《电力大数据》提升企业价值的电力大数据

4.3 基于数据的电力增值业务服务

随着人们生活水平的提高，对电力服务品质的要求也越来越高。为了站稳市杨，为电力客户提供更加优质的品牌服务，就要在为客户服务的过程中注重细节，不断提升。在开展电力服务时，可以依据服务的不同特征，把服务区分为标准化服务和个性化的増值服务两个层次。从目前的情况来看，电力客户服务人员在为客户服务的过程中，已达到标准化服务。但要想达到客户预期的服务阶段，需进一步提高认积，开展个性化的增値服务。下面以用户能耗分析及用电方案优化为例进行介绍。

用户能耗分析及用电方案优化

1.现状和需求

电力大客户在用电时，因为存在功率因数过低、三相严重不平衡等问题导致电能损耗过大、电能利用率低的情况;居民用户存在用电浪费、电器使用不经济等情况。上述情况不仅造成电力资源的浪费，而且形成用电安全的潜在风险。一旦风险转化成事故，除了用户遭受损失，也会影响电网的正常运行。

随着用电信息采集系统的建设与应用，电表每日产生大量各类用电相关信息，利用这些信息，并将用电信息结合气象资料、企业的生产等数据进行相关的挖掘与分析，给予用户合理的用电建议，引导用户优化用电行为，降低用能费用，可极大保障客户经济利益，提升客户服务满意度。

2.应用场景

基于大数据的用户能耗分析及用电方案优化，能够深度挖掘用电信息、电费信息及用户负荷等数据的价值，采用分布式计算、数据挖掘分析等技研究用户的负荷特性及用电行为习惯，构建用户用电意愿、业扩报装、环境因素、行业用电结构变化与电量变化影响关系模型，对用户用电能耗进行分析与信息推送，引导用户合里优化用电行为。

基于大数据的用户能耗分析及用电方案优化包括如下流程：

1)数据聚舍。通过数据采集、清洗、存储和处理技术:，聚会用电信息采集敖据、客户服务数据、地理信息数据、人口和气象数据，达到海量、多源、异构数据的聚集、管理与融通，形成融会贯通的用户侧大数据资源。

2)用电行为特征分析。针对电力数据与其他各数据所承载的不同数据特征，研究这些特征的提取技术和描述机制，为上层的应用提供分析基础。结合外部数据，研究地理信息数据、气象数据、人口数据等。进而，基于面向用电行为提取海量数据中的各类特征，支持用电行为模式的认知与理解。

3)用电行为模式认知。用电行为模式的认知是现众多用电行为的规律，利用各类数据分析发现影响用电行为的各种关联因素，提取用电负荷、电量、电费台账、缴費信息、落户信息、电网网架结构、电价政策、天气参数等相关数椐，建立多层次、多粒度、多方面的用电行为模型，从不同分类视角、不同时空粒度，综合全面描述用户用电行为，建立模式识别方法。并以此为依据，利用各类数据，从用电行为上将相似的用户聚类，并对每类该用户的行为模式进行识别与分析，提取模式特征，支持用电行为模式的深入理解。

4)用电行为理解。影响用电行为模式的因素众多，需要从时间、空间、用户类型等多个维度，分析自然、社会各种潜在因素对用电行为模式各类因素之间的关联强度。影响用电行为模式的各个因素关联强度也各不同，为此，需要利用关联挖掘技术分析影响因素集合和用电行为集合之间的频繁模式、关联性、相关性或因果结构，从而针对特定的用电行为，从众多因素中发现、提炼与其关联的影响联的影响要素，建立精细化用电模式与影响因素的关联模型，从而进一步理解用户用电行为。

5)综合应用。理解各类因素与用电行为模式关联关系，可面向政府、居民和工商业用户提供定制分析服务类应用。如面向政府提供经济发展趋势预测、区域居民房屋空置率分析、电价和补贴政策的决策支持;面向电力用户的精准营销辅助决策、用户信用评估、需求响应方案制定、能效提升方案制定。

3.预期价值

基于大数据的用户能耗分析及用电方案优化可以提高能源利用率，降低用能费用，保障客户的经济利益，也有利于电网削峰填谷，平稳运行，促进以“电力生产为中心”向“以客户为中心”的模式转变，提升供电服务满意度，提升企业社会形象。

书名：电力大数据：能源互联网时代的电力企业转型与价值创造

ISBN：978-7-111-51693-4

作者：赖征田

出版日期：2016-01

出版社：机械工业出版社