国网湖北省电力公司鄂州供电公司 436000
摘要：本创意基于电力用户用电信息采集系统中的多表合一小区客户电表采集明细数据，创新应用大数据挖掘方法，建立k-means聚类分析算法为核心的用电量关联分析模型。实现“小区画像”分析、用户电量异常分析、台区电量增长需求预测及重过载预警三大功能，进一步发挥跨行业、跨业务数据关联价值，实现目标客户“精准营销”。
关键词：数据挖掘；模型；分析；供电；变压器
前言；
针对电力服务策略定位目标群体不精确，用户报修存在到场不及时等现状问题。通过“小区画像”实现电消耗群体分析，为公司精准营销服务“导航指路”。同时，结合小区入住率分析、人口规模预算，为网格员资源配置最优化提供参考依据，促进优质服务水平提升。
一、电力消耗群体分析
取多表合一小区5611个样本用户一周数据（2017年8月25日至8月31日数据），累计用电量78733千瓦时，从数量级分析，周期内用户电量值比例约为8千瓦时。运用k-means聚类分析算法，分析出电量优质客户群体。进一步分层聚类，得出群体数量以及小区、台区各类群体数量与占比。营业单位可根据不同小区、台区的用户群体特征，制定有针对性的精准服务策略。例如开展买电器送电费活动，选择用电平偏低的目标小区、台区用户，效果将更加明显。
结合网格员资源配置分析需求，运用IF函数算法将用户分为入住、非入住两类。根据两类特征，分析多表合一小区5611个样本用户，得出符合入住特征的用户为4111户，占比73.27%、符合非入住状态的用户为1500户，占比26.73%。进一步分层聚类，可得出小区、台区入住率情况。
综合上述分析，将用户群体特征、小区入住率、人口规模关联网格员，可以分析出网格员资源配置概况。从多表合一网格员资源配置情况看，存在明显资源配置不均现象。特别是网格员服务对象中优质客户占比最高，针对存在的问题，营业班进行了网格员资源再分配，分配后的网格员资源配置明显优化，用户报修到场服务效率得到了整体提升。
通过小区“画像”，有利于公司及电务部门迅速理清用户群体、小区、台区、网格员现状，为制定更精准、更优化的服务策略和网格员配置优化提供强有力的支撑。
二、电量异常用户分析
2.1分析内容
针对日常工作中存在的台区用户窃电难以精准定位、用户表计“自走”与电费“突增”等热点现象。通过电表数据关联分析，实现电量异动用户精准定位。为公司提升台区线损率、抄核收、数据质量管理等指标提供强有力的数据支撑。
2.2分析方法
2.2.1电量异动用户特征分析
结合实际工作中发生的违窃、用户投诉未用电但表“自走”、“费用突增”等异常现象，梳理异动特征。异动特征进行原因分析，可关联3大类业务，分别为用电检查、采集运维、供电营业。
2.2.2搭建主体监测场景
取2017.1至2017.7期间每月1号数据为样本，运用Tableau搭建多维度查询、电量关联筛选、异动用户定位、明细输出为一体的多表合一用户电量异动专题监测场景。筛查疑似窃电用户为例，通过自定义筛选条件设置数据日期2017.1.1至7.1，用电量为0度，可迅速计算出该时段内符合筛选条件特征的用户，点击用户可输出异动用户明细。同理，设置其它类特征的筛选条件，可以实现电量微走、飞走、负数等异常用户的快捷查询。
2.2.3制定异动筛选阈值
小组与业务部门研讨确定阈值条件：
按照阈值条件，筛查多表合一小区用户数据发现疑似窃电，电表档案对应关系错误用户24户，占比0.42%；疑似电存在损耗（未断电）用户46户，占比0.81%；数据质量异常的用户30户，占比0.53%。营销部门核查情况显示，多表合一用户电量异动监测准确率高，有效发挥了异动精准定位功能。
2.3分析结论
通过用户电量异动监测，实现了台区违窃用户、档案与线下用户不对应现象、数据质量异常等问题的精准定位。有利于强化现场用电秩序管理，促进电档案贯通；进一步提高优质服务能力，减少工作错差与经济效益流失；促进公司台区线损率、抄核收、数据质量等工作指标的提升。特别是在台区反违窃方面，运用电表数据关联挖掘，实现了台区反窃电由“抽象面”向“精准点”打击的高效模式转变。
三、台区用电负荷需求预测及重过载预警
3.1分析内容
针对传统的小区用电负荷需求预测不准确，导致供电质量下降、变压器长期重过载运行，甚至引发故障停电、安全事故等现象。采用更符合现场实际的台区入住率与台区最大负载率进行关联分析，预测台区入住率饱和状态下是否存在过载风险、触发台区重载过载条件的入住率警戒值，为公司制定台区改造计划，找准节日保电对象，提升运维管理水平“保驾护航”。
3.2分析方法
3.2.1 台区最大负载率关联台区入住率
提取pms2.0系统2017年1至9月中旬期间的台区负载率明细数据，通过台区名称、营配贯通编码与用电信息采集系统中的多表合一台区数据进行数据关联，输出台区最大负载率与台区入住率关联宽表。
3.2.2台区负载率及重过载风险预测
运用Tableau搭建集查询条件、重过载风险与预警值研判于一体的专题监测工具。主要算法如下：预测结果显示，26个台区中有4个存在重过载风险，其中重载风险1个，过载风险3个。针对异动预测结果，公司运检部高度重视，经现场核查与研讨，确认4个台区纳入整改计划，并列入节日保电重点对象。
3.3分析结论
运用台区用电负荷需求预测及重过载预警，实现了传统的需求预测从“经验”向“精确”的转变，改变了现有台区重过载“事后”监测向“超前”预警的跨步提升。
四、预期成效
通过开展基于多表合一数据挖掘的精准营销课题，在数据挖掘方法、技术上均取得了突破，有效促进了管理水平提升，主要体现在以下三个创新：
一是电量关联聚类，较为准确的分析了客户的类别和特征，确定了优质客户源。为公司合理配置服务资源，促进服务网格智能化提供有力的数据支撑。
二是通过电量联动分析，创建了新型客户关系管理模式，并通过数据产品输出。一方面丰富客户用电行为监测手段，另一方面开拓了外部合作模式，实现了电力公司与用户双赢。
三是通过电量、台区负载率多维度数据，建立台区电量增长预测模型，便于营销、运检部门进行台区改造及客户管理。
随着多表合一试点的推广，后期天然气和水用量等表计也将逐步合一采集。“基于多表合一数据挖掘的精准营销”将进一步发挥出“数据共享、业务融合”的价值，体现“你用电、我用心”服务理念，促进“智慧城市”发展，提升社会公共事业服务水平，解决为民服务“最后一公里”问题。
参考文献：
[1]王翔,代飞,高维忠,巢玉坚,吴博,胡红艳. 基于集合运算和组合式模糊条件的电力通信网故障定位[J].电力系统自动化. 2014(24)
[2]ZhengdaoZhang,JinlinZhu,Feng Pan. Fault detection and diagnosis for data incomplete industrial systems with new Bayesian network approach[J]. Journal of Systems Engineering and Electronics.2013(03)
[3]邱炜,贾明娜,王玮.改进蚁群算法在配电网故障区段定位中的应用[J].山东电力技术.2017(08)
[4]庹祖雄,朱于华,胡德洲,刘俊夫.一种混合算法在配电网故障定位中的研究[J].湖北民族学院学报(自然科学版).2017(03)
[5]钟建伟,刘俊夫,周文辉.一种BP神经网络优化算法在配电网故障定位的研究[J].内蒙古师范大学学报(自然科学汉文版).2017(04)
[6]王守鹏,赵冬梅,商立群,赵相政.基于线路分段参数的非全程同塔双回线故障定位算法[J].电工技术学报.2017(20)
[7]马小娟,马常胜.基于Zigbee无线技术和粒子滤波的风电机组无线监测系统故障定位研究[J].可再生能源.2017(09)
论文作者:何镇庭,金雅杰
论文发表刊物:《基层建设》2017年第35期
论文发表时间:2018/3/15
标签：用户论文; 电量论文; 数据论文; 精准论文; 网格论文; 小区论文; 异动论文; 《基层建设》2017年第35期论文;