基于大数据技术的电力用户行为分析及应用现状

基于大数据技术的电力用户行为分析及应用现状

高晋峰1高岱峰2

（国网山西省电力公司客户服务中心山西太原030008；

国网山西省电力公司计量中心山西太原0300032)）

摘要：随着我国经济快速的发展及人民生活水平的提高，客户用电量及用电方式、行为呈现出多元化的特征，逐渐形成了用户端大数据，这些数据隐藏着许多用户用电行为的潜在信息。如何快速有效地对电力用户端大数据进行分析，并挖掘用户用电行为的有效信息，是当今重要的研究课题。

关键词：大数据技术；用户行为分析

1电力用户行为大数据分析的必要性

随着我国市场经济的不断发展，电力企业的性质也在发生变化，逐渐由生产型企业转变经营型企业，电力行业需要面对的是市场营销。所以，对用电客户的行为分析成为当前电网企业在市场营销中的重要内容。此外，近年来电网在信息化建设方面取得了很大的进步，作息化水平在不断地提高，电网企业的信息管理系统中积累了有关用户的大量数据。开发数据挖掘系统并利用它对电网用户的行为进行分析，可以有效提高电力企业的营销质量。

在当前的信息管理系统中，只能对用户的数据信息进行简单的增减和查询，不能进行挖掘和利用隐含在数据内部的信息，不能查明深层次的关系，无法利用这些数据分析用户行为和将来的发展趋势，所以基于大数据技术的电力用户行为分析是十分必要的，利用它可以实现数据的挖掘，系统可以对现有信息管理系统采集到的用户数据进行智能化分析，挖掘出存在的深层次的关联，转变为供决策者使用的信息，这类决策型的信息可以帮助电网企业在市场营销决策中提升对客户服务的质量。

总之，基于大数据技术的电力用户行为分析，挖掘不同用户用电行为的相似性，对于电力公司可以为用户提供信用价值评估，功率预测，定价，个性化定制等策略，也能够根据用户用电需求提高电力服务水平，特别是通过深入分析各类别各行业用电信息，对于政府掌握经济运行情况和制定相关政策具有重要的价值，同时用户也可以根据提供的相关信息进行自我用电调节；面向电力用户可以方便用户用电自我认知、推荐用电方式变更等；为政府提供经济发展趋势预测，区域房屋空置率分析，补贴，热工行业决策支持等。

2基于大数据技术的电力用户行为分析的应用现状

2.1基于大数据技术的电力用户行为分析的应用现状

我国从2013年开始便开始效仿美国，运用大数据技术，分析用户行为特征，我国有的电力企业也开始致力于对大数据应用技术进行研究，我国当前在27个省市加入了智能用电研究系统，涉及的研究用户达到了2.42亿户，江苏电力公司在2013年时就优先采用Hadoop分布式技术，对用户的用电情况进行调查并记录，为全国电力公司起到了榜样作用，另外，我国也全新地建立了多维度数据分析模型，增加了数据的可视化，为电力企业提供更多的识别便利。在2015年，上海成为了首个电力需求响应试点实验的工作地点，到了年底，上海已经可以独挡一面，用信息采集系统直接将2.8万个用电的数据采集并分析出来，使电力企业可以充分运用这些数据来进行用电行为分析，从而增加电能的利用率，更少地减少不必要的电能消耗，使企业向着利益最大化发展。

2.2基于大数据技术的电力用户行为分析的应用存在的问题

随着无线传感器技术的快速发展，智能设备的广泛应用，迫使电力企业对居民用电负荷预测精度的要求更加严格，预测中面临的问题也不断增加。传统负荷预测偏向于所使用的技术，然而在智能电网时代下智能设备将负荷预测导向粒度更细的层面。

（1）大数据管理

在智能电网的建设过程中，大量智能电表、智能家居等设备的安装和使用，以及电网不断向信息化、智能化、互动化等理念转变，导致电力信息数据在采集、存储和处理阶段都遇到了新的问题。为实现智能电网中“秒级”数据采集服务，增强与用户交互的实时性，这就要求智能时代采用先进的大数据处理技术实现对电力大数据的管理。

（2）预测算法

智能电网时代的到来，对负荷的管理与控制要求更加严格，而传统的负荷预测方法对影响因素分析不够透彻，导致部分时间点预测不够精确。其次，面对智能电网所采集数据的规模不断增加，快速做出负荷预测对传统的负荷预测方法已力不从心。面对海量的数据要做出精确的预测，迫使高效的预测方法产生。

（3）负荷预测的多元化

智能电网的建设以及居民生活水平的提高，影响负荷曲线变化的因素趋于多元化，对于负荷预测的影响因素更加多样化。能源互联网的提出，对能源的管理和控制更加严格，高精度的负荷预测对能源管理和节能环保提供了保障。

3基于大数据技术的电力用户行为分析方案

3.1基于大数据技术的电力用户行为分析主要研究内容

针对传统用电行为分析过程中，定量特征分析工具匮乏、客户细分深度不足，导致分析结果精确度、颗粒度和针对性不高等问题。依托大数据平台，基于95598海量历史工单信息，开展电力用户行为分析研究，深度挖掘客户用电行为特征，结合业务场景，找准客户服务环节与客户需求之间的差距，使电力企业能有针对地性优化营销组织，改善服务模式。

（1）根据客户个人关注热点，建立客户偏好标签库。通过客户细分模型，对客户的用电情况、停电反映、投诉类型、热点关注事件等行为特征，将客户按照偏好标签，分为不同类型群体，并针对不同的客户群，深度挖掘客户价值，提供差异化、个性化服务。如电费敏感型客户、投诉热衷型客户、事件敏感型客户、业务关注型客户、微信关注型客户、APP关注型客户、潜在电动汽车客户等。

（2）根据客户服务请求频次和渠道，建立客户细分群。按照一定时间（月度/年度）内的与客户交互频次的强度，将客户分为强交互客户、一般交互客户、弱/无交互客户等三类。分析各类客户群体特性，提供精准服务。

（3）可视化展现客户的用电行为数据。通过对各单位客户群进行多维度统计分析，为各单位、各专业查找管理差距、明确业务的改进方向提供依据。

3.2基于大数据技术的电力用户行为分析技术路线

（1）数据准备和采集。

数据来源主要包括95598业务支持系统、SG186营销系统、用电信息采集系统、电子渠道后台数据、电能质量服务平台等方面。主要包括以下几个方面的数据信息：

基本属性：用户编号、用户名称、立户日期、户名、供电单位、合同容量、行业类别等；

交费行为：电费发行日、实收日期、应收电费、实收电费、实收日期、交费方式等；

用电信息：应收电量、违约用电历史记录、违法用电历史记录等；

渠道数据：渠道绑定状态、渠道总体使用情况、渠道功能使用情况、服务评分。。

数据采集方法有ApacheFlueme、ETL数据抽取、数据复制、企业服务总线等，可以根据实际业务采取所需的数据采集方法采集所要分析的数据集。对于数据存储，可以使用根据存储读写效率、存储成本、存储管理的不同，运用不同的大数据存储方法，如分布式关系数据库、分布式文件存储系统、分布式内存数据库、分布式非关系型数据库等。一般来说，大数据存储具有低成本、高实时性、高扩展型等特点。

（2）数据分析

大数据分析是运用大数据分布式计算方式，结合分析模型对初始数据进行数据分析。其主要基于人工智能，机器学习，模式学习，统计学等。上述方案基于初始数据开展数据质量治理、元数据管理、数据应用服务推送、数据结构重组、扩展数据维度、轻度统计汇总、语音语义解析、语速语调究解析等数据处理作业，实现基于聚类分析、回归分析与等模型算法的模型构建应用。

（3）数据应用

数据应用包括客户服务管理分析、内部运营管理分析、市场营销和电子商务建设水平分析、电网建设情况分析四大应用体系，在公司总部决策支撑、省公司服务协同、客服中心运营提升、增值业务发展四个方向上的泛在化大数据服务支撑。

4结束语

基于大数据技术的电力用户行为分析研究，对来电用户根据工单内容与来电频次，进行用户群的细分，可提高对一线人服务人员及营销策略制定人员业务培训与服务改进的针对性。针对不同的用户群，可采取个性化与差异化的营销服务，提供主动的精准服务，进而提高用户服务感知与供电服务质量，降低投诉风险，提高服务满意度。

参考文献：

[1]王征.基于大数据分析的某供电公司客户服务过程优化研究［D］.华北电力大学.2017.

[2]陶鸿飞，王征，周晟.95598数据分析助推客户服务[J].农电管理.2016（03）

[3]李伟，张爽，康建东，等.基于hadoop的电网大数据处理探究[J].电子测试，2014（1）：74-77.