摘要：随着电力技术的不断发展，将电力资源作为一种清洁资源替代不可再生资源得到人们青睐。对于电力营销来说，如何识别潜在的优质客户，进行电能替代，实施精准营销正是行业内研究重点。本文介绍了一种基于R语言的大数据模型，从营销业务应用、用电信息采集系统抽取基础数据，按照“行业-领域-客户”三层数据分析架构，建立潜力客户识别模型，开展电能替代全过程管理应用。
关键字：电能替代；R语言；大数据模型
一、背景及意义
随着经济发展和人口增加，能源短缺、气候变化、环境污染等问题日益突出，调整能源结构，提高可再生能源开发和利用效率，是实现节能减排的重要途径。国家电网公司提出的电能替代战略，对于保护生态环境、促进节能减排、保障能源安全具有重要意义。同时随着数据量的爆发式增长和业务要求的不断提高，传统的业务系统架构已经越来越难满足新形势下系统运行要求。大数据技术作为重要的战略资源已经在全球范围内达成共识，如何开发和应用好大数据这一基础性战略资源也是现在国家电网公司层面主要的研究方向。对于电力营销人员，要积极利用大数据这一新技术，加快电能替代，深度分析和挖掘潜在的优质客户和用电服务需求，准确的分析客户综合价值体现以及客户用电服务需求，将有限的服务资源集中到优质客户的关键服务需求上，从而提升电网企业在电改新形势下的竞争力，使电网企业保持长期可持续发展。
二、架构设计
2.1应用架构
电能替代潜力挖掘功能模块利用潜力挖掘识别模型，筛选营销业务应用系统数据，排查电能替代潜力客户，形成电能替代潜力用户清单，依托电能服务管理平台对电能替代潜力用户实施潜力客户信息维护，潜力项目、储备项目、实施项目管理，实施效果评估分析等全流程管理，实现从潜力挖掘-储备项目管理-实施管理-效果评估的完整闭环管理。
该模型作为功能模块部署在营销系统，通过潜力客户信息管理、潜力项目管理、电能替代实施项目管理、电能替代效果评估、基础信息维护维护等5大模块实现电能能替代全流程管控，同时支撑移动终端、外网app相关应用。应用架构如下图所示：
2.2集成架构
大数据电能替代应用，作为营销系统的一个独立子模块，支撑全过程管控应用，在营销业务应用中，数据库用户独立、应用模块独立。主要与国网公司统推的营销基础数据平台、电能服务管理平台与掌上电力APP有业务集成，如下图所示：
大数据模型是根据营销基础数据平台里的营销系统、用电信息采集系统的相关数据为基础，结合电能替代标杆企业信息，运用大数据分析方法，筛选出潜在的可能开展电能替代业务的用电用户。大数据模型采用的是开源的R语言来进行计算，使用的工具是RStudio、RTools等，计算出来的潜力客户清单推送到营销基础数据平台的相应表里，供营销系统里的电能替代全流程管控应用抽取、使用。
三、建模过程
3.1建模思路
通过大数据分析模型将待预测企业与标杆企业的特征进行对比分析，寻找出与标杆企业特征相似的企业作为有替代潜力的企业，形成电能替代项目储备库。建模过程中，数据贯通包括从数据抽取到结果输出 6 个步骤：
数据抽取：主要抽取智能电表提供的日电量、日负荷及营销系统中的用户电压、容量，以户号为匹配字段，生成每个用户的用电特征数据，为后续数据处理工作做准备；
数据初步处理：开展抽取的业务数据轻度汇总工作，实现部分字段的求和、求均值、计数等简单的计算；
数据准备：按照行业梳理分析业务数据，结合业务人员经验，定位标杆企业，提取数据特征，作为该行业日电量、负荷的标准，支撑该行业的模型构建；
数据转换：为适合模型对于输入数据的需求，需要对输入变量做一定的处理，使之更为符合正态分布的特征；
数据输入模型：对于已完成处理的数据代入构建的模型中，进行模型多次验证与计算；
模型结果输出：模型输出的结果推送至数据库中，并应用至电能替代全流程管控平台。
3.2算法选择
经分析，符合该模型的算法包括决策树、逻辑回归和神经网络三种，通过对三类数据挖掘方法对比分析，最终采用逻辑回归算法。
四、模型部署与应用
电能替代大数据模型作为一个子模块，部署在营销系统里，该模型的所有前台程序，如jar包、配置文件等，部署在营销系统的应用服务器上，对应的数据表部署在营销系统数据库的专属用户下。以Webservice服务的方式与国网掌上电力app进行双向交互，通过JDBC的方式访问电能服务管理平台和营销基础数据平台中的数据，完成部署后的模型应用界面如下图所示：
五、总结
本模型实施后，将有效的识别潜在的可进行电能替代的优质客户，通过提供有针对性的精准特色服务，刺激优质客户用电需求，同时提供可靠和合乎标准的电能服务，满足客户对用电服务的需求，从而提高用户满意度，增加客户粘性，为电力企业在提质增效、精益化管理、市场开拓、优质服务、新业务创新等方面提供有力支撑。
参考文献：
[1] 夏怀健,张文,贾素锦,林海英,贺新房. 基于大数据的电能替代用户识别模型[J]. 电信科学，2019(02):142-146.
[2] 罗志坤,徐勇,向洁,陈宏,刘潇潇. 基于机器学习的电能替代用户评估[J]. 大众用电，2019，34(01):16-17.
[3] 郑家波,陈卓. 浅析智能配电网中的大数据应用[J]. 集成电路应用.2018,35(10):70-71.
论文作者:卢艳艳,马超,李静,刘甲林,高琳,何甜
论文发表刊物:《电力设备》2018年第32期
论文发表时间:2019/5/20
标签：电能论文; 数据论文; 模型论文; 客户论文; 潜力论文; 业务论文; 系统论文; 《电力设备》2018年第32期论文;