数字化背景下电力数据要素定价机制优化研究

doi:10.3969/j.issn.2097-0706.2022.07.010

摘要/Abstract

摘要：

“双碳”目标背景下,利用大数据等技术实现行业的数字化转型成为电力行业实现提质增效、节能减排降耗的重要手段。然而,目前针对电力数据资产定价问题的研究大多未考虑风险因素,电力数据要素定价及优化一直是学界研究的热点。首先,对成本法、数据价值实现风险、电力数据要素定价优化模型等进行了理论综述;其次,构建电力数据要素定价优化模型,并将数据的价值实现风险和市场供求因素2个风险因素纳入到优化模型中;最后,以某企业能效监测产品为例,验证电力数据要素定价优化模型的有效性。

关键词: “双碳”目标, 数据资产, 电力数据要素定价, 数据价值实现风险, 市场供求风险, 价格优化模型

Abstract:

To achieve dual carbon target,power industry applies big data and other technologies in industry digitalization to realize quality and efficiency improvement, energy conservation and emission reduction. However, most of current researches on power data asset pricing mechanism have not taken risk factors into consideration. And power data factor pricing mechanism and its optimization have drawn great academic attention. Firstly, the cost method,data value realization risk and power data factor pricing optimization model are summarized theoretically. Then, the power data factor pricing optimization model is constructed with two risk factors, data value realization risk and supply-demand risk, taken into account. Finally, taking an energy efficiency monitoring product of an enterprises as an example, the effectiveness of the power data factor pricing optimization model is verified.

Key words: dual carbon target, digital asset, power data factor pricing mechanism, data value realization risk, supply-demand risk, price optimization model

中图分类号:

TK01：F426

喻小宝, 章天浩, 邓思维. 数字化背景下电力数据要素定价机制优化研究[J]. 综合智慧能源, 2022, 44(7): 81-89.

YU Xiaobao, ZHANG Tianhao, DENG Siwei. Research on power data element pricing mechanism optimization in the context of digitalization[J]. Integrated Intelligent Energy, 2022, 44(7): 81-89.

图/表 13

图1

图2

表1

表2

判断矩阵

评价指标	$B 1$ （易获得性）	$B 2$ （一致性）	$…$	$B n$ （完整性）
$B 1$ （易获得性）	$b 11$	$b 12$	$…$	$b 1 n$
$B 2$ （一致性）	$b 21$	$b 22$	$…$	$b 2 n$
︙	︙	︙	︙	︙
$B n$ （完整性）	$b n 1$	$b n 2$	$…$	$b n n$

表2

表3

表4

表5

表6

表7

表8

图3

表9

图4

参考文献 25

[1]	林飞腾. 基于成本法的大数据资产价值评估研究[J]. 商场现代化, 2020(10):59-60.
	LIN Feiteng. Research on big data asset value evaluation based on cost method[J]. Market Modernization, 2020(10): 59-60.
[2]	JOENVÄÄRÄ J, SCHERER B. A note on the valuation of asset management firms[J]. Financial Markets and Portfolio Management, 2017, 31(2):181-199. doi: 10.1007/s11408-017-0287-y
[3]	LUEG K, LUEG R. Detecting green-washing or substantial organizational communication: A model for testing two-way interaction between risk and sustainability reporting[J]. Sustainability, 2020, 12(6).DOI: 10.3390/su12062520. doi: 10.3390/su12062520
[4]	李茂浩. 基于实物期权的大数据资产价值评估方法及其应用研究[D]. 昆明: 云南大学, 2019.
[5]	闭珊珊, 杨琳, 宋俊典. 一种数据资产评估的CIME模型设计与实现[J]. 计算机应用与软件, 2020, 37(9):27-34.
	BI Shanshan, YANG Lin, SONG Jundian. Design and implementation of CIME model for data assets assessment[J]. Computer Application and Software, 2020, 37(9):27-34.
[6]	赵丽, 李杰. 大数据资产定价研究——基于讨价还价模型的分析[J]. 价格理论与实践, 2020(8):124-127,178.
	ZHAO Li, LI Jie. The pricing research of big data asset: Analyzed based on the bargaining model[J]. Pricing: Theory & Practice, 2020(8):124-127,178.
[7]	陈志注, 王宏志, 熊风, 等. 大数据拍卖的定价策略与方法[J]. 中国科学技术大学学报, 2018, 48(6):486-494.
	CHEN Zhizhu, WANG Hongzhi, XIONG Feng, et al. Research on the auction strategies and pricing of big data[J]. Journal of University of Science and Technology of China, 2018, 48(6):486-494.
[8]	李泽红, 檀晓云. 大数据资产会计确认、计量与报告[J]. 财会通讯, 2018(10):58-59,129.
	LI Zehong, TAN Xiaoyun. Accounting confirmation, measurement and reporting in big data assets[J]. Communication of Finance and Accounting, 2018(10):58-59,129.
[9]	YU Haifei, ZHANG Mengxiao. Data pricing strategy based on data quality[J]. Computers & Industrial Engineering, 2017, 112:1-10. doi: 10.1016/j.cie.2017.08.008
[10]	王玉兰. 基于层次分析法的数据资产评估模型研究[D]. 天津: 天津商业大学, 2018.
[11]	赵国涛, 钱国明, 王盛, 等. “双碳”目标下火电企业绿色低碳转型的对策分析[J]. 华电技术, 2021, 43(10):11-21.
	ZHAO Guotao, QIAN Guoming, WANG Sheng, et al. Analysis on solution for green and low-carbon transformation of thermal power enterprises to achieve carbon peak and carbon neutrality[J]. Huadian Technology, 2021, 43(10): 11-21.
[12]	叶玲, 常文亮, 龙泉. 基于数据整合的用电信息智能交互平台研究与应用[J]. 华电技术, 2021, 43(5): 30-35.
	YE Ling, CHANG Wenliang, LONG Quan. Research and application of intelligent interactive platform for power consumption information based on data integration[J]. Huadian Technology, 2021, 43(5): 30-35.
[13]	李炜, 严川, 盛庆博, 等. 大数据背景下智能配电网运营管理方法研究[J]. 华电技术, 2021, 43(8): 33-40.
	LI Wei, YAN Chuan, SHENG Qingbo, et al. Study on smart distribution network operation and management methods in the context of big data[J]. Huadian Technology, 2021, 43(8): 33-40.
[14]	葛一统, 向锋铭, 余桂华, 等. 大数据背景下的电力营销信息化建设研究[J]. 华电技术, 2021, 43(1): 76-82.
	GE Yitong, XIANG Fengming, YU Guihua, et al. Research on informatization of power marketing in the era of big data[J]. Huadian Technology, 2021, 43(1): 76-82.
[15]	刘欢. 多订阅期限模式下信息产品定价策略研究[D]. 天津: 天津大学, 2018.
[16]	庄伟卿, WANG M S. IOS-DaaS精准定价规则[J]. 中央民族大学学报(自然科学版), 2019, 28(1):26-35.
	ZHUANG Weiqing, WANG M S. The rules of precision pricing of IOS-DaaS[J]. Journal of Minzu University of China (Natural Sciences Edition), 2019, 28(1):26-35.
[17]	ALAEI S, MAKHDOUMI A, MALEKIAN A. Optimal subscription planning for digital goods[J]. SSRN Electronic Journal, 2019.DOI: 10.2139/ssrn.3476296. doi: 10.2139/ssrn.3476296
[18]	DASKALAKIS C, DECKELBAUM A, TZAMOS C. Strong duality for a multiple-good monopolist[J]. Econometrica, 2017, 85(3): 735-767. doi: 10.3982/ECTA12618
[19]	PEI J. A survey on data pricing: From economics to data science[J]. IEEE Transactions on Knowledge and Data Engineering, 2020, 5927(99).DOI: 10.1109/TKDE.2020.3045927. doi: 10.1109/TKDE.2020.3045927
[20]	LIANG F, YU W, AN D, et al. A survey on big data market: Pricing, trading and protection[J]. IEEE Access, 2018, 6: 15132-15154. doi: 10.1109/ACCESS.2018.2806881
[21]	KELLER W, SHIUE C H, WANG X. Capital markets and grain prices:Assessing the storage cost approach[J]. Cliometrica: Journal of Historical Economics and Econometric History, 2020, 14(6):367-396.
[22]	许宪春, 王洋. 大数据在企业生产经营中的应用[J]. 改革, 2021(1):18-35.
	XU Xianchun, WANG Yang. The application of big data in enterprise production and operation[J]. Reform, 2021(1):18-35.
[23]	吴迪. 基于实物期权的市地发展权价值测算[D]. 南宁: 广西大学, 2019.
[24]	任晓波. 如何认识和测算数据的经济价值[J]. 竞争情报, 2021, 17(2):2-10.
	REN Xiaobo. How to understand and calculate the economic value of data[J]. Competitive Intelligence, 2021, 17(2):2-10.
[25]	唐晋娟, 杨阳. 青海高原地区公路施工风险源风险评价与优化模型[J]. 北方交通, 2018(8):87-91.
	TANG Jinjuan, YANG Yang. Risk assessment and optimization model of highway construction risk sources in Qinghai Plateau[J]. Northern Transportation, 2018(8):87-91.

一级指标	二级指标	三级指标
数据价值实现风险	数据管理风险	设备故障
	数据管理风险	数据描述不当
	数据开发风险	系统不兼容
		政策影响
		应用需求
	数据流通风险	数据开发水平
	数据流通风险	数据泄露
	数据安全风险	数据损坏

指标项	强	较强	一般	较弱	弱
易获得性	0.32	0.42	0.13	0.10	0.03
一致性	0.53	0.36	0.10	0.01	0
可理解性	0.78	0.19	0.03	0	0
完整性	0.24	0.53	0.12	0.09	0.02
准确性	0.41	0.43	0.10	0.06	0
正确性	0.26	0.43	0.21	0.08	0.02
客观性	0.37	0.31	0.26	0.06	0
有效性	0.43	0.54	0.21	0.10	0
可靠性	0.34	0.52	0.13	0.01	0
相关性	0.43	0.42	0.15	0	0
稀缺性	0.32	0.47	0.11	0.10	0
使用场景	0.25	0.46	0.29	0	0
适用情形	0.14	0.53	0.33	0	0
时效性	0.38	0.45	0.15	0.02	0

一级指标	权重	二级指标	基本权重	组合权重
数据形式	0.547	易获得性	0.576	0.315
		一致性	0.253	0.138
		可理解性	0.128	0.070
		完整性	0.044	0.024
数据内容	0.345	准确性	0.379	0.131
		正确性	0.324	0.112
		客观性	0.180	0.062
		有效性	0.064	0.022
		可靠性	0.053	0.018
数据绩效	0.109	相关性	0.455	0.049
		稀缺性	0.319	0.035
		使用场景	0.125	0.014
		适用情形	0.053	0.006
		时效性	0.048	0.005

一级指标	二级指标	三级指标	专家评分	权重
数据价值实现风险	数据管理风险	设备故障	77	0.253
	数据管理风险	数据描述不当	65	0.105
	数据开发风险	系统不兼容	73	0.167
		政策影响	37	0.080
		应用需求	39	0.195
	数据流通风险	数据开发水平	57	0.070
	数据流通风险	数据泄露	38	0.121
	数据安全风险	数据损坏	79	0.009