奥运冠军带您探索阿里云人工智能在电力市场交易应用

在电力市场中，价格和数据具有强关联。在目前的电力市场中，整体售电过程是被销售牵着走，缺乏统一的定价机制，进而导致价格、数据和计算在电力市场本末倒置。因此在新一轮电力市场开启时，构建一个完备的、现代的电力市场是一个亟需解决的问题。

电力市场建设进展

2017年全社会用电总量为6.3万亿度，其中市场用电占其中的1.63万亿度，工商业用电进入市场的比例为32.3%。尽管用电量很大，但是现在市场仍然是电量交易占主导地位，而大部分电量交易仍然采用跨省跨区交易、大用户直购电、双边协商的中长期合同的价差传导机制为用户用电定价。

在未来的电力市场中，我们希望通过现货模式，基于电力的供需关系，去发现现货价格，进而根据现货价格来指导中长期市场合同交易。采取这种方式后，售电公司就可以独立定价，而不再被销售团队牵着鼻子走。

电力现货市场元年

2018年，可以看做是电力现货市场元年，以广东市场为例（八大电力现货试点之一），它经历了2013年大用户直购电、2016年售电公司首次进入市场、2018年电力现货市场试运行、2019年正式开始电力现货市场。然而，开启电力现货市场绝非易事，面临着许多问题：如何去发现电力价格？发现价格过程中以什么样的数据作为基础？如何处理这些数据？如何设计对应的规则？作为售电公司，确定现货价格之后，中长期合同又该如何去签？在批发市场，售电公司如何去和用户签合同？如何去和发电公司签合同？在现货过程中，如何去分配量，如何分解等等问题？

这些问题该如何去解决呢？这时，我们考虑到了计算和数据。我们将电力市场抽象成一个巨大的算法模型。

该模型最内核是电力交易，发现价格机制；外一层是用户侧、发电侧和售电侧的博弈；再外一层煤炭价格、天然气价格、机组价格、电网架构、节点电价、供需关系、电力潮流等因素影响；最外层是宏观经济、时间因素、行业因素、气候因素等可能会对价格变动造成影响的因素。

我们通过这一算法模型，将数据和计算融入电力市场，基于电力市场去发展一个更加完善的电力市场。

数据管理与安全

电力市场涉及的数据多种多样，主要包括气候、环境、燃料价格等多维度数据；电网侧和全网大样本数据；售电侧用户群聚类数据；用户侧深度行为数据；现货场景下大量高频交易产生的数据。同时，我国电力市场数据和国际上其他数据略有不同，我国数据主要涉及一些安全性问题，部分数据可以公开（气候、环境等数据），部分数据半透明化公开（电网侧数据）。因此，在电力市场使用云服务时需要更加注意数据安全。对于电力市场，我们希望通过一些技术手段，在半透明地情况下得出计算结果。

人工智能在电力市场交易的应用场景

批发市场--智能交易

在大数据量环境下，人工智能在电力市场很大的应用场景。在电力现货市场中，最为核心的模块是价格预测，为了达到这一目标，需要从仿真建模、基本面分析、负荷预测、博弈行为、策略优化等方面入手。对于不同类型的基准，采用不同的处理条件，最大化控制成本。

仿真建模

仿真建模建立在海量数据的基础上，依靠人工智能和算力建立对应的数学模型，具体实现方式包括：结果反推数据数据信息、卫星图像智能识别、市场模型潮流计算：

·结果反推数据数据信息：通过交易复盘，通过人工智能的方法分析节点电价及其变化规律，智能推导区域网络约束和线路检修等信息；

·卫星图像智能识别：通过卫星图像智能识别，解析电网主网结构获取各地的机组开机状况等关键信息；

·市场模型潮流计算：系统潮流计算对算力要求高，需要强大的算力支持。

基本面分析

基本面分析，深度挖掘影响电价的各类因素，包括气候情况、宏观经济、政策法规、行业状况：

·气候情况：智能关联温湿度、台风、日照、降水、日食等气候影响。

·宏观经济：洞析宏观影响，准确判断影响趋势

·政策法规：深入匹配政策，规则影响关系；

·行业状况：聚类行业特性，细化影响。

负荷预测

负荷预测是将大样本数据进行清洗，再加以聚类分析后，再通过长短期记忆网络（LSTM）后，精准预测用户的用电需求。尽量避免由于负荷预测失常给电力公司带来的损失。

博弈行为

我们对澳大利亚近十年来的电价交易情况进行了分析，将历史竞价数据进行聚类分析，得出典型竞价策略，再结合国内的实际情况，如基数电计划电比例、燃气机组、小型火电等发电占比、用电峰值等，进行模型训练，最终得出机组未来的竞价行为。

策略优化

策略优化的目的是寻找最佳报价方案，不同的电厂最终目标各有差别，有的追求价格最高、有的追求开机最长、有的追求利润最大。因此，我们制定了连续出清的机组竞价优化模型，不再完全以成本报价，而是考虑不同的处理条件，进而寻求最优的报价策略。

零售市场：选择&智能商业

上面我们谈到的是电力的批发市场。在电力的零售市场，我们也面临一些问题。根据预测，在2020年零售市场的总用电量会达到55000度，其中的90%为工商业用电。未来进入市场的更多是中小型用户，这些中小型用户每一个用户的需求都各不相同，进而导致了零售市场的复杂性。

企业智能选择用电套餐

上图是典型晚上用电的客户，我们需要将这类型的客户进行分类，为优质客户设计更好的用电套餐。在此过程中，我们借助阿里云提供的对应计算工具，对大量用户进行分析，分析用电特性的价值，做到为企业提供智能用电套餐。

企业智能响应电力价格

上面我们仅仅是对用户侧速率分析，而没有进行改造式、响应式，仅仅是调节和调控。对于综合能源服务，众所周知电力体制改革导致两大电力公司都在关注综合能源，向综合能源服务商转变。这一转变使得信用等级高，融资成本低的企业进入电力市场，进而改变节能行业的商业模式。我们通过多年的数据（一级用电数据、专项数据等）和技术积累，提供了更好的部署方案，不管是空调、储能、水泵以及电器，在综合能源的解决方案上和电力交易、售电套餐、机制形成一种联动，使得售电服务更加贴近用户的需求。

愿景

最后谈一下愿景以及对未来电力市场的展望。

未来的电力市场应该是人工智能辅助电力市场交易员完成电力交易，从而进入电力市场的智能商业时代，做到数据智能，实现精准售电、便捷购电和智能用电。我们希望能够与电力市场之外的高新技术企业、云服务商，将人工智能、机器学习等更多新的技术运用到电力市场中，来实现电力市场智能化。

本文由云栖志愿小组刘崇鑫整理编辑