淺談不同行業同期售電數據挖掘平臺的設計與實現

徐有慶 支 旦 蔣 峰 奚允峰

（蘇州三新供電服務有限公司，江蘇 蘇州215000）

1 概述

深化企業數據價值挖掘和應用, 開展年度統計重點工作,提高統計工作效率、數據分析水平、企業競爭能力；通過構建多維度數據分析體系,全面掌握用戶生產規律和用電特點,運用大數據自學習模型,支撐發策、調度、營銷工作計劃,為各項業務開展提供便利；以主動、精益、高效的服務抓住用戶的心,從而實現數據“價值鏈”穿透管理法助推公司“三型兩網”建設。

傳統的系統負荷預測依賴于大量的自身歷史數據和數學分析, 無法滿足由于負荷結構變化和清潔能源并網容量增大等原因導致的負荷分析和預測新需求, 迫切需要對影響電網負荷波動的因素進行深入挖掘,對負荷成分進行剖析、分解,針對不同的成分和影響因素展開精細化的分析和預測, 再將各類影響進行通過綜合優化模型進行匯總和修正, 獲取準確率的全網負荷預測結果,提升電網運行安全水平。

2 售電數據挖掘平臺的設計與實現

2.1 建立精準預測體系

評價模型需要在海量數據環境下周期性地進行統計、計算、分析,對平臺性能有很高的要求。考慮采用大數據計算的系統架構,基于分布式架構實現批量計算、流式實時計算,利用分布式消息總線技術實現多個節點的通信, 利用分布式緩存提升讀寫性能,兼顧整體性能、可靠性與可擴展性。用戶用電行為的時空算法,既根據用戶的時間維度(小時、日、周、月、季、年)和用電潮流的空間維度,利用凍結電量算法、電流算法、電壓算法、超容和私自啟用算法,分析用戶用電異常。

2.2 凍結電量算法

將凍結電量表里的沒有除以綜合倍率的電量數據, 和功率表里的通過用戶編碼、名稱、電能表資產編號進行匹配,除以綜合倍率(綜合倍率為0 的數據不處理),然后比較同一家用戶的,電能表資產編號V 開頭的電量(終端虛表)和電能表資產編號非V 開頭的電量(計量表),比較后,統計出大于20%(用戶可以在配置文件中設置)的異常數據,以列表的形式展示出來,支持導出excel 表。同時,根據電量表的空間關系,進行空間維度分析。

2.3 電流算法

2.3.1 負數判斷：將電流表里的所有數據(采集維度為15 分鐘),判斷24 小時(24 列數據)均為負數的數據,且這些數據的最大值超過平均值的20%。負電流用戶再檢查其凍結電量,有反向有功的用戶作為異常戶統計出來。

2.3.2 三項不平均：電流表內一塊表分為A、B、C 三項,比較每塊表的24 小時(24 列數據)分別的A、B、C 三項,如果三項之間滿足以下條件,三項均為20 以下,不考慮,三項均為20 到100 之間,任意兩項差超過50%,為異常數據,三項均為100 以上,任意兩項超過30%,為異常數據,只有24 點(24 列數據)均滿足上述異常數據,才將這3 條(A、B、C)數據統計出來。同時,根據電量表的空間關系,進行空間維度分析。

2.3.3 高供高計比較：將電流表格和功率表格相匹配后(按照用戶編碼、用戶名、終端地址和電能表資產編號),凡是PT 變比大于1 的表,均為高功高計；凡是PT 變比等于1 的表,均為高功低計。高供高計的數據, 如果A 項電流減去C 項電流, 差大于10,24 小時內找到一條符合這個條件的數據,則為異常數據。高功低計的數據,A、B、C 其中一項大于10,且另外2 項均為0,24 小時內找到一條符合這個條件的數據,則為異常數據。同時,根據電量表的空間關系,進行空間維度分析。

2.4 電壓算法

將電壓表和功率表相匹配后(按照用戶編碼、用戶名、終端地址和電能表資產編號),凡是PT 變比大于1 的表,均為高功高計；凡是PT 變比等于1 的表,均為高功低計。其中高功高計的數據,凡是AC 任意一項小于10,24 小時內出現一次, 均為異常數據。對于高供低計的數據：1、AC 項任意一項均為0,為異常數據。2、A、B、C 任意一項大于260 或者低于170 為異常,24 小時內出現一次,均為異常數據。滿足上述的電壓異常數據,以列表的形式展示。同時,根據電量表的空間關系,進行空間維度分析。

2.5 超容和私自啟用算法

2.5.1 超容： 用采集系統表中的日最大功率除以營銷系統用戶運行容量,其中功率選最大值(參數控制,1 代表最大值,2 代表第二大值),結果大于1.5(參數控制)的話,作為異常數據拋出。同時,根據電量表的空間關系,進行空間維度分析。

2.5.2 私自啟用： 用采集系統表中的日最大功率和營銷系統用戶運行容量對比, 其中滿足運行容量為0 且日功率不為0 的,作為異常數據拋出。同時,根據電量表的空間關系,進行空間維度分析。

2.6 高頻干擾分析算法

2.6.1 找出異常戶數：電流數據滿足ABC 三組均為“-”且出現連續“-”大于等于N(參數控制)次,作為異常將這些戶數拋出。

2.6.2 用戶在電網系統中,將2.6.1 中的戶數的某一戶的當月電流表和點電量找出,根據這兩個表開始查詢：電量表中,取點能量最大的十個值的平均值作為比較量b。找出30 天中哪些符合和2.6.1 中一樣情況的異常天數, 將該天的凍結電量作為a 和b進行比較,其中(b-a)/b 大于30%(參數控制),作為異常數據拋出。

3 售電數據挖掘平臺效果分析

3.1 建立用電習慣檔案,深入挖掘用電規律

項目遵循以大數據和數據擬合處理方法為手段, 最大化發揮企業數據資源價值,支撐“大客服”建設,提高客戶滿意度。應用“大云物移智鏈”等現代信息技術,先進通信技術,研究售電量校核方法、不同行業用電特性,挖掘重點行業不同生產階段的用電特性、天氣、氣溫及中美貿易對用電的影響、售電量預測方法。同時,深入挖掘公司用戶用電習慣,建立用戶用電行為多維度模型,不斷優化細化用戶用電預測方法。透析大用戶用電特性,實現用戶戶差異化服務,優化業擴接入方案,調整設備檢修計劃。結合電力泛在物聯網的使用場景,以售電量為核心,適應社會形態、打造行業生態、孕育新興業態,支持“三型”能源互聯網企業建設。

3.2 創新擬合統計方法,精確預測用電行為

應當打破以往簡單的電量預測流程,構建滾動化、準確化、智能化的電量預測體系,提高了公司的電量預測水平。目前,僅在收集年售電量數據的基礎上, 新型電量預測體系將預測的偏差率由原來的20%縮小至5%。隨著未來數據量的增加,新型電量預測體系的準確率將持續提高。在準確預測電量的基礎上,公司各項核心業務的管理水平也得到了極大提高。在公司統計線損管理中提高了線損管理水平, 提高統計頻率的同時通過自動生成報表減少了統計工作耗用時間, 并且由于新型電量預測體系的閉環管理, 加強了預測準確性的同時減少了預測工作的人力成本；在電費回收中降低了資金回收壓力,使得用戶售電量分析更直觀、更準確、更清晰,有效降低電費回收風險,同時為個性化服務的開展夯實了基礎,使得服務水平明顯提升；在財務現金流預測中減少了售電收入的偏差,使得現金流預測更科學、更合理、更適應企業的長遠發展,有效控制現金流量,緩解資金緊張,提高資金使用效率。

3.3 遵循用戶用電特性,強力優化客戶服務

通過構建新型業擴接入管理流程, 優化了用戶的供電方案,降低了用戶的用電成本,提高了電網的供電能力,實現了公司的精準投資。通過構建用戶停電檢修新型管理模式,優化了公司的停電檢修時間安排,減少了企業經營對用戶用電的影響,使用戶感受到真正用心的供電服務, 提高客戶滿意度和電網的供電可靠性。

4 結論

公司通過地區大客戶的個性化服務,實現了公司用能側的主動管理,更好地適應了用戶快速多變的服務需求,使客戶享受到更貼心的用電體驗,提高了公司的社會滿意度,增強了公司在電力改革中的競爭力。