4.3 商业用户智能响应行为分析
根据供电可靠性的要求以及中断供电危害程度，结合用电特点、用电时间等特性将用户细分为五大类：第一类，贸易中心、物流中心、家具建材中心、大型商场、大型超市等;第二类，宾馆、酒店、医院等;第三类，餐饮、娱乐、洗浴等;第四类，销售公司、关容美发、小型卖场、打印、复印、洗染、影楼等;第五类，学校、写字楼、办公楼、物业公司、电信公司、银行信托等。各类用户对用电数据的侧重点各不相同。用电量较大及用电设备较多的商业用户比较关心用电量及用电设备的单耗，如大型超市、写字楼等;中小型商业用户或经营收入一般的商业用户比较关心用电价格，如小型卖场、销售公司等;收人情况较好的少数用户表现出对用电数据的不重视，其原因可能是节能管理意识不强或电费占经营支出比例较小。面对用电成本，商业用户在用电负荷高峰时段或电价收费较高时段会采取一些措施，关部分灯、减少空调使用量、减少办公设备的使用量等是最常用的措施。
4.3.1城市商业用户智能用电分析
在智能用电方面，10.13%的商业用户使用具有独立控制功能的自动检测用电设备，21.52%的商业用户使用具有简单显示功能的用电设备.65.82%的商业用户使用的电器设备不具备该功能。商业用户对智能用电的态度统计结果如图4-3所示。
此外，38%的商业用户选择了“希望采用信息化的电量监控系统”。随着节能节电意识的不断增强，以及对电量监控需求的不断提高，商业用户希望自身能对用电数据进行更全面地了解，在节能方面做得更加具体。33%的商业用户选择了“希望开发智能用电方面的远程教育软件”。远程教育软件有其自身的优势，覆盖范围更广、不受时间限制，商业用户可随时进行了解和学习智能用电万面的知识。选择“希望组织智能用电方面的培训”的商业用户占到了被调查用户的28%.说明商业用户想面对面接受智能用电培训的意愿比较强烈，渴望更加深入地了解相关方面的信息。
从图4-4中可以看出，56%的商业用户想看一下系统的使用试点情况，说明大部分用户对智能电网系统还有一定的疑问，系统知识普及工作力度不够;29%的商业用户想免费试用系统，说明智能电网系统的使用受一定的资金因素限制，但有一定的普及基础，可在“想试用”的商业用户中选择试点用户，对智能电网系统进行推广。
智能用电采用信息化的电量监控系统，可以为用户提供多种用电信息，帮助商业用户调整用电方式。大部分商业用户对不同时段的电价实时信息数据及图表、各用电设备的实时用电费用与历史同期的比较分析图表、各用电设备用电费用累计预警信息较为感兴趣。通过这些信息，商业用户可能调整的用电方式如表4-6所示①。从统计结果可以看出，基于智能用电信息，52%的商业用户会选择调整10%左右的用电负荷，14%的商业用户会调整用电时间段。
商业用户中贸易中心、物流中心、家具建材中心、大型商场等月度用电费用多在10万元以上，对用电环节较为重视，而且主动采取了一些节能措施，以调整用电量，安装新能源电源，如太阳能等，消化自身20%的用电负荷;更换照明设备，采用LED灯，用电量为普通节能照明灯的1/4～1/3，每月节约用电成本5万元左右，多者降低调整用电负荷达50%左右;智能化用电设备，增加具有变频功能和自动化控制功能的设备使用量，如中央空调、风机、电梯等，可降低用电量的10%-30%
对实施用电智能项目，商业用户根据企业自身的用电特点进行选择，统计结果如表4-8所示。
4.3.2商业用户响应行为影响因素分析
据调查，影响商业用户用电水平的影响因素有9个：电费占总成本的比例、用电时间灵活度、电价水平、用电设备自动化程度、企业成本管理控制水平、节电意识、新能源及储能设备使用态度、智能用电项目的投资收益比、政策激励程度。为便于软件分析，对9个变量进行相应的量化处理，处理结果如表4-9所示。
KMO( Kaiser-Meyer-Olkin)经验统计量是用户比较变量间简单相关系数和偏相关系数的指标，在进行因子分析之前，需要用KMO对样本数据进行测度，来检验数据是否适合做因子分析。KMO取值在0～1，KMO值越接近1，越适合做因子分析。一般地，当KMO大于0.9时效果最好，非常适合做因子分析;0.8～0.9表示比较适合;0.7～0.8表示一般;0.6～0.7表示不太适合;小于0.5时则不适宜做因子分析。Bartlett球形检验是用来检验相关系数矩阵是否为单位阵，其原假设是：原始变量的相关系数矩阵是单位阵，如果结果是拒绝该假设，则表示原始变量之间存在相关性，适合做因子分析。
根据SPSS的检验结果，如表4-10所示，KMO值为0.784，大于0.7，巴特利特球形检验的显著性水平取值为0，表示拒绝原假设，说明这些变量数据适合做因子分析。
此处根据特征值大于1提取公共因子，根据SPSS分析结果显示，前3个因子的特征值都大于1，对方差的贡献度达到65.874%。利用方差最大正交旋转法对因子载荷阵进行旋转，因子旋转后使每个变量仅在一个公共因子上存在较大载荷，有利于突出变量与公共因子的相关关系。
如表4 -11所示，因子载荷经旋转后，可以看出第一个因子在X1、Xj、Xi、X0、X9上有较大载荷，说明这5个变量与商业用户用电管理水平和政策有较强的相关性;第二个因子在X0、X6上有较大载荷，这两个变量由电价水平决定;第三个因子在X2上有较大载荷，因子受用户用电时间影响很大。
注：(1)得分系数矩阵中各个变量已不是原始变量而是标准化变量;
(2)提取方法：主成分分析法;
(3)旋转法：具有Kaiser标准化的正交旋转法;
(4)旋转在4次迭代后收敛。
综上所述，我们可以将影响商业用户智能响应行为的因素总结为：电价水平、经营时间段、政策激励和商业用户用电管理水平，其中经营时间段是影响程度最高的因素。
4.3.3商业用户智能用电行为综合分析
按照集队理论，首先对商业用户用电设备进行分类。商业用户用电设备根据功能和用途可以大致分为10类：空调设备，锅炉，风机和水泵，冷藏设备(包括冷藏室、冷柜、冰箱等).热负载(包括饮水机、电暖气、电磁炉等)，照明设备(包括室内照明、公共区照明、泛光照明)，办公设备(包括电脑、打印机等).电梯设备，辅控设备，其他用电。
将全天用电时间分为12个时段，根据商业用户用电设备的调节程度将不同时段对各种用电设备的调节情况分为高响应(H)、中响应(M)、低响应(L)。商业用户在12个时段调节度情况及设备负荷权重如表4 -12所示。
则12个时段商业用户用电响应的联系度为：
假设每个时段转移矩阵权重相同，全天用电响应度的平均联系度为：
用电调整平均转移矩阵为：
根据马尔可夫链的遍历性可知，经过无数次转移以后，转移矩阵M趋于稳定，设最终的用电响应向量为(H，M，L)，解得：
H =0.226 M =0.245 L =0.529
即稳态联系度为“=0.226+0.245i+0.529j。
由马尔可夫链最终状态及集队势可以看出，商业用户用电设备的响应程度较低，对立程度较强。
