摘要：随着营销信息系统应用实用化的不断推进，各营销信息系统在负控管理、配变监测、低压集抄、抄表结算、用电检查支持、负荷管理、有序用电、优质服务、线损分析以及营配系统数据支持等方面发挥了重要作用。同时，表计规模数据的不断扩大，系统应用的不断深入，系统的数据分析功能也越来越重要。面对海量的用电数据信息，进一步挖掘这些数据的应用价值成为当前需要研究的重要课题。
关键词：大数据；电力营销；信息化；建设
一、电力大数据环境的相关要点概述
1、电力大数据平台及其特征
大数据平台具有以下四个特征，规模性是指电力数据数量比较庞大，而这些庞大的数据，又不是杂乱无章的，它具有一定的规模性，规模大切有一定的规律。多样性是指数据的类型比较多，虽然数据是多种多样的，但还是存在类型的，不至于在数据中无法归类，类型化的数据更容易进行整理，也能更好的从中找出规律，为电力企业的发展提供便利。高速性是指数据流的速度比较快，并且数据的处理速度也比较快，可以同时达到高速处理，这对大量数据同时处理提供了很大的便利，提高了工作的效率。价值性是指电力数据蕴含着简单的数据处理所达不到的潜在价值，正因为有这种价值的存在，才是企业投入大量的人才来设计电力营销的策略，为电力企业也提供很大的价值。
2、电力大数据的关键性技术
电力大数据的关键技术是为了能够促进电力营销的快速发展，以及满足各项工作的在发展过程中的需要，电力大数据的关键数据包括四个技术，集中管理，分析相关数据，处理数据，数据的形象化。集成管理技术是把来自两个或多个应用数据合并，把不同来源，格式，特点的数据在逻辑上进行有效的集中，存储为一系列面向相对稳定的数据集合，为系统提供全面的数据共享。分析技术利用统计学和计算机中的分析等技术来从大量的电力大数据中普遍存在的规律，根据此规律进行决策，这种规律能够为决策人员提供准确的理论支持。处理技术包括分布式计算技术，内存计算技术和流处理技术，这些技术使用于不同的领域，包括解决解决大数据分布式的存储和管理，高效的传统的电力营销出现很多不足还需要继续改进，第一，电力营销只能事后进行统计分析和实时监控，没法做到同步跟进，并且数据分析的能力不足，没法找到隐藏的问题，第二，电力营销的数据分析是单一的，并没有对数据的因果关系做出准确的分析，描述等工作尚未开展。读取和在线的计算以及处理那些规模不受控制的数据各自发挥作用，结合起来推动整体的发展。
二、大数据平台建设的整体规划
1、科学的架构对平台的建设所带来的好处电力营销逐渐和信息相挂钩，所以，能够将电力营销和信息化相结合就走重大意义。大数据平台的整体架构只要由九个部分组成，分别是数据仓库，大数据的访问系统，大数据的调度系统，数据的备份和恢复，各网络层次，数据管理系统，商业中的智能应用，操作系统和服务器九个模块。九个模块之间具有一定的联系，通过一定的顺序进行工作，最后达到信息化的目的。由九个模块构成的科学架构，给电力营销带来巨大的优势，它可以通过一系列的分析，得到用户的相关信息，根据信息，得出客户各方面的需求，根据客户的需求做出相应的产品，从而促进电力营销的发展
2、电力营销的使用平台。在大数据中，可以通过对用户的历史数据进行分析而对用户的信用进行公正的评估，这种方法更加的简洁有效。分析客户服务，在现代生活中，服务业高速发展，而在电力营销中，服务的发展更为重要，在大数据中对客户的服务记录，客服中心，来电，投诉电话进行分析，总结客户的偏好，满意程度，从而得到改进的方向。通过客户的诉求，进行针对性的服务，提高客户的满意程度和用电体验，有利于客户进行新的电力营销，促进电力营销的发展。
期刊文章分类查询,尽在期刊图书馆
3、全面的服务系统。建立一个中心明确的电力营销中心，并且需要每时每刻的监控数据的变化，管理制度也需要做出相应的改动，形成一个纵横交错的管理体系。促进建立省级的用电计量检测中心，建立电能计量管理进一步的实现集中存储电能，统一监督服务系统，集中的检查求送情况，统一将电力配送到各用户，这样才能对电力系统进行全面的管理，提高其寿命的长度，提高用户对电力的用电感受。
三、大数据环境下电力营销信息化建设策略
1、用电数据辨识、评估。系统针对不同的用户群，可以配置不同的识别规则组，以便达到最佳的数据辨识效果。通过配置规则组内的各个子规则，识别过滤异常数据，确保结算数据正确性。对于缺数、无法采集到的数据，通过一系列的评估规则，给出最合理的数据。系统对数据修补具备自学习功能，自动匹配最接近实际情况的数据用于数据修补。比如，在采集过程中，发现某些时段缺数，最常见的修补数据方式是直线修补。数据分析系统提供的大数据处理引擎技术，会根据设定的规则找到最接近缺数那天的用电数据，选取缺数时段的数据进行数据修补，使数据更加符合实际情况。
2、可疑窃电行为分析。识别窃电行为是复杂的数据分析过程。用户根据生产情况，随时增加或减少用电负荷。如何在变化的用电数据中过滤出有可疑窃电行为的用户，需要通过一系列事件、营销信息系统采集到的相关数据进行多维度数据分析，并建立漏斗型识别模型，最终筛选可疑窃电清单，并按照可疑程度排序，指导用电稽查。除自动识别窃电行为外，系统综合展现用户的用电情况、停电事件、停电恢复事件以及电表编程参数更改事件等数据，方便通过人工方式确认用户是否存在窃电行为。
3、判断依据：其一，用电异常系统能定时每天/每周进行用户用电异常分析。电量分析的数据包括本日（月）与上日（月）电量的比较。当变化范围超过一定阀值时，得到用户用电异常清单。电量变化阀值可以由用户根据实际情况进行配置。其二，失压、失流等报警事件根据用户计量设备的报警事件，如失压、失流和计量门打开等异常事件，结合计量设备的负荷数据进行综合分析，得到准确的用电异常清单。其三，线损异常根据10kV馈线线损、台区线损中线损异常的数据进行分析，得到对线损异常影响较大的表计，将其标识为用电异常清单。
4、用户用电设备负荷分析。通过分析用户的负荷情况，筛选过载的线路、变压器以及接近过载的线路和变压器，为线路和用户扩容提供数据；按过载的频率、过载的容量，提供技改优先级排序的名单；系统可以从宏观（整体）和微观（单台变压器）两个方面提供变压器负载情况的分析数据。应用范围：根据用电设备负载率数据趋势分析，为用户提供用电建议；对用电设备负载异常的用户提供报警信息，及时提醒用户关注；对长期过载运行的设备，给出风险警示。
5、用户用电特征分析。分析用户用电量、用电负荷、用户行业、用电性质、峰谷电量比例、最大需量以及功率因数等数据，建立用户用电信息模型，提出用电行为改善方案，指导其合理用电、科学用电、经济用电。根据用户的用电特性，可以为用户用电趋势分析提供数据支持。另外，通过用户用电特性数据的综合统计，为政府机关或主管部门提供不同的用电报表。
结束语
在大数据平台的基础上进行电力营销，这样提供了很多的便利，通过数据的分析能够掌握更多客户的需求，根据需求制定电力产品，能够有效的促进电力营销的发展，从而提高电力营销业务的服务能力和服务质量。
参考文献
[1]周文珏.基于大数据平台的电力营销信息化建设分析[J].科技风,2018(29):136.
[2]孙涵.大数据环境下的电力营销信息化建设探讨[J].技术与市场,2018(18):104-106.
论文作者:杜斌
论文发表刊物:《电力设备》2018年第29期
论文发表时间:2019/3/26
标签：数据论文; 电力论文; 用户论文; 系统论文; 异常论文; 技术论文; 客户论文; 《电力设备》2018年第29期论文;