本文以澳洲公營電力公司Snowy Hydro之子公司Red Energy為例,分析其致力於用戶服務,提升用戶負載預測模型,完善事前規劃,省下購電費用。
案例說明
Red Energy為澳洲再生能源發售電業,2004年進入澳洲綠電市場,為公營電力公司Snowy Hydro之子公司,母公司Snowy Hydro本身擁有風力、太陽能和水力發電案場,為澳洲第四大能源零售商,服務用戶超過一百萬戶,Red Energy為該公司之售電子公司,致力於提供用戶優良服務。
Red Energy致力於提升用戶負載預測模型,避免臨時備轉容量不足而需要向其他發電業者進行購電,由於臨時購電的電價費用高於與案場簽訂之躉購合約,如此一來將導致Red Energy營運成本大幅增加。因此,為避免發生臨時購電之狀況,Red Energy運用AI來改變用戶負載預測模型,精進後,負載預測準確率達到98%,並藉由完善的事前規劃,用較低價格購入電力,省下超過百萬美金的購電費用。
Red Energy採用階層式分群(Hierarchical Clustering)方式,在媒合用戶用電量前,先針對用戶特徵進行分群,如依據地區、產業別等因素,或是針對在不同階段(上、中、下游)之供應鏈,於用電預測模型中導入階層式分群,依照不同產業型態建立對應之用電量預測模型。
本文使用A. Osterwalder 提出之商業模式圖(Business Model Canvas),分析Red Energy之價值主張、目標客層、服務通路、顧客關係、關鍵伙伴、關鍵活動、關鍵資源、推行服務的收入與好處、與成本結構等九大構面,並分析此應用對案例的影響與效益。
圖1 分析Red Energy用戶負載預測模型之商業模式|資料來源:本研究整理
總結
Red Energy的用戶負載預測模型是透過階層式分群,依照不同行業別、地區等因素建置模型,使預測精準度大幅提升,降低於電力市場臨時購電之成本支出,此可供我國再生能源售電業作為借鏡,協助我國邁向2050年淨零碳排。