图源摄图网

摘要：本研究基于大规模居民电力需求响应(EDR: electricity demand response)实验以及家庭用电调查数据, 利用机器学习和SHAP (Shapley additive explanatory)值算法从全局和个体两个层面对影响居民参与需求响应的影响因素进行了识别和异质性分析. 研究发现, 居民是否参与需求响应活动是外部激励, 家庭结构, 用电规律与习惯倾向, 用电知识等因素共同作用的结果, 其效应的大小和极性存在着丰富的异质性.其中, 电话营销等外部激励对用户参与需求响应影响最大, 其效果在年龄较大以及受教育程度较高的群体较为明显; 响应时段基准用电量在1度左右的用户参与倾向较大; 节能环保意识较强且具有较高节电条件的家庭参与概率更高. 同时, 依据SHAP值的交互以及分解性质, 在后续需求响应活动中对用户进行分类营销, 可以节省93.9%的营销成本, 并提高46.4%的参与人数. 本研究对不同群体的异质性进行了更为细致的分析研究, 为未来新型电力系统下进行更为精确和智能的需求响应提供了重要支撑.
关键词：需求响应；因素分析；机器学习；SHAP值

一、研究背景与意义

在全球极端气候愈演愈烈的背景下,世界各国出台了一系列措施来应对气候变化带来的风险. IPCC(Intergovernmental Panel on Climate Change)第六次综合评估报告(Chapter 5,Working Group III,AR6)指出,为了应对未来气候变化带来的生存风险,需要提高社会的适应性能力来实现可持续发展.报告特别提出了能源领域的适应性措施,主要体现在发展可再生能源和需求侧管理等方面,要建立具有恢复力的电力系统,在保证能源可靠性的基础上提高能源利用效率.中国针对自身发展条件提出了“碳达峰”和“碳中和”计划,着重建设以环境友好的新能源为主体的能源系统,并在2021年中央财经委员会第九次会议上首次提出深化电力体制改革,要构建以新能源为主体的新型电力系统.次年, 国家发展改革委和国家能源局印发指导性文件,明确指出要进一步完善电力需求响应机制,发挥需求侧资源削峰填谷,促进电力供需平衡和适应新能源电力运行的作用.因此, 针对新型电力系统灵活柔性等一系列特点,进一步提高现有需求响应工作的灵活性和效率是中国电力系统发展的内在需要.

目前有关需求响应研究集中于评估或优化激励措施的节电效果, 忽略了用户参与激励型需求响应计划一般为自愿的事实，用户是否参与需求响应与最终节电效果的影响因素重要性可能并不一致. 因此, 研究用户参与需求响应的影响因素可能会找到提高用户参与率的方法, 潜在提高需求响应效果. 从目前相关研究的方法上来看,一般采用传统计量经济学的方法对需求响应以及影响因素的节电效应进行测量, 强调平均效应. 这种研究方法一定程度上虽然能够找到重要的影响因素并解决部分异质性问题, 但计量方法一般采用的线性模型存在着固有缺陷, 如难以衡量非线性问题, 模型设置偏误问题, 预测能力差等. 除此之外, 能够纳入异质性分析的因素往往有限.

二、主要内容

本研究以中国南方2019年8月A省对约15.8万用户进行的大规模需求响应实验以及该省约10000户家庭用电情况调查数据为基础, 利用机器学习和SHAP值算法来识别个体参与需求响应的异质性影响因素. 我们首先利用机器学习模型对居民参与需求响应结果建立了预测模型, 然后使用SHAP值算法建立的预测模型进归因解释, 确定了主要的影响因素. 然后, 从群体以及个体两个不同层面对主要影响因素的异质性进行了探索, 并对后续需求响应营销策略进行了优化. 研究表明, 居民家庭成员结构, 用电规律与习惯倾向, 家庭电器种类和数量以及电力使用相关知识均能够影响居民参与需求响应活动, 但不同类型因素的影响作用大小和极性差异较大, 存在着丰富的异质性; 对用户进行电话营销能够极大的提高居民参与需求响应的概率, 但电话营销对受教育年限较低, 较为年轻, 用电量较大的群体的促进作用较低, 同时这类群体自身参与活动的内在动力不足; 前一天同期用电量在1度左右(大于0小于1.7度)的用户参与需求响应活动的积极性较高, 无空调节电意识以及家庭公共空间有空调的用户参与需求响应的概率较低. 最后, 需求响应的方案有很大的优化空间，本文提出的营销方案能够明显的提高居民需求响应的参与率，并降低营销成本.

三、主要结论及政策建议

本文研究内容结论给我们带来一些重要启示. 首先, 应对用电高峰的需求响应活动持续时间一般较短, 以节电量为标准发放奖励金的形式激励作用有限, 因此居民参与需求响应的参与率较低. 如本研究中, 在发送短信进行邀约的用户中, 约有22.8%用户参与, 但排除进行电话营销的用户后, 仅有8.6%的用户参与, 这也表明了未来进行需求响应时需要找到一种更为有效的激励方式. 第二, 用户参与需求响应的内生动力具有可塑性. 我们的研究结果显示, 用户对电力缺口认识越高参与需求响应活动的概率越高, 并且在能源环保行业工作的家庭更倾向于参与需求响应活动. 这表明, 需求响应作为一种具有利他性的节能行为, 会受到个体节能环保意识及价值观的影响, 因此在需求响应活动宣传上应将需求响应没与环保等更高价值目标联系在一起, 而不仅仅是金钱. 第三, 从家庭年龄结构上来看, 主要成员年龄较大的家庭相对较低的更容易参与节电活动, 这表明了此类活动对年轻群体吸引力较弱, 需要引入针对年轻家庭群体的激励措施. 第四, 在使用电话营销等营销措施时需要考虑用户群体的异质性, 可以通过本文提出的方法区分不同类型的用户, 重点针对“Cash Cows”类型用户进行营销活动, 以提高效率和节省成本.

四、边际贡献与未来拓展

与以往的研究相比可能存在三个方面贡献: 第一, 相较于实证模型一般聚焦于整体或局部平均效应识别, 本文聚焦于更为精确和具体的居民参与需求响应个体效应识别分析上, 进一步丰富了需求响应领域的异质性研究. 第二, 本文首先通过尽可能详尽的用户调查以及特种重要性识别算法, 揭示了不同特征因素对居民参与需求响应活动影响的大小关系以及特征相互之间的交互作用. 其次，本研究从数十种影响因素中发现了主要的影响因素, 为提高后续相关调查质量和效率提供了依据. 第三, 本研究利用SHAP值算法的可加性原理, 从相互因素之间的交互作用中分解出了施加外部影响对居民参与需求响应的效应值, 从而实现对需求响应活动潜在参与者和积极参与用户的识别. 该识别方法为提高后续需求响应活动的精确度和效率提供了可能. 除此之外,本研究是大数据驱动的管理与决策一次实践,不仅为相关领域研究提供了新的思路,对其他领域有关个性化推荐和营销也存在着借鉴意义.

本文的研究也存在着一定的局限性. 首先, 本文选择的节电激励措施为根据固定的价格对节电量进行奖励, 但显然的是不同的价格对人群的激励程度不同, 因此价格很可能成为影响居民参与需求响应的主要因素. 其次, 本研究所提出的电话营销优化方法仅在进行过实验的群体上有效, 故外推性局限性较为明显; 此外本研究没有进一步研究不同营销方式的影响. 以上工作是未来需要着重解决的问题.

五、写作、投稿过程的心得体会

本文写作之前进行了大量的文献研读工作，在前人工作的基础上发现本研究主题的意义和必要性。然后，结合本团队在某地区进行的大规模需求响应实验展开了进一步的研究，以填补目前相关研究的缺失。本文投稿经历了三轮返修，审稿专家和编委根据论文存在的问题给与了大量且富有有意义的修改建议，让我们清楚的了解到我们初始研究论文存在的不足之处。根据所提的建议，我们逐条对文章的不足之处进行了修改。通过反复的意见交流，让我们感受到了各位专家和编委们的专业与严谨，为我们未来研究带来了重要的启发作用。同时，再次感谢对本文提出宝贵意见的专家和编委，以及贵刊编辑部各位老师在本文上投入的时间和精力！

本文摘编自《系统工程理论与实践》2024年,第44卷,第7期论文《融合机器学习与SHAP值算法的居民需求响应个体异质性因素挖掘与应用研究》（点击题目链接全文）；
作者：王兆华 ,  博士,教授,研究方向:能源经济；刘杰 ,  博士研究生,研究方向:能源经济；王博 ,  博士,教授,研究方向:能源经济；邓娜娜 ,  博士,研究方向:能源经济；聂富华，硕士,研究方向:能源经济
       1. 北京理工大学 管理与经济学院, 北京 100081;
       2. 北京理工大学可持续发展与智慧决策研究中心, 北京 100081;
       3. 数字经济与政策智能工业和信息化部重点实验室, 北京 100081