（国网长春供电公司 吉林长春 130000）
摘要：长春供电公司自1999年起就致力研究电采暖产业发展，积累了丰富的工作经验和大量的案例数据. 伴随着IT新技术的发展，基于公司基础数据充实，客户资源丰富，充分利用先进的电量电费自动化采集系统和专业化的管理团队，在国内率先创新研发了节能型电能替代产品大数据分析云平台，通过采暖客户数据的智能分析，使业务系统运行在云平台之上，推动了吉林省电采暖产业的快速发展。
关键词：大数据分析；人工智能；BP神经网络
1概述
近年来，国网长春供电公司认真履行社会责任，充分发挥电能在能源优化配置中的积极作用，在工业、商业、民用等各个领域全面深化电能替代战略，力争实现从满足电力需求到引导电能消费营销服务模式的转变，促进经济社会安全、高效、清洁发展，利用大数据和移动互联网，集“云计算”和“物联网”技术为一体，建立电采暖大数据库和数据中心，依托部署在电采暖客户现场的定位系统、传感温控装置、智能电能表和无线通信网络对电采暖客户供暖进行全面监测服务，指导客户科学用能，达到安全节能、经济运行的目的。
2 电采暖基础信息
电采暖起源于上世纪二十年代，1926年欧洲开始应用电采暖，1930年，美国和日本电采暖占供暖总量的80%，其他一些发达国家电采暖比重也均超过50%。而我国90年代才开始引入电采暖技术，即使在北方城市，电采暖的市场份额也很小。究其原因，这既有传统供暖效果优于电采暖先入为主的错误观念，也有对电采暖高耗能认识的误区，更有不敢尝试新生事物的观望。
其实随着技术的不断突破，电采暖已发展成为电锅炉、发热电缆、电热膜、环流散热器、地源热泵五大类。从我们近年来监测的使用数据来看，电采暖在节能性、舒适性、稳定性和经济性等诸多方面都明显优于传统供暖，尤其是电采暖可实现分区、分时人性化控温，已逐步被人们所认识、所接受、所喜爱。
目前，吉林省在电力供应上是“发电大于需求”，尤其是冬季供暖期间“窝电”现象严重，“弃风”问题突出，因此，推动电采暖方式快速发展是解决上述问题的有效途径。
2.1.长春市市区电采暖布局图
基于长春市城区电采暖用户信息档案，从营销数据平台中提取出相关数据信息，定位长春市电采暖建档运行用户的地理标识，并标注典型电采暖客户，制作长春地区电采暖现状布局GIS展示平台。通过布局图可以显示出市区中各集中区域的电采暖用户的相关属性，使用容量，供热面积及各月的用电量情况，并按颜色区分出各用户使用的电采暖型号类型。通过数据说明更加直观的反应电采暖在市区的整体发展布局，从中挖掘其独特的分布规律，使公司能够掌握市区电采暖市场发展现状。
展示平台以数字地图为基础，以多个图层层叠的方式同时在一个地图可是范围内展现区域电采暖整体信息数据和个人用户基本信息数据情况，如图1：
图1市区电采暖布局图
2.2 长春市电采暖基础信息展示功能
目前，长春市区电采暖用户4000多户。通过调取系统基础信息展示电采暖总体情况，如：总体面积、各类型电采暖设备使用占比、电采暖总体电量、用电容量、非居民户数、居民户数、非居民容量、居民容量、总体居民年用电量、新增居民年用电量、居民使用电采暖设备类型占比等等。
举例：各类型电采暖用电情况、各类型电采暖产品型号实际供热面积占比。
图2 各类型电采暖使用情况占比
2.3 建立电采暖客户数据分析展示模块
电采暖数据分析表的建立，针对不同类别用户以及不同电采暖产品在实际中运行数据的记录，能够直观反映出其与集中供热的成本差异。另外针对不同用户所具有的独特属性，结合实际应用效果，跟踪产品售后，为客户量身打造合理化建议，满足客户需求，从而提升公司的品牌形象。
3 技术分析及原理
通过对省内所有电采暖成功案例对比分析，能够帮助客户科学选择电采暖方式，能够对新建和改造的电采暖客户自动生成最优的电采暖配置方案，达到“客户、企业、社会”多方共赢目的。
3.1 分析方法
3.1.1 通过用电信息采集系统和营销业务应用系统分析
获取客户用电信息和客户档案，确定用户号、采暖面积、采暖时长、温度需求等数据项，开展对于东北地区有针对性的能源替代相关的大数据分析，建立能源替代的分析体系，利用PCA算法和BP神经网络算法构建分析模型，探索发现适用于使用电采暖的用户类型，做到供电公司的精准营销，实现以电代煤、以电代油的精准替代，提高电采暖方案的科学性，达到节能减排缓解雾霾的作用。
3.1.2基于人工智能AI算法的电采暖大数据分析
供暖形式主要分为电采暖和传统集中供暖两种，这两种形式对于不同的用户类型有不同的最优选择，通过主特征提取和相应的人工智能AI算法，为用户提供适用的供暖方式，能够为电供暖重大决策提供案例参考和数据支撑，为客户提供增值服务。
3.2 基于人工智能AI算法的大数据原理
经过分析用电信息采集系统和营销业务应用系统，我们可以首先获取用户类型，室内采暖平均温度、室内面积、供暖时间/月、采暖耗电量、当年电价、采暖设备投资、平均总投资等特征，将这些特征作为PCA算法的输入，合并成一个高维向量，通过一个特殊的特征向量矩阵U，投影到一个低维的向量空间中。低维向量就是作为BP神经网络的输入，即主要的特征向量。通过降维后，剩下了住房面积、用户密度、电价、需求温度、供暖时间、建设成本、外界温度等特征。
在BP神经网络中，单个样本有8个输入，5个输出，在输入层和输出层之间通常还有若干个隐含层。此BP神经网络分为输入层、输出层和中间层，是一个8维到5维的映射。通过输入训练集可以训练出BP神经网络，对于后续用户推荐起到重要的作用。
把神经网络运用在测试集，根据交叉验证等方式，完善BP神经网络。其中在BP神经网络中，输入层和输出层的节点个数都是确定的，通过BP神经网络，可以通过训练一些历史数据，让BP神经网络模拟成为一个电力方面的熟练工种。为用户提供精准的推荐，让用户有更好的用户体验。
4 结语
利用大数据和移动互联网，集“云计算”和“物联网”技术为一体，建立电采暖大数据库和数据中心，依托部署在电采暖客户现场的定位系统、传感温控装置、智能电能表和无线通信网络对电采暖客户供暖进行全面监测服务，科学指导客户实现“以电代煤、以电代油、以电代气”的精准替代,提高电能占终端能源消费比重、降低大气污染物排放，根据不同电能替代方式的技术经济特点，因地制宜，分步实施，逐步扩大电能替代范围，形成清洁、安全、智能的新型能源消费方式，达到安全节能、经济运行的目的。
大数据的海量化、多样性、快增长特征，向传统数据分析和处理技术提出了更高的要求。公司可以基于大数据分析更好的进行科学决策和增值服务，未来大数据分析和预测技术将会被更广泛地应用到日常生活中，深刻变革电力客户的生活。
参考文献
[1]王位伟.浅谈大数据将给电商发展带来哪些改变[j],经济.2017.03. 02.
论文作者:侯亚茹
论文发表刊物:《电力设备》2017年第11期
论文发表时间:2017/8/4
标签：电采暖论文; 神经网络论文; 数据论文; 客户论文; 用户论文; 大数论文; 电能论文; 《电力设备》2017年第11期论文;