繼李克強總理在2015年政府工作報告中首次提出“互聯網+”以來，能源互聯網又成為行業內熱烈討論的話題，為什么能源互聯網比其他互聯網更熱呢，到底能源互聯網狀況如何？最近南度度專訪了中國電力企業聯合會部門主任薛靜，我們看看薛主任是怎么看待這一熱點話題的？
人物簡介：薛靜，中國電力企業聯合會部門主任，電力經濟運行分析專家。

        南度度：根據一季度統計數據（可參考《2015年一季度全國電力供需形勢分析預測報告》），全社會用電量增速同比大幅回落了，只有0.8%，但GDP增速還維持在7%，有聲音質疑用電量與GDP增速不同步，您怎么看？

        薛靜：今年一季度用電量累計同比增速是0.8%，確實是不高，這是延續了去年下半年以來的用電特別是第二產業用電疲軟的態勢。前不久，李克強總理在國務院一季度經濟形勢座談會上提出一個判斷——中國正處在新舊產業與動力轉換的“銜接期”。我認為非常準確。目前，中國確實存在地區之間、產業之間的轉換，有些地區產業銜接存在著問題，有些地區已經出現新的經濟動力。在電力高耗能領域，普遍認為它們的產能過剩導致增速回落，我覺得這個因素有，但這個“過剩”到底“剩”的是誰？我看“剩”的是結構性問題。

        以鋼鐵為例，有些地區的鋼鐵生產狀況確實不太好，比如在河北、山西等地，鋼鐵生產與制造業終端消費未能完全“銜接”上，所以這些地方的鋼鐵生產一直處于負增長，用電量也是負的；反之在東部的一些省份，制造業經過前一輪的調整和發展后開始企穩向好，他們一方面有著高耗能需求的終端市場，另一方面又具備比較好的能耗管理水平，鋼鐵生產狀態相對較好。所以說這不是一個簡單的過剩概念，而是一個結構性、地區性的問題。

        再回到用電量增速和GDP增速的問題。其實這兩個概念之間，已經不能用簡單的線性正比關系來解釋了。我們把一段時間內電力消費增長速度與GDP增速的比值，稱為電力彈性系數，用它來考察電力發展與經濟發展的匹配程度。過去在重化工業階段，特別是2006年、2007年，我國的電力彈性系數曾經達到了1.6，這就意味著用電量增速1.6個百分點可以拉動GDP增速1個百分點，這是典型的重化工業能源電力消費結構特征，在這個社會經濟階段，電力消費確實可以作為分析經濟運行狀態的關鍵指 標。

        而在我國經濟由重化工業化向工業化后期階段轉型的過程中，我認為這種指標線性正比的關系在逐步弱化了，因為我們的制造服務業、民生服務業在逐步發展，居民用電比重也在逐步提高，用電量增長的拉動力除了經濟因素以外，還有很多其他因素。按現在的經濟發展階段的經濟結構分析，以年度為時間單位，電力彈性系數應該在0.7到0.8之間，但是從去年下半年開始到今年第一季度，電力高耗能領域生產特別是與投資相關的鋼鐵和建材生產在很多地區狀態欠佳，導致電力彈性系數很低，甚至低于0.5以下。

        所以它不是簡單的線性正比例關系，是有一定的相關性，但是這個相關性正在逐步減弱，這種趨弱是現階段經濟結構和用電結構調整的必然趨勢和狀態。

        南度度：那么電力數據的應用，對于政府、對社會、對企業來說，存在哪些價值和意義？

        薛靜：首先解釋一下電力數據，它分為兩類，一個是由國家統計局統計公布的，包括發電量等；一個是經國家政府部門授權，由中電聯進行的行業統計，并由國家能源局發布，包括電力消費數據等。

        發電量是國家統計局數據，發布的是規模以上發電企業的發電量數據，由于不是全口徑，所以如果碰到經濟情況不好或是水電豐枯情況很極端情況下，發電量的水火結構就不能全面反映真實情況了。

        而中電聯統計、能源局發布的月度全社會用電量數據，是全口徑統計、通過大電網上的直接采集和個別小電網的數據報送匯總得到的，來源比較可靠，數據也是相對準確。同時，由于電力消費是直接伴隨電力用戶生產環節瞬時完成的，數據即時產生，它不像工業增加值等數據，總有一個滯后的過程，所以中電聯所承擔的電力消費數據盡管是行業數據，但它是國務院重點關注的，也是國家在節能減排、能源監測等工作的關鍵核算數據。

        正由于我國的用電量數據兼具準確性和實效性，尤其是能夠相對準確地反映各產業用電狀態，所以它甚至引起了全球各界的關注，金融投資業、高耗能企業、原材料生產業、期貨業、物流業都隨時在盯著這個數據，數據一旦發布，方方面面都要求解讀或者分析。

        對于企業來說，全社會用電量數據應該說是一個風向標，除了發布全社會用電總量外，中電聯還對外公布其第一、二、三產業、輕重工業、居民用電量等等，如此一來，每個產業都可以通過分析歷史數據和最近數據，再結合方方面面的比較分析，來判斷近期或全年的經濟的情況，這個結果通常會比較準確。

具體對于煤炭企業來說，通過數據可以判斷下一步的煤炭需求量和價格、庫存發展趨勢；對于發電企業來說，全社會用電量是一個對標數據，今年一季度全國同比增速是0.8%，如果發電企業發電量增速低于這個增速就要找差異的原因；對于不同地區來說，通過比較可以發現自身經濟和結構的問題……這也就是電力數據對于政府、對社會、對企業來說這么重要的原因。

        南度度：電改第二個配套文件落子電力需求側管理（DSM），在這一塊，電力大數據可以有何作為？

        ​薛靜：先要搞清楚電力需求側管理的主要目的是什么，DSM是要幫助政府和企業在電量節約上下文章，它包含兩方面內容：一是降低單一企業最高負荷，拉平峰谷差，如果可以做到，就能夠減少電網備用容量，降低全社會和企業的投入；二是通過不同企業的用電負荷特性，進行彼此之間的最優化組合，在一個區域內實現最優用電運行方案。

        回到電力數據的問題上來，DSM需要的數據可比上面提到的發電量、用電量數據復雜多了，它需要按分、秒對所有用電設備進行監測并采集相關數據，很多是全天候實時監控的，由此產生的數據是時間的函數，包含著很多有價值的信息。通過歷史數據可以對不同用戶進行分析，包括無功功率、有功功率、負荷特性等等，用好了這些數據，既能提高企業的能源利用效益，又可以提高全社會的能源利用效率。在此基礎上，這些大數據還有更多的商業價值和社會價值。

        當然，這個數據與前面提到的發電量、用電量數據之間也不是完全割裂的關系。以用電量數據為例，它是一段單位時間內的全國性統計數據，我們在此基礎上再回過頭來看單個企業的實時用電數據，并把它與全國數據進行高低比較，就可以更微觀地看出企業用電到底出了什么問題。

        南度度：話說回來，我國關于DSM的探索很早就開始了，但成果不多，問題出在哪？

        郭靜：當初提出DSM的主因是全國性缺電，希望通過DSM來降低對電力、電量以及最關鍵的最高負荷的需求，從而最低限度保障我國國民經濟的安全運行秩序。本著這樣一個目的，結合當初可調控的手段和途徑，DSM的責任主體只能落在電力公司身上，但電力公司畢竟不是用電側，它是電力供應側，從經濟效益來說，顯然動力不足，只能本著提高社會效益角度去承擔社會責任。

        另一方面，政策設計之初確實沒有把電力用戶主動參與DSM的積極性調動起來。在當時的社會環境下，缺電，就以行政手段實行有序供電方案，電力用戶始終處于弱勢地位，只能被動響應，并沒有經濟杠桿調節概念。

        而這次電改把DSM放在這么重要的位置，就是要發揮用戶側的市場用電激勵機制，培育用戶側的主動參與積極性，也就是要樹立需求側主動響應的社會氛圍和條件。如果你必須在負荷最高的時候用電，那你就去用多倍價格買最高電價，但如果你能把生產時間調整到負荷谷底，那你就可以享受最低電價，在這個市場調劑過程中，用戶側得到了實惠，他們就會考慮用電的最優化配置。

        對于已經簽訂了長期用電協約的企業來說，如果發現高峰用電空間或者電量有余，還可以把余量空間或電量，向更需要的用戶出讓交易，這樣企業就不止有節能的效益，還有節能量、負荷空間交易的效益，這是實實在在的好處，起到了全社會參與電力需求側主動響應的作用，我認為這是這次電力改革最大的亮點。

         南度度：這次電改建立的市場機制，會讓電力還原為徹底的商品屬性嗎？

         薛靜：電力具備三個屬性。首先，它是國家的基礎產業，是國民經濟中不可替代的必須循環暢通的血脈，對社會具有普惠和調節的作用；其次，電力生產必須瞬時完成，對安全要求很高；再次，電力又是同質、無形的商品。這三個屬性決定了電力是一種不同于白菜的特殊商品，但它畢竟具有商品屬性，可以在商品市場上交易。

        電力在生產、供應、交易過程中，還存在最高、最低負荷的調峰，有功、無功之間的調節，集中供應與分布式能源混合，跨區與就地供應的平衡，節能減排提高能效和電源質量（尤其是頻率穩定）等方方面面問題，所以電力這個商品在市場交易過程中所附帶的上述特性，就決定了它在市場交易規則和運送通道、信息處理等方面的復雜性，本次電改將要籌劃的市場機制與交易規則，顯然不能以賣白菜的思維方式去考慮。

        南度度：最近能源互聯網的話題也很熱，您對此有哪些認識？

        薛靜：自從“互聯網+”概念提出以后，的確是有不少企業紛紛開始介入能源互聯網的籌劃，為什么能源互聯網會比別的互聯網概念更熱呢？因為電力本身擁有網絡，在此基礎上再加上一個互聯網，看起來似乎很容易結合，所以社會各界對能源互聯網的熱度非常高。

        目前，對能源互聯網的認識可以分為很多類，基本都是從自身產業視角出發來解讀，并沒有一個全社會的共識。比如說，有一種認識是通過收集分析大用戶的用電量數據來產生增值服務；還有一種視角是把多元化能源組合起來，經過智能化數據處理形成優化供電方案，從而提供當地電量平衡關系的帕累托最優；有的把電力全產業鏈做優化籌劃，達到電力供電成本最低效果；還有一些認為電力的物理流與交易信息流可以分開運行，以互聯網思維實現用戶需求至上和智能化服務，等等。總之，“互聯網+”引入能源、電力，最關鍵的是將生產、供應、銷售、服務等環節的信息透明、公開、對稱了，用互聯網思維整合所有資源。

        當前，大家都在從不同角度探索能源互聯網，社會資本也在大量進入，我認為在能源互聯網起步階段，就不該形成一個完全統一的模式，因為從根本上來說，它就是要實現能源產業的最優化，并在這個基礎上產生能源大數據，以用戶側需求為根本進行市場化開發和多種形式的配套服務。每一個企業、甚至每一個國家，站在不同角度所看到的東西也是不同的，就像騰訊、淘寶、京東，雖然都有互聯網的概念，但內容、方式和實現手段完全不一樣，不能說誰是、誰不是，能源互聯網也是如此。應該允許大家在不同層面、不同創業視角展開各式探討，展現差異化，發揮各自優勢，在此基礎上再進行整合，這樣才能形成全民的數據共享機制，讓整個能源全產業鏈實現最佳配置和可持續發展。

        南度度：您的意思是，民間探索先行一步，頂層設計再隨后跟上？

        薛靜：沒錯，正如李克強總理所說的，我們已經進入全民“創客”時代，大家都在積極發揮自己的最高智商和創新能力，在這個狀態下，我們千萬不要壓抑它的可能性。

        南度度：消息說國家能源互聯網行動計劃年內就會出臺，如您所說，現在各方探索還沒結果，那這個計劃該怎么辦？

        薛靜：計劃可以是各種角度的。站在政府的立場上，我覺得應該出一個鼓勵各方創新的行動計劃，而不是一個統一行為規范的計劃，更不要定一個統一標準的計劃。

        比如，行動計劃可以在政策上保證能源互聯網上的數據共享；在企業開展需求側管理與數據平臺構建、整合的時候，呼吁當地政府給予支持和幫助；再比如鼓勵資本市場提供充足來源支持企業探索，國家提供財政和稅收政策給予企業創業幫助的社會環境，等等

        所以在這個問題上，政府的作用應該是積極倡導和正面鼓勵，而不是規范、框死它。能源互聯網目前的未知數比已知數更多，我們不該用有限的眼光來看待這個無限的空間。

       南度度：在這個無限的空間里，很多企業已經開啟了卡位戰，能否給我們分析分析他們的戰略？

       薛靜：就我目前所看到的情況，在能源互聯網領域比較積極的企業主要有兩類：一類是開放式的互聯網企業，比如騰訊、阿里，他們完全從互聯網思維來考慮能源互聯網，考慮更多的是通過建設平臺去增值服務，他們在做的事，主要是通過互聯網來介入和整合能源產業的信息資源，產生大數據和海量用戶,從而產生增值機會。第二類是傳統電力企業，主要是從產業鏈的角度去優化配置業務流程，考慮如何通過互聯網和大數據的采集將多元能源，特別是分布式能源通過微電網組合起來，優化利用并達到智能化目的。

        南度度：這里面您比較看好誰？

        薛靜：我覺得互聯網企業和傳統電力企業各有優勢。能源互聯網是以能源業務為骨干的，所以企業必須對能源產業鏈充分了解，這也是能源電力企業的長板所在。當然，他們也有短板，就是沒有完全從傳統的思維方式中釋放，容易陷入工業制造階段的思維模式，市場化意識也相對薄弱，創新思維不足。換句話說，在能源互聯網時代，電力企業其實目前已經先有了可以跑的“汽車”（電力業務），從技術、人才和資本上看，構建“高速公路”（互聯網）也不難，但是如何讓他們結合好，并能讓“汽   車”“快速、靈活行進”,獲得市場先機，這個方面電力企業目前似乎不占優勢。

        從互聯網角度來看，領頭的互聯網企業擁有強大的資本市場，而且技術手段、研發能力以及對市場的敏感度更高，所以他們把握機會并實現資本增值的能力遠遠高于傳統電力企業，這是互聯網企業的優勢，他們的劣勢是對能源產業鏈的不了解。

        如果你阻止了馬云，那么互聯網技術在能源行業中的價值就難以更好地挖掘體現了；如果阻止了傳統電力企業，那么萬一進入的大資本搞不懂能源產業鏈的特色，又會導致銜接不上，所以這不是一個誰好誰壞的問題。兩股力量一個側重信息流，一個側重能源流，我希望它們能夠盡快形成對接，產生化學作用，我把這個過程叫做“聚變”，它不會只產生一種“物質”，而是會反應出各種各樣的“物質”。嫁接后的能源互聯網，既可以為電力用戶和生產領域做好優化服務，又能同時實現增值效益，一舉多得，為社會產生財富提供最佳模式效應。

        我設想，將來運用能源互聯網甚至有可能出現虛擬電量或者電量額度信息的銷售，這是長短期電量交易與互聯網思維結合后的線上交易的概念。什么意思呢？現在我在北京，可能只能買河北電，這是物理流決定的，但以后從虛擬電量的角度來看，我可能買的就是新疆電，甚至我還可以把富余沒用完的電賣到新疆去。不要以為“汽車”開不到新疆去，有了互聯網和大數據，一切都有可能，大數據嫁接將帶來無限紅利。