郭亚威，肖先勇，郑子萱，陈韵竹，陈旭林
（四川大学电气工程学院，四川 成都 610065）
当前电网工业用户的电力需求已不再局限于单纯的可靠供电，而是呈现更加多元化的态势。一方面，精密制造业的发展使得电网电力电子化特征更加显著，电能质量问题日益凸显，工业用户敏感设备和生产过程极易受到影响，给用户造成巨大经济损失，严重影响用电满意度，用户优质电力需求不断提高[1-2]。另一方面，“双碳”目标下，电网公司着力在能源消费侧推进电气化，而工业用户负荷往往具有集中性、高峰谷差等特性，在两部制电价和分时电价政策下，用户削峰填谷、降费增效需求显著增强。随着电力市场改革和国家能源转型的深入推进，电力市场竞争更加激烈，围绕用户日趋多元化的电力需求开展供电服务成为研究重点。
作为支撑新型电力系统的重要技术和基础装备，用户侧储能在推进能源转型、建设新型电力系统方面起着重要支撑作用，近年来受到广泛关注和政策支持，具有广阔的发展前景[3-4]。2021 年7 月，国家发改委、能源局联合印发了《关于加快推动新型储能发展的指导意见》(发改能源规〔2021〕1051 号)[5]，指出要积极支持用户侧储能发展，在2025 年实现储能规模化转变目标。2023 年1 月，国家能源局发布了《新型电力系统发展蓝皮书(征求意见稿)》，指出要在用户侧储能削峰填谷模式基础上，进一步拓展储能应用场景。在国家政策激励下，用户侧储能的功能和应用场景不断丰富，既能通过削峰填谷提升用电经济性，也具备应用于电能质量治理的潜力[6-7]，为满足用户多元用电需求提供了可选技术方案。
然而当前储能服务推广遭遇诸多瓶颈。首先，用户对于储能装置的多场景应用认知还不全面，未将其作为一种备选方案纳入考虑，因此，储能服务要顺利开展，IESP 就必须作为主动的一方。但目前供应商在储能推广过程中多采用人工调研的方式来筛选和识别目标用户，耗时耗力，并且缺乏量化依据、存在主观性强的缺陷。此外，在调研过程中，供应商发现用户其实也无法精确掌握自身需求，导致调研筛选结果偏差较大。为推动用户侧储能市场化、规模化目标实现，IESP 需要主动分析和掌握用户特征，明确储能目标用户群体，实现储能资源与用户需求的精准匹配，为用户侧储能市场化推广打开局面。因此，有关用户侧储能目标用户主动识别方法的研究亟待开展。
在储能目标用户识别过程中，为保障供需双方的效益，在考虑用户多元化用电需求的同时，也要兼顾能够反映供需双方合作关系的指标，即用户对于IESP 的服务价值。在用户电力需求识别与刻画方面，当前研究主要集中在单一需求方面，未对多元需求进行集成识别。在优质电力需求识别方面，主要是基于电能质量监测数据，提取电能质量需求特征，通过聚类算法，实现需求识别[8-11]，未考虑用户是否值得IESP 为其提供服务。而在用户降费增效需求识别方面，还鲜有研究切实从用户角度出发去构建相关识别模型，多数研究主要是从电网运行角度来判断用户需求响应潜力，通过间接转化关系，来间接反映用户降费增效需求[12-14]，识别结果的准确度有限。由此可见，亟需研究用户储能多元需求识别方法，来帮助IESP及时识别出目标用户，下一步为用户主动提供储能相关服务，提供技术支撑，开拓和占领用户市场的制高点，掌握核心竞争力。
针对上述问题，本工作提出了一种IESP 用户侧储能业务目标用户的主动识别方法。首先，基于网荷多源数据，综合考虑储能用户与IESP 利益，提取了反映用户需求以及供需双方合作开展潜力的多维特征标签，构建了兼顾用户多元化电力需求特征与服务价值特征的用户侧储能业务目标用户主动识别特征库，为用户侧储能目标用户识别提供依据。其次，建立了改进的GRA-TOPSIS 用户特征量化模型，在量化过程中突出劣化指标的影响，并对两维度用户特征进行分级，以得出准确的用户特征量化结果。然后基于量化结果，建立目标用户主动识别坐标系，明确具备服务开展价值的用户侧储能目标用户类别，为用户侧储能推广提供了数据支撑。最后，以我国某地工业园区中用户为例进行分析，验证了所提方法的可行性与有效性。
在数字化、信息化时代，各类电力信息系统广泛应用，积累了海量、多源用户数据。服务供应商挖掘海量数据背后的有效信息，能够精细刻画用户特征，主动识别存在服务需求的潜在用户，解决“向谁推广用户侧储能”的问题。在IESP与用户开展合作时，除了考虑用户的优质供电、降费增效等多元化电力需求，IESP 也需考量用户的履约能力与服务价值，确保服务顺利开展并取得收益。因此，本工作基于海量多源用户数据，从用户用电需求和服务价值特征两个维度建立了用户侧储能目标用户主动识别特征库。如图1所示，用户的多元用电需求特征A受用户负荷容量及构成、电能质量、用电及负荷特征等影响，可分为两类指标：电能质量指标A1、降费需求指标A2。在考量用户对于IESP 的服务价值时，需要从用户收入贡献、忠诚度、经济实力、信用程度等方面刻画供需双方的合作信任程度，因此服务价值特征B包括电网收入贡献值B1、合同容量增长率B2、电费缴纳比率B3、企业相对利润率B4四个指标。
图1 用户侧储能目标用户主动识别特征库Fig.1 User-side energy storage target user active identification feature library
1.1 用电需求特征A
1.1.1 电能质量指标A11—A16
电能质量指标包含用户负荷情况、电能质量技术性和经济性指标等，与用户电力需求密切相关，能够通过营销管理信息系统、电能质量监测系统、配电管理系统等渠道获取。
（1）用户负荷情况A11—A12
敏感负荷容量A11与电能质量治理所需容量呈正相关关系，容量越大，配置用户侧储能装置需要的容量就越大。此外，敏感负荷容量对用户受电能质量影响的程度与范围有直接关系，敏感负荷容量越大，电能质量问题导致生产受影响甚至中断的后果可能越严重，用户对优质供电的需求就越强烈。本工作主要考虑了国内外研究公认的典型敏感负荷，包括可编程逻辑控制器(programmable logic controller，PLC)、可调速驱动器(adjustable speed drive，ASD)、交流接触器(AC contactor，ACC)、个人计算机(personal computer，PC)[1,15-16]。
电能质量干扰源是指在电网运行中造成电能质量问题的相关设备或故障源的统称[17]，包括冲击性负荷、电力电子变换装置、电弧炉等，能够造成暂态电力扰动和稳态电力扰动。电能质量干扰源负荷容量A12越大，造成的电能质量问题越严重，附加损耗就越大，并且会影响变压器负载率，使得用户生产受限。
（2）暂态电能质量严重度A13
在暂态电能质量问题中，电压暂降具有发生频次高、暂降源范围广、难以完全规避等特征，对工业生产的危害巨大，因此本工作将电压暂降作为主要考量的暂态电能质量问题，采用电压暂降严重程度指标刻画。电压暂降严重程度指标综合考虑了电压暂降幅值、电压暂降持续时间及敏感负荷对于电压暂降的耐受能力，更能刻画用户遭受的真实电压暂降水平，可表示为式(1)。该指标值越大，说明电压暂降对用户造成的影响越大，优质电力需求越强烈。
式中，di为电压暂降持续时间；
Ui为电压暂降幅值；
Ucurve(di)为敏感设备耐受曲线上持续时间di对应的电压限值。
（3）暂态电能质量经济损失A14
用户对电能质量问题最直观的感受，是生产过程受到影响造成的经济损失。由于电压暂降所造成的经济损失在暂态电能质量经济损失中比例最大，因此将其作为反映用户电能质量需求的指标之一，电压暂降经济损失越大，用户电能质量治理需求越强。用户每年因电压暂降导致的经济损失可表示为
式中，Nsag为年电压暂降发生频次；
Csag为电压暂降单次损失，包括废品损失、停工损失、利润损失、重启动成本、设备成本等。
（4）稳态电能质量水平A15
稳态电能质量问题包括电压偏差、谐波、三相不平衡、频率偏差、电压波动与闪变等，目前针对电能质量综合评估已有较多且深入的研究，本工作基于文献[18]的稳态电能质量水平综合评级方法，获取指标A15，如式(3)所示：
式中，wi为各稳态指标的权重，1～5分别表示电压偏差、谐波、三相不平衡、频率偏差、电压波动与闪变；
μi各稳态指标的隶属度，隶属度函数根据国标采用分段函数表示法确定。
（5）稳态电能质量经济损失A16
稳态电能质量经济损失A16主要包括谐波运行能量损失Dw、三相不平衡电磁损失Da、设备附加老化损失Dd，分别可表示为
式中，Kw是单位电量电价，Pi是电能质量问题对设备i造成的功率损失；
ΔT为设备年运行时长；
α为折现率；
N为统计年限；
ΔKpi为电压和电流不平衡引起的第i个设备的额外功率损耗成本；
ΔKAi电压和电流不平衡引起的第i个设备的额外电能损耗成本；
KRi为电压和电流不平衡造成的第i个设备绝缘老化的修复成本；
KQ为不平衡造成的无功功率下降成本；
K0为电压不平衡造成的光源更换成本；
Cic与Cinc分别为正常运行与异常运行下设备i的投资净现值。
1.1.2 降费需求指标A21—A23
降费需求指标用于刻画用户负荷特征与用电行为，是反映降费增效需求的核心指标，能够通过营销管理信息系统、95598呼叫中心等渠道获取此类指标数据。
（1）峰谷用电量比率A21
基于分时电价曲线，峰谷用电量比率A21直接反映了用户的用电行为特征，定义为用户在电价峰时用电量与电价谷时用电量的比值，计算见式(8)。在分时电价政策下，指标值越大，说明用户在峰时用电量越大，由于峰时电价远高于平时电价和谷时电价，则用户购电成本更高，用户欲削峰填谷以降低用电费用的需求越大，即降费增效需求越强烈。
式中，Psi与Pvj分别为用户在电价峰时的负荷功率与在电价谷时的负荷功率；
n1与n2分别为峰时时段和谷时时段个数；
tsi、tei与tsj、tej分别为电价峰时与电价谷时的开始时间和结束时间。
（2）日最大负荷A22
日最大负荷指标A22是指一个监测日内负荷的最大值，是用户用电水平的直接体现。指标值越大，用户用电水平越高，用户降费增效的潜在需求越强。
（3）用电成本比率A23
年用电成本比率表示为用户年用电成本占年总生产成本的比例，占比越高，说明用户用电成本越高，越需要采取措施降低用电成本，指标计算如式(9)所示：
式中，Ce为用户年用电费用总额；
Ctotal为用户年生产成本总额。
1.2 服务价值特征
服务价值特征是反映用户能够给服务供应商带来价值的特征指标，主要体现在用户经济实力、收入贡献、忠诚度、信誉等级等方面。由于在IESP开展用户侧储能服务之前，电网公司是服务用户的主体，因此主要通过用户与电网公司合作的相关指标刻画用户价值，包括电网收入贡献值B1、合同容量增长率B2以及电费缴纳比率B3。此外，服务价值特征还包括反映用户经济实力的指标企业相对利润率B4。
电网收入贡献值B1定义为服务期内用户由于购电行为而需要向电网公司缴纳的电费净现值，由年用电量与年均电价共同决定，是指用户能够给企业带来收益的金钱贡献，是衡量用户价值的最基本指标。计算如式(10)所示：
式中，Qt为第t年用户购电量；
Rt为第t年年均购电电价；
d为折现率；
t为时间单元，此处按年计算；
T为总服务年限。
（2）合同容量增长率B2
合同容量增长率是反映用户忠诚度的指标，是用户潜在价值的体现，指标值越大，说明用户发展趋势向好，越值得IESP 提供服务，建立良好合作关系。
式中，Snow为用户本期合同容量；
Sbefore为用户往期合同容量。
（3）电费缴纳比率B3
电费缴纳比率B3是直接体现用户信用状况的指标，表示为其与电网公司供电合同规定时间内用户实缴电费与应缴电费的比值。指标值越大，表明用户信用越良好，更有可能履行合同。
式中，billpaid为用户已缴纳电费；
billdue为用户应缴电费。
江西铜业股份有限公司贵溪冶炼厂（简称贵冶）是中国第一家采用世界先进闪速熔炼技术、高浓度二氧化硫转化制酸技术、倾动炉、卡尔多炉杂铜冶炼技术和ISA（艾萨法）电解精炼技术的现代化炼铜工厂。年产阴极铜百万吨以上，是中国最大的铜、硫化工、稀贵金属产品生产基地，也是世界首个单厂阴极铜产量超百万吨的炼铜工厂。
（4）企业相对利润率B4
企业相对利润率B4是间接体现用户潜力与经济实力的指标，表示为用户年利润率与所处行业最大值的比值。该指标值越大，说明用户经济状况越好，从而越有能力与电力公司建立良好合作关系。
式中，PM表示用户的企业相对利润率；
PMmax表示用户所处行业的指标最大值。
2.1 数据预处理
2.1.1 数据归一化
由于用户不同特征指标量纲存在差别，指标值范围差距较大，无法进行直接比较和计算。此外用户特征指标特性不同，有些指标属于越大越优指标，即效益型指标；
有些指标为越小越优指标，即成本型指标，需要进行归一化处理才具有可比性与可叠加性。本工作采用标准0—1 变换。经过数据变换后，所有指标均化为正向指标，最优值和最劣值分别为1和0。成本型指标I1和效益型指标I2的归一化方法如式(14)所示：
式中，zij和zij′分别为归一化处理前后的指标值；
zmax和zmin分别为归一化处理前指标的最大值和最小值。
2.1.2 数据标准化
归一化处理后，进一步将向量标准化，如式(15)所示：
式中，bij为标准化处理后的指标值，m为对象个数。
2.2 指标组合赋权
确定指标权重时，主观赋权法能够体现决策者的判断与偏好，但赋权结果依赖于专家知识结构、工作经验等因素，易造成权重分配偏差。因此，为避免主观因素造成的偏差，本工作采用主观权重与客观权重结合的组合赋权法确定指标权重，其中指标主观权重W1由层次分析法(analytic hierarchy process，AHP)确定，客观权重W2采用离差最大定权法确定。为充分利用主客观权重信息，确定合理的指标组合权重，本工作引入联系数概念，将主观评价因素与客观量化结果相结合，进行组合赋权[19-20]。步骤如下。
（1）确定指标的主观权重向量和客观权重向量分别为W1=[ws1ws2…wsn]和W2=[]
wo1wo2…won，同一指标的主客观权重在数值上往往不同，两个权重值可以构成权重区间数，该区间具有不确定性，第k个指标的权重区间数表示为：
式中，w-k和w+k分别为主观权重和客观权重中的较小值与较大值。
（2）基于集对分析理论，指标的主观权重W1和客观权重W2可以看作具有一定联系的系统[20]，而联系数是集对的特征函数，能够反映主客观权重的不同关系，将第k个指标的权重区间数转换为联系数形式，如式(17)所示：
式中，a、b为联系分量，分别为权重联系数的同分量与异分量；
i为不确定性系数。
（3）将式(17)映射到二维确定-不确定空间XOY，如图2所示。
图2 确定-不确定空间向量Fig.2 Definite-uncertain space vector
可以看出，权重联系数的同分量与异分量存在相互协同作用，其相互协同作用的大小就是向量Owk模的大小，记为rwk，计算为
模rwk即为主观权重和客观权重的综合作用值，将其作为第k个指标的主客观组合权重，由此确定主动识别特征库各指标的组合权重向量W。利用该方法确定的组合权重不仅包含主观权重和客观权重各自的信息，还综合了主客观权重相互作用的信息。
2.3 改进GRA-TOPSIS特征量化模型
为给用户侧储能目标用户识别提供准确的量化依据，在特征量化过程中就需要突出最能反映用户需求痛点和服务价值的劣化指标的影响，根据用户两维度特征量化值，将用户划分为不同类别。然而传统TOPSIS量化评价方法仅能够实现评价对象内部排序，无法实现评价对象的分级[21]，且线性信息聚合方式下劣化指标的作用易被优势指标弥补，导致无法对用户特征作出客观评价。针对上述问题，引入非线性信息聚合方式，提出了改进的GRATOPSIS用户特征量化分级模型，能够突出用户劣势指标的影响，并将特征量化值分为不同等级，实现用户特征的科学量化，以精确识别用户侧储能目标用户。具体步骤如下。
（1）构建用户特征量化初始决策矩阵。针对m个评价对象的n个指标，依据相关标准和用户期望构建正理想解Z+=[z+1,z+2, …,z+n]、负理想解Z-=[z-1,z-2, …,z-n]以及指标分级向量，建立初始决策矩阵。
（2）构建加权标准化决策矩阵。对初始决策矩阵指标数据进行数据预处理和加权处理，得到加权标准化决策矩阵。
（3）计算各评价对象与正、负理想解的欧氏距离，如式(19)所示：
指标信息聚合有线性方法与非线性方法两种。线性聚合方法容易突出优质指标的作用，并且较优指标能够补偿劣化指标值对综合评估结果的影响，适用于负向灰色关联度计算；
而非线性聚合方法要求评价对象各指标较为均衡，对指标值波动的反应比线性聚合方式更加灵敏，能够突出劣化指标的作用，评价对象在没有明显短板的情况下更容易获得更高的评价值，适用于正向灰色关联度计算。因此，评价对象与正、负理想解的灰色关联度计算分别如式(21)和式(22)所示：
（5）构建综合距离测度。结合欧氏距离与灰色关联度，定义评价对象i与正、负理想解的贴合参数S+i与Si[23]，如式(23)所示。
式中，λ与1 -λ分别为对TOPSIS 法与GRA法的偏好程度，本工作取λ= 0.5。
（6）计算相对贴近度。根据式(24)计算相对贴近度ξ+与ξ-。用户用电需求指标值越大，说明该特征越优秀，则用户多元电力需求程度就越弱，因此用电需求特征量化值越靠近负理想解，即ξ-值越大，用户电力需求越强；
服务价值指标值越大，对于IESP而言越值得开展服务，因此服务价值特征量化值越靠近正理想解，即ξ+值越大，可服务性越强。
2.4 IESP用户侧储能目标用户分类识别坐标系
为实现用户侧储能目标用户识别，构建用户特征量化分级模型，流程如图3所示。
图3 用户侧储能目标用户主动识别流程Fig.3 User-side energy storage target user active identification process
（1）基于多源用户数据，综合考虑供需双方的利益，提取反映用户多元用电需求特征和服务价值特征的标签，构建IESP 用户侧储能目标用户主动识别特征库，为目标用户精准识别提供数据支撑。
（2）考虑指标特征及其影响，基于层析分析法与离差最大定权法分别确定各层次特征及指标的主观权重与客观权重，引入联系数概念确定其组合权重。
（3）构建GRA-TOPSIS 量化模型进行用户需求与服务价值特征量化分级。引入非线性信息聚合方式，改进传统方法中劣化指标作用易被优势指标弥补的不足，以得出更加准确的用户特征量化结果；
在决策矩阵中加入指标分级向量以及最优最劣指标值向量，实现用户特征等级划分。
（4）根据用户用电需求与服务价值特征的量化结果，评价各用户的需求程度与服务价值。为直观刻画用户用电需求与价值特征，以用电需求特征为横坐标，服务价值特征为纵坐标，建立用户特征识别坐标系[24]，如图3 所示。分别将用户在用电需求和服务价值维度分为三个等级，共9个分区，定性划分用户类别。对于IESP 来说，储能服务目标用户在具备较强用电需求的同时，还应具备较高的服务价值，以确保建立良好的合作关系，因此用户侧储能目标用户为用电需求和服务价值特征均为等级Ⅰ的用户。
3.1 基本情况
以某市5个工业用户为例，验证所提方法的可行性。用户基本情况如表1所示，该地区主要为大工业负荷，且电能质量情况处于中下水平。通过电能质量监测系统、营销系统和走访调研等多渠道，获取用户特征指标数据，如附录A中表A1所示。
表1 用户基本情况Table 1 Basic information of users
3.2 数据处理
利用用户指标数据、等级划分数据以及最优最劣值构建目标用户识别决策矩阵，根据式(12)和式(13)进行数据归一化和标准化，基于2.2 节，在用电需求特征中，用户对降费增效需求的重视程度高于电能质量治理需求，确定电能质量指标与降费需求指标的权重分别为WA1= 0.4576 和WA2=0.5424。确定两类子指标的权重分别如下：
服务价值特征的指标权重向量如下：
根据指标权重计算加权标准化用户数据如附录A中表A2所示，得到决策矩阵Y。
3.3 用户识别
利用所提改进GRA-TOPSIS 评价方法进行用户需求和服务价值指标评价，结果如表2所示。
表2 用户特征量化结果Table 2 Quantitative results of user characteristics
用电需求负向相对贴近度越大，说明用户用电水平越偏离最优理想解，则用电需求越强；
服务价值正向相对贴近度越大，说明用户服务价值越靠近最优理想解，则用户越值得IESP 开展服务。由表2可知，用户D用电需求指标较高的同时服务价值特征极低，意味着用户存在较强的多元用电需求，但是由于对于IESP而言服务价值较低，IESP并不愿意为其提供储能服务。相反，用户A用电需求指标较低，但具有较高的服务价值，IESP 乐意与其建立合作关系，可以将其作为其他电力增值服务的潜在客户。
根据相对贴近度计算结果，用电需求Ⅰ、Ⅱ级和Ⅱ、Ⅲ级的分界点分别是0.4739 和0.4234；
服务价值Ⅰ、Ⅱ级和Ⅱ、Ⅲ级的分界点分别是0.4469和0.4267。以用户用电需求特征为横坐标，服务价值特征为纵坐标，建立用户侧储能目标用户识别坐标系，5个用户的二维特征如图4所示。
图4 用户侧储能目标用户识别结果Fig.4 User-side energy storage target user identification results
由图4 可知，5 个用户在用电需求与服务价值维度分别属于不同的等级，可分为不同的用户类别。对于用户D，建议IESP 对其信用与增值服务潜力进行更深入调研评判后，再考虑是否对其开展储能服务；
用户E用电需求程度一般，且服务价值特征较差，不需要提供储能服务；
用户A与用户C对储能服务的需求程度一般，但服务价值较高，具有有偿服务的潜力；
用户B的用电需求与服务价值特征均属于等级Ⅰ，迫切需要配置用户侧储能满足其用电需求，并且服务价值良好，是用户侧储能的目标用户，IESP应为该用户提供服务。
3.4 对比分析
将基于所提方法识别出的储能目标用户B与非目标用户A进行储能应用对比分析，根据用户情况为其配置1 MW/2 MWh 的储能装置，储能系统每天以额定功率完全充放电2次，以湖北省分时电价政策为例进行分析。储能给用户带来的收益包括电能质量降损收益、需量电费减少收益、削峰填谷收益和政府补贴收益，帮助用户规避90%的电能质量经济损失，需量电费单价为35元/(千瓦·月)，折现率取8%，且储能投产前三年能获得政府补贴[25]。储能参数及运行策略分别如附表B1 和附表B2所示。
如前所述，用户B为用电需求及服务价值都极高的目标用户，而用户A为服务价值较高但用电需求较弱的用户，基于用户A、B 的特征参数及储能配置数据，计算全生命周期储能能给用户和IESP带来的收益如表3所示。
表3 储能收益及服务价值Table 3 Benefits and service value of energy storage service
由表3 可知，在降费维度，目标用户B 与非目标用户A相比，用电需求更强，储能在全生命周期通过减少电能质量损失、降低需量电费和削峰填谷分别能为用户B 和用户A 降低3013.79 万元和1672.80 万元的费用，用户B 远高于用户A。扣除储能装置投资和运维成本，用户B的储能服务净收益将达到用户A 的2.3 倍，可见用电需求更强的用户通过配置储能装置获得更多降费收益。在对IESP 的服务价值维度，由识别结果可知用户A 与用户B均具有较高的服务价值，且用户B高于用户A，为两用户提供储能服务能为IESP带来的收益分别为781.54 万元与954.08 万元，用户B 仍高于用户A。从供需双方利益来看，与用户A相比，用户B显然是更具有储能服务潜力的用户。
为实现储能与用户的精准匹配，推动用户侧储能市场化、规模化目标实现，本工作提出了IESP用户侧储能业务目标用户主动识别方法，得到主要结论如下：
（1）基于网荷多源数据，综合考虑储能用户与IESP 利益，提取了反映用户多维度特征的标签，构建了兼顾用户多元化电力需求特征与服务价值特征的用户侧储能业务目标用户主动识别特征库。既考虑了用户的多元化电力需求，也从储能服务提供方角度考虑用户对于IESP 的可服务程度，符合供需双方的利益，为用户侧储能目标用户主动识别提供了支撑。
（2）引入非线性信息聚合方式，弥补了劣化指标影响易被优势指标掩盖的不足，建立了改进的GRA-TOPSIS 用户特征量化模型，通过在决策矩阵中加入用户指标分级向量和最优最劣指标值向量，实现了用户特征的量化分级。基于量化结果，建立了用户侧储能目标用户主动识别坐标系，对用户进行类别划分，实现了用户侧储能目标用户的精准识别，为IESP 用户侧储能业务开展提供了依据。
（3）以我国某地工业园区中用户为例进行案例分析，通过多渠道收集用户电力特征数据，利用本工作所提方法进行量化分析，最终明确了该园区中具备用户侧储能业务开展价值的目标用户。
附录A
表A1 用户指标初始数据Table A1 Initial data of user indicators
附录B
表B1 用户侧储能系统参数Table B1 Parameters of user-side energy storage system
猜你喜欢电能储能用电相变储能材料的应用煤气与热力(2021年6期)2021-07-28用煤用电用气保障工作的通知中国化肥信息(2021年12期)2021-04-19安全用电知识多中学生数理化·中考版(2020年12期)2021-01-18苹果皮可以产生电能奥秘(创新大赛)(2020年1期)2020-05-22电能的生产和运输小学科学(学生版)(2019年10期)2019-11-16海风吹来的电能小哥白尼(趣味科学)(2019年12期)2019-06-15为生活用电加“保险”中学生数理化·中考版(2018年12期)2019-01-31用电安全要注意小学生必读(中年级版)(2018年10期)2019-01-04储能技术在电力系统中的应用通信电源技术(2018年3期)2018-06-26澎湃电能 助力“四大攻坚”人大建设(2018年2期)2018-04-18