希望本文能够为电力用户行为模型的研究提供参考，构架数据驱动的以用户为中心的研究与应用“生态”，进一步促进能源互联网背景下的用户互动。
引用本文
王毅, 张宁, 康重庆, 奚巍民, 霍沫霖. 电力用户行为模型：基本概念与研究框架[J]. 电工技术学报, 2019, 34(10): 2056-2068. Wang Yi, Zhang Ning, Kang Chongqing, Xi Weiming, Huo Molin. Electrical Consumer Behavior Model: Basic Concept and Research Framework. Transactions of China Electrotechnical society, 2019, 34(10): 2056-2068.
