于洋：未来的城市电价该怎么定？

“

数据和算法技术的兴起，让未来城市的规划设计和治理协调有了更多的技术手段。同时，通过对城市数据进行分析和挖掘其中的信息，也能为我们更好的理解城市中个体的选择与城市化对发展的作用这两大根本科学问题。

”

文 / 于洋，清华大学交叉信息研究院助理教授

清华大学中国新型城镇化研究院请到清华大学交叉信息研究院的于洋副教授从经济学和计算科学的学科交叉视角出发，探讨了利用城市科学域外数据分析城市的前沿研究，并展望了利用城市数据探究经济发展中的城市及其制度演化规律等根本性课题的可能。

于洋副教授介绍了将领域知识（field knowledge）嵌入数据分析工具的前沿若干探索性研究工作。他以针对智能电表的数据挖掘研究为例，介绍了从"数据驱动式数据挖掘工具"到"知识嵌入式数据挖掘工具"的实践。

2014年，斯坦福大学的Kwac和Rajagopal等通过对智能电表的数据驱动式挖掘分析，颠覆了"大多数城市电力用户消费行为类似"的假设。发现了电力用户用电行为分散但具有分类性质。然而，这一数据驱动研究得到的结果并没有立刻对电价设计、需求侧管理等产生实际帮助。这是因为，人们对于这一数据驱动分析的结果的经济学含义不明导致的。

于洋副教授在2017年证明，根据电力用户的日用电曲线形状分类，本质上就是根据用户的边际系统影响进行分类、也是对用户每度电应缴纳的度电电费进行分类。这一理论证明使得对智能电表的数据挖掘分析成为了分析和评价城市电力价格设计等政策的有效工具。例如，通过对某地区的智能电表数据分析，于洋教授发现：大用户并不一定是给系统边际影响大的用户，因此并不应该都付高的度电电费；相反，一些中小用户的系统边际影响却大，因此应该支付较高的度电电费（如图1所示）。因此，阶梯电价在这一地区是扭曲了价格信号的政策设计。

图1 用户的用电量和对系统负荷早爬坡速率的影响

而对具有不同日用电曲线形状的用户进行分析后，研究者发现同一类型的用户在不同天的系统影响大相径庭。通过对其统计分析，我们可以发现，对于需求侧管理，不应该去"选定用户"，而应该更精细的"选每种用户的关键天"（图2）。

图2 不同类型用户的系统影响年分布

从图2中，我们还可以看到，从年分布来看的确有好用户和坏用户之分。但是每种用户都会在一些日子里是好用户，而在另一些日子中是坏用户。

这个例子告诉我们，将领域知识嵌入数据挖掘分析工具后，能更好、更深刻的对于城市管理提供支撑。

于洋副教授进一步引入了"数据联勤推动联勤规划"的概念，亦即将城市中不同系统的数据整合，形成协同一体化的土地利用规划、交通规划、环境升天规划和智能电网规划，从而形成以数据为基础、算法支撑的可持续未来城市治理框架。

注：文中智能电网研究内容和图片来自发表于IEEE Tras Smart grid的《好用户还是坏用户：智能电表数据信息的经济学本质》

Yu, Yang, et al. "Good Consumer or Bad Consumer: Economic Information Revealed from Demand Profiles." IEEE Transactions on Smart Grid (2017).

于洋，清华大学交叉信息研究院助理教授。