摘要：本文基于大数据技术对电力用户进行用户画像进行了研究。介绍了用户画像的概念，分析了电力用户画像的数据挖掘及大数据技术架构，然后进行用户画像分析的具体介绍，包括对客户进行分类标签化，勾勒出该用户的立体“画像”；根据细分价值模型，自动生成重点服务客户清单；综合客户的基本信息、用电信息、信用等级等数据，给出科学的用电建议。
关键字：大数据；用户画像；电力数据；
Big data technology to realize power user profile analysis
Gui Jia, Li Kejing, Ke Boyu
State Grid Huangshi power supply company
Abstract：This article, basing on Big Data, provides descriptions about user persona of electrical users' behaviour, describes the definition of user persona, analyzes the big data and data mining structure of user persona, and introduces analysis of user persona, including classification of electrical users, sketching the hypothesized personality of a specific customer, creating a list of VIP with the help of value segmentation model, and offering reasonable advice to customers, according to their basic infos, their electrical consumption, and their credit level.
Key Words: bigdata, user persona, electrical data
1、引言
随着我国电力市场改革的不断推进，售电侧市场引入竞争已经是大势所趋。如何在竞争中脱颖而出，是供电企业必需面临的挑战。电力客户是供电企业的直接消费者，抓住客户的需求，给客户以方便快捷的服务才是供电企业生存的根本所在，提高客户满意度是我们需要研究的重要课题。通过大数据挖掘技术来不断探究沉睡的数据资产潜在的价值，有利于制定个性化的营销策略，从而提高客户的满意度，留住现有客户，开发增量客户。
电力用户画像分析以电力运营数据为基础进行分析，可以从大量的、不完全的、有噪声的、模糊的、随机的数据中提取隐含在其中有用的信息。通过电力运营数据的挖掘分析，变被动服务为主动服务，提高客户感知和满意度，为企业创造社会效益；为配网运行和规划决策提供数据支撑，提高供电可靠率，大幅降低配网运行成本，提升企业经济效益。
2、用户画像概述
对于电网企业而言，电力用户画像分析是建立在海量用电数据的基础上，根据用户的基本属性、用电行为、缴费行为和诉求行为的差异，开展特征分类、分级，从每种类型中抽取出典型特征，赋予标签的阈值，根据最终标签，结合业务需求场景，开展电力用户画像。
本文根据用采数据和营销业务数据，对专变用户进行客户“画像”。对各类型（营销系统客户分类&行业分类）客户进行区域划分统计分析并呈现数据可视化。以电力用户为主体，通过对用户个人特征及用户用电行为数据进行信息挖掘，从用户特征出发，赋予用户画像标签，分析不同用户的用电行为差异特征，进而挖掘用户行为的差异，为电力公司智能化管理提供理论依据。通过对区域集体的客户用电行为进行分析，获取区域用电特性，研判区域用电量，为区域配电设计提供有效依据，提升电力运维和优质服务的同时，为政府部门规划决策提供辅助决策。基于个体的用电行为分析和消费习惯分析，对客户进行价值模型细分，并为用户提供相应的科学用电建议。
3、数据分析及技术架构
（1）数据挖掘
国网黄石供电公司是国家大型一流供电企业，担负着黄石五区二县（市）供电任务，供电面积4583平方公里，供电人口268万，公司总营业户数约107万户。黄石电网西接武汉，北连黄冈、东送江西，是鄂东南电网的枢纽。
考虑降低业务复杂度，降低系统维护和系统扩展难度建设电力运营数据服务平台存储层使用Hive等数据仓库存放数据；计算层使用Spark等技术进行数据挖掘；表现层展现使用前后端分离：分离关注点、分离职责，前端关注用户体验。后端使用Restful架构，轻量、面向资源、数据描述简单、无状态和简单、低耦合。
本文是对湖北省黄石供电公司的用户数据进行分析，首先将各系统源采集的源数据文件存入大数据分布式存储平台，使用Spark批量读取，形成分布式数据集，使用ETL工具对分布式数据集进行数据结构转换、过滤、去重操作，进行数据清洗以去除敏感数据、重复数据、不完整数据、脏数据，将清洗后的数据集存入Hive数据仓库，使用Spark从Hive仓库中读取清洗后的数据，形成分布式数据集，对数据进行计算分析，将计算分析后的数据存储到业务系统数据库。
（2）技术架构
基于电力数据服务平台的创新研究定位，并满足未来数据挖掘功能的创新功能拓展，建立一个完备的信息化架构必不可少。该架构可以灵活快速地适应创新的业务需求，使现有的数据挖掘模型和业务流程具备良好的集成、共享、协作能力。总体架构按着目前流行的层级可以划分五层，主要包括接入层、传输层、存储层、处理层和表现层。
接入层处理现有电力系统产生的数据，包含用采数据和营销业务数据等；传输层对数据进行转换、过滤、去重等清洗操作；存储层存放对应结构化数据，提供大数据存储、备份、查询等；计算层对数据进行数据挖掘分析，这是整个系统的核心层次；表现层为用户最终看到的信息展示窗口和操作界面，直接面向操作用户。
4、用户画像分析
（1）客户用电行为标签化
标签是通过对用户信息分析得出的高度精炼的特征标识，最后将用户的所有标签综合来看，就可以勾勒出该用户的立体“画像”了。构建用户画像的核心工作即给用户贴“标签”，而标签中一部分是根据用户的行为数据（立户年限、电量等级、缴费渠道等）直接得到，一部分则需要通过一系列算法或规则计算得到。
标签名称主要包括：
合同电量：小、中等、较大、大；
用电类别：大工业用电，一般工商业，居民生活用电，农业生产用电与农业排灌用电；
季节特性：春季敏感、夏季敏感、秋季敏感、冬季敏感、不敏感；
负荷稳定性：低、中等、较高、高；
容量利用率：低、中等、较高、高；
电量增长率：大幅下降、下降、持平、上升、大幅上升；
峰谷特性：峰偏好、谷偏好、峰谷平衡；
用电单价：低、中等、较高、高；
（2）基于客户价值细分模型
从客户基本信息、用电量、违规用电情况、用电趋势、信誉信息、电压等级等层面进行分析，以数据集合方式生成重点服务客户清单。
主要的参照指标包括：合同容量、用电类别、电量增长率、用户违约、缴费习惯、用电单价和电压器年利用小时数等。具体的模型如下表：
（3）科学用电建议
根据用户的行为习惯与实际消费情况，对所存在的问题给予相应的优化建议。将用电客户按照条件说明划分类别，可查看某一条件下的所有用户，也可以查看单个用电客户符合的所有条件。
结合客户用电均价、基本电费占比、功率因素、用电政策等影响因子给出科学用电建议。展示居民客户用电量信息，反馈阶梯电价档位情况。客户的用电模式往往不止一种，存在多样性。通过对客户的用电规律和用电特性的深入分析，对不同客户的用电模式进行聚类分析，得到客户分类用电模型，针对客户制定对应的用电服务策略，主动服务客户合理用电。
5、结束语
用户画像是利用电力公司中用采系统、PMS系统和营销系统中的数据，借以聚类分析模型，通过统计图和可视化表格的方式，对个体客户和区域客户分别进行“画像”分析；根据细分价值模型，自动生成重点服务客户清单；综合客户的基本信息、用电信息、信用等级等数据，对专变客户给出科学的用电建议，并以统计图表的方式展示居民客户用电量及消费情况。
通过对客户用电行为进行“画像”分析，可以帮助提高一线员工的工作效率、供电可靠率，主动提供科学用电指导，提升客户体验及满意度，为实现主动精准服务并为公司相关决策提供支撑。
参考文献
[1]赵云山,刘焕焕.大数据技术在电力行业的应用研究[J].电信科学,2014,30(1):57-62.
[2]徐良军，张笑第，王立军.基于聚类分析的用户分类和用电行为分析[J].山西电力，2016（4）:23-27.
[3]阮文骏，王蓓蓓，李扬，等.峰谷分时电价下的用户响应行为研究[J].电网技术，2012，36（7）:86-93.
[4]王继业，季知祥，史梦洁，等.智能配用电大数据需求分析与应用研究[J].中国电机工程学报，2015，35（8）：1829-1836.
[5]周琪，杨洁，韩俊杰，等.基于大数据的业扩用户用电行为特征研究[J].中国电力，2017，50（10）：176-180.
[6]徐磊，杨秀，张美霞.基于数据挖掘的工业用户用电行为分析[J].电测与仪表，2017，54（16）：68-74.
[7]张东霞，苗新，刘丽平，等.智能电网大数据技术发展研究[J].中国电机工程学报，2015，35（1）：2-12.
[8]朱天博，傅军，杨一帆，等.基于用电信息采集系统用户负荷特性聚类分析[J].电测与仪表，2016，53（S1）:70-73.
作者简介
桂佳，性别：女，出生年月：198106，民族：汉，籍贯：湖北黄梅，学历：本科，职称：高级工程师，主要研究方向：电力工程及自动化；
李可竞，性别：男，出生年月：198208，民族：汉，籍贯：湖北武汉，学历：本科，职称：高级工程师，主要研究方向：电力工程及自动化；
柯波于，性别：男，出生年月：197801，民族：汉，籍贯：湖北黄石，学历：本科，职称：工程师，主要研究方向：电力工程及自动化；
论文作者:桂佳,李可竞,柯波于
论文发表刊物:《基层建设》2019年第24期
论文发表时间:2019/11/27
标签：数据论文; 客户论文; 用户论文; 画像论文; 电力论文; 黄石论文; 标签论文; 《基层建设》2019年第24期论文;