Preview

Стратегические решения и риск-менеджмент

Расширенный поиск

ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ УЧЕТА ЭЛЕКТРОЭНЕРГИИ: ЭМПИРИЧЕСКИЙ АНАЛИЗ ФАКТОРОВ ВОСПРИЯТИЯ ТЕХНОЛОГИИ

https://doi.org/10.17747/2618-947X-2021-1-8-23

Полный текст:

Аннотация

Внедрение систем интеллектуального учета электроэнергии – одна из ключевых составляющих цифрового перехода в электроэнергетике. Интеллектуальные системы учета снабжены модулями сбора, обработки, хранения, отправки и получения данных, а их внедрение порождает широкий спектр эффектов для компаний электроэнергетики, потребителей электроэнергии, а также органов власти и регуляторов отрасли. Функционал систем интеллектуального учета может быть существенно расширен при применении счетчиков неинтрузивного мониторинга нагрузки.

Целью настоящей работы является разработка перечня факторов, оказывающих как положительное, так и отрицательное воздействие на восприятие технологий интеллектуальных систем учета и среди компаний электроэнергетики, и среди конечных потребителей – участников розничных рынков электроэнергии.

На первом этапе исследования на основе моделей Роджерса и Дэвиса был разработан перечень факторов, оказывающих влияние на принятие технологий интеллектуальных систем учета как энергокомпаниями, так и конечными потребителями электроэнергии. На основе глубинных интервью с экспертами проведена верификация факторов и разработка анкет для следующего этапа исследования.

На втором этапе проведено количественное исследование, позволившее определить степень влияния факторов на принятие технологии интеллектуального учета пользователями.

В завершение работы представлены рекомендации, призванные ускорить распространение систем интеллектуального учета электроэнергии и быстрее достичь положительных эффектов от их внедрения.

Об авторе

П. С. Кузьмин
АО «Синтез Групп»
Россия

Специалист управления экономического планирования и договорных отношений АО «Синтез Групп». Область научных интересов: стратегия и управление развитием компаний, формирование стратегии развития компаний.



Список литературы

1. Кузьмин П.С. (2019). Неинтрузивный мониторинг нагрузки: эффекты внедрения и перспективы распространения // Стратегические решения и риск-менеджмент. Т. 10. № 4. С. 306-319. DOI: https://doi.org/10.17747/2618-947X-2019-4-306-319.

2. Ребязина В.А., Кущ С.П., Красников А.В., Смирнова М.М.

3. (2011). Инновационная деятельность российских компаний: результаты эмпирического исследования // Российский журнал менеджмента. 2011. Т. 9. № 3. С. 29–54.

4. Трачук А.В., Линдер Н.В. (2018). Технологии четвертой промышленной революции: исследование технологического принятия промышленными компаниями с помощью метода нелинейных главных компонент (NLPCA) // Управленческие науки в современном мире. Т. 1. № 1. С. 4–14.

5. Трачук А. (2010). Риски роста концентрации на рынке электроэнергии // ЭнергоРынок. № 3. С. 28–32.

6. Хохлов А., Мельников Ю., Веселов Ф., Холкин Д., Дацко К. (2018). Распределенная энергетика в России: потенциал развития // Сколково. URL: https://energy.skolkovo.ru/downloads/documents/SEneC/Research/SKOLKOVO_EneC_DER-3.0_2018.02.01.pdf.

7. Цифровой переход в электроэнергетике (2017) // Центр стратегических разработок. URL: https://www.csr.ru/issledovaniya/tsifrovoj-perehod-velektroenergetike-rossii/.

8. Шваб К. (2016). Четвертая промышленная революция / Пер. с нем. М.: Эксмо, 2016.

9. Bergman D.C., Jin D., Juen J.P., Tanaka N., Gunter C.A., Wright A.K. (2011). Non-intrusive load shed verification // IEEE Pervasive Comput. 2011. Vol. 10. Nо. 1. P. 49–57.

10. Bray R., Woodman B., Connor P. (2018). Policy and regulatory barriers to local energy markets in Great Britain. University of Exeter. URL: http://geography.exeter.ac.uk/media/universityofexeter/schoolofgeography/images/researchgroups/epg/09.05.18_Policy_and_Regulatory_Barriers_to_LEMs_in_GB__BRAY._.pdf.

11. Davis F.D. (1989). Perceived use fullness, perceived ease of use and user acceptance of information technology // MIS Quarterly. Vol. 13. No. 3. P. 319–340.

12. Devlin М., Hayes B. (2018). Non-intrusive load monitoring using electricity smart meter data: A deep learning approach // researchgate.net. DOI: https://doi.org/10.13140/RG.2.2.29463.42402.

13. Freeman C., Clark J., Soete L. (1982). Unemployment and technical innovation: A study of long waves and economic development. London: Frances Printer.

14. Lin C., Wang Z. (2016). A new DSM energy-pricing model based on load monitoring system. Proceedings of the 2nd International conference on artificial intelligence. Management Science and Electronic Commerce, AIMSEC. P. 3650–3653.

15. McKenna E., Richardson I., Thomson M. (2012). Smart meter data: Balancing consumer privacy concerns with legitimate applications // Energy Policy. 2012. Vol. 41.

16. Р. 807–814.

17. Molla A., Licker P.S. (2002). PERM: A model of e-commerce adoption in developing countries // Issues and trends of information technology management in contemporary organizations / M. Khosrowpour (ed.). Seattle: Idea Group Publishing. P. 527–530.

18. Molla A., Licker P.S. (2005). Perceived e-readiness factors in e-commerce adoption: An empirical investigation in a developing country // International Journal of Electronic Commerce. Vol. 10. No. 1. P. 83–110.2.

19. Naghibi B., Deilami S. (2014) Non-intrusive load monitoring and supplementary techniques for home energy management. Australasian Universities Power Engineering Conference (AUPEC). DOI: https://doi.org/10.1109/aupec.2014.6966647.

20. Parrish B., Heptonstall P., Gross R., Sovacool B. (2020). A systematic review of motivations, enablers and barriers for consumer engagement with residential demand response // Energy Policy. Vol. 138. P. 172–175. DOI: https://doi.org/10.1016/j.enpol.2019.111221.

21. Rogers E. (2003). Diffusion of innovations / 5th ed. New York: Free Press.

22. Smart grids and renewables. A guide for effective deployment (2013) // International Renewable Energy Agency. URL: https://www.irena.org/documentdownloads/publications/smart_grids.pdf.

23. Technical change and full employment (1987) / C. Freeman, L. Soete (eds.). Oxford: Basic Blackwell.

24. Zhuang M., Shahidehpour M., Zuyi L. (2018). An overview of non-intrusive load monitoring: approaches, business applications, and challenges. 2018 International conference on power system technology. P. 4291–4299. DOI: https://doi.org/10.1109/POWERCON.2018.8601534.

25. Zoha A., Gluhak A., Imran M., Rajasegarar S. (2012). Nonintrusive load monitoring approaches for disaggregated energy sensing: A survey // Sensors. 2012. Vol. 12. P. 16838–16866.


Для цитирования:


Кузьмин П.С. ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ УЧЕТА ЭЛЕКТРОЭНЕРГИИ: ЭМПИРИЧЕСКИЙ АНАЛИЗ ФАКТОРОВ ВОСПРИЯТИЯ ТЕХНОЛОГИИ. Стратегические решения и риск-менеджмент. 2021;12(1):8-23. https://doi.org/10.17747/2618-947X-2021-1-8-23

For citation:


Kuzmin P.S. SMART METERING SYSTEMS: АN EMPIRICAL ANALYSIS OF TECHNOLOGY PERCEPTION FACTORS. Strategic decisions and risk management. 2021;12(1):8-23. (In Russ.) https://doi.org/10.17747/2618-947X-2021-1-8-23

Просмотров: 236


ISSN 2618-947X (Print)
ISSN 2618-9984 (Online)