基于智能电表大数据的异常用电检测

异常或欺诈造成的非技术性电力损失是电力公司损失的主要源头之一。智能电表的广泛使用，使得运用大数据方法实现对非技术性电力损失的有效检测成为可能。提出了一种使用监督学习进行非技术损失检测的方法。该方法基于智能仪表记录的所有信息（耗电量、异常警报等）结合辅助数据库所提供的有关每个智能电表的地理位置和技术参数的附加信息，使用最优的机器算法来深入分析用电客户的用电行为，生成异常用电客户列表。通过现场检查的结果表明，该方法能够较为准确地识别智能电网中所存在异常用电客户。     

基于大数据的电力客户行为分析体系研究及实践

随着我国电力市场的发展,供电企业紧跟数字化发展步伐加快信息系统建设,各业务系统在运行过程中积累了海量信息数据资源,利用这些数据资源进行数字化分析已经渐渐成为供电企业的重点工作。在供电企业不断地拓展分析范围,优化分析方法的过程中,大量的数据资产被盘活,巨大企业价值与社会价值逐渐显现。大数据技术的使用可体现在电力系统运行的各种环节,为电力信息的商业化利用提供有力支撑。基于大数据技术的电力客户用电行为分析能提高电力系统的运行效率,为供电企业的实际运行提供决策依据。文章分析了国内、外电力行业大数据应用的进程及现状,根据不同类型客户的用电行为建立了基于大数据技术电力客户行为分析体系,对大数据技术的实践情况进行探究,实现电力客户用电行为的深度分析,为客户提供更优质的服务体验。     

强化用电检查服务功能，提升电力需求侧管理工作成效分析

用电检查部门应承担检查供电基础设施、提升电力需求侧管理工作的责任,从而保证电网稳定的运行。所谓提升电力需求侧管理工作,就是通过提高接收端的效率,改善用电使用条件。在相同的电能下使得能耗降到最低点,从而提高用电效率,节约资源、响应可持续发展道路。     

智慧用电管理系统中电力客户立体画像的构建及应用

为了实现智慧用电管理系统中电力客户的优化管理,需要对电力客户进行立体画像构造。提出了基于多维类别特征识别和角点标识的智慧用电管理系统中电力客户立体画像构建方法。用户画像信息跟踪采集模型,采用空间特征域分类方法进行用户画像信息分类处理。利用多尺度逐层分析方法进行模糊电力客户画像的精准定位,提取客户立体画像的用电类别特征量,采用特征域分类和分块匹配方法进行立体画像的误差修复,实现用户画像的特征快速准确定位。对提取的电力客户立体画像用电需求特征量采用支持向量机学习算法进行自适应分类,实现对智慧用电管理系统中电力客户立体画像多维构建。结果表明,采用该方法构建电力客户立体画像的特征细分能力较好,客户立体画像信息准确度高。     

电力营销中远程用电检查技术的应用

当前用电环境发生了巨大变化,给电力企业带来了新的挑战。电力是一种特殊的商品,也有营销,其用电量检测和控制是提高电力营销的关键内容。用电客户和用电安排越来越广泛,以往的检测方法早已不足。远程验电技术的使用可以有效地应对检测和检验的困难局面。本文论述了远程验电的重要技术,并对关键应用技术进行了分析。     

浅谈用电检查中的难点和对策

作为我国社会主义经济建设中一种不可或缺的能源资源,电力在使用过程中受到多种因素的影响和制约,用电检查已成为电力资源管理过程中不容忽视的一个环节。从用电检查的效率、线路损耗和窃电现象等方面对用电检查中的难点进行了重点分析,并提出相应的解决对策,以期提高用电检查的质量。     

基于并行分类算法的电力客户欠费预警

针对供电企业"先消费后付款"的经营模式可能造成用电客户因失信引发的欠费风险,需要在用电客户欠费行为发生之前实时快速地分析海量的用电用户的数据,给出潜在的欠费客户名单的问题,提出一种基于并行分类算法的电力客户欠费预警方法。首先,该方法使用基于Spark的随机森林(RF)分类算法对欠费用户进行建模;其次,根据用户以往历史用电行为和缴费记录使用时间序列进行预测得到其未来用电和缴费行为特征;最后,使用之前得到的模型对用户进行分类得到未来潜在高危险欠费用户。将该方法与并行化后的支持向量机(SVM)算法和在线序列极限学习机(OSELM)算法进行对比分析,实验结果表明,所提方法相对于对比算法在准确率上有较大提高,便于电费回收管理人员进行提前催缴,确保电费回收的及时性,有利于电力企业进行客户欠费风险管理。     

用户电气安全和供电部门的用电管理

在我国广大的农村地区,电力的使用主要分为工业用电、农业用电、生活用电等,这些电力客户使用电量在全国电力系统中占据超过一半的比重,故而农村的电力设施建设悄然兴起。在农村地区存在着低压电网较高低电网系统使用范围广,供电效果差等现象。农村地区电路系统老化、维护不及时、线路复杂、地形多变等原因都有可能威胁到广大人民的生命安全。笔者通过调查研究就电力用户用电问题提出自己的观点,并且针对这些问题提出一些对策,以保障电网的正常运行。     

应用大数据的居民用电客户电量异常检测

针对目前用电营业精益化管理不完善的问题，基于居民客户的用电量数据，运用k-shape聚类算法，按照用电类别及地域类型分类开展居民用电特征刻画，实现对居民用电客户特征进行精准划分。在此基础上，进一步利用孤立森林算法实现识别用电量异常的客户，智能协助管理人员发现异常用电行为及疑似电价执行差错等问题。提炼可实际落地应用的高质量、有价值、可变现的优秀大数据成果，进而堵塞用电营业管理漏洞，提升客户用电管理水平，助力泛在电力物联网建设对内促进质效提升的目标。     

对供电企业用电检查管理模式的探讨

随着电力市场的不断扩大,用电客户的日益增多,用电总量的持续增加,为确保供用电的正常运行,各大用电公司应该加强广大客户的用电情况的检查管理力度。本文主要针对目前国内用电检查的实际状况,探讨和分析了供电企业的用电检查管理模式,提出相应的改革措施,旨在加强与同行的沟通交流,不断提高我国用电检查的工作效率,促进电力事业的可持续发展。     

打造能源强势总部

上海市电力公司是国家电力公司的全资子公司，是上海地区从事电力生产和经营的特大型企业，肩负着为国际经济、金融与贸易中心——上海市提供电力保障的重任。而上海市的用电情况非常复杂，电力客户的范围十分广泛，大到220千伏的厂矿企业，小到220伏的居民用户，他们的用电需求直接影响着电力系统的电能生产。另一方面，用电管理业务非常繁杂，不仅包括营销管理、     

基于电力大数据的用户用电量多维度自适应分析系统

针对电力大数据利用率差的问题，设计基于电力大数据的用户用电量多维度自适应分析系统。通过客户等级划分、用电行为分析、窃电行为异常识别以及电力需求预测进行用户用电量多维度分析。测试结果表明系统很好地完成了四个维度的分析业务，具有一定有效性、广泛应用价值，能有效提高电力大数据利用率。     

基于集抄网络及SOM算法的用电异常预警机制

针对电力低压集抄网络的使用,基于集抄网络的用电检查手段将显著丰富,一些过往不可能实现的监测手段将得以开展实现。通过集抄网络对客户用电特性的收集及分析,可实现及时的异常预警,有效挽回人为及非人为原因造成的用户或国家财产损失,同时减少用户与供电部门之间的争议,提高用户满意度及服务质量。本文结合深圳供电局有限公司用电服务情况,基于集抄网络及SOM(SelfOrganizing Feature Maps)算法的提出一个电力异常预警机制,作为新型用电手段的探索。     

基于自适应特征权重聚类算法的用电问题分析

提升客服系统对于群体客户用电问题的分析与理解能力是改善电力行业客服质量的重要途径之一.本文基于数据挖掘中的聚类技术,以电力客服中心记录的客户用电问题为数据基础,建立客户服务数据分析聚类模型,进而提出了针对用电问题分析的改进的自适应特征权重K-Means聚类算法.实验验证了该方法可快速准确地实现客服数据的自动聚类,可挖掘出隐藏的客户用电问题关键信息,为改进用电力客服质量与潜在服务风险预测提供了技术支撑.     

对客户用电设备定期检查应注意事项

随着科学技术的不断发展,各种不同类型的用电设备充斥电力市场,使得用电需求量也在不断增加。而用电设备质量优劣不仅影响着供电企业的经济利益,还关系着广大电力用户的生命财产安全,所以对客户用电设备进行定期检查非常有必要。基于此,本文以《对客户用电设备定期检查应注意事项》为题,进行了以下几方面分析与探讨。     

基于遗传神经网络的电力市场需求响应效率提高方法

为了提高电力市场需求响应效率,提高成本收益,增强电力负荷特性,本文将利用遗传神经网络建立需求响应模型,提前一天获取电力市场需求响应情况,对电费影响较大的负荷进行调整。根据电力市场需求响应情况,设计峰谷组合的电力套餐,满足不同用户在用电方面的不同需求,优化需求响应中的用电有限理性行为。通过约束基础负荷与可调负荷,提高电力市场需求响应效率。实验结果表明,应用该优化方法后,电网提高负荷率始终高于对照组,有效地缩小了电网峰谷差,提升了需求响应效率,效果显著。     

浅析专变采集终端的现场安装和调试过程中应注意的要点

电力客户用电信息的现代化采集系统能够实现对客户实际用电信息的统一采集和处理,并能够实现用电情况的实时监控。采集终端主要由低压采集器、低压集中器和专变采集终端组成,其具体安装与调试要求熟悉其构成。笔者结合实际经验,对专变采集终端的现场安装、调试操作要点进行了简单的分析,旨在促进与同行的沟通交流,提高供电企业专变采集水平。     

电力营销业扩流程的精细化管理

现代城市的电网发展迅速,电力企业建设越来越规范,用电的客户对电力企业的用电量、用电服务和用电质量的要求逐渐提高。要提高电力企业的服务水平,就要打破目前的一家独大的现象,建立不同的经营模式,增加电力企业之间的竞争,实现商业化的运营模式是我国电力市场发展的方向。     

基于自然语言处理技术的电力客户投诉工单文本挖掘分析

本文主要结合浙江湖州电力业务需求,旨在打破客户对用电诉求存在的盲区,从而提高对用户用电需求的管理程度,实现热点投诉业务工单的原因挖掘。为了更好的深入挖掘投诉工单背后所蕴含的信息,研究基于自然语言处理技术出发,对电力客户投诉工单进行深入文本挖掘,利用隐马尔可夫模型等分词技术分析投诉工单中的受理内容,进行词频统计,通过TF-IDF算法计算关键词重要性权重值,提取权重值大的关键词频作为客户投诉文本挖掘的最终结果,并运用词云分析技术进行分析结果可视化展示;通过文本分类分析,构建文本分类器模型,实现对 “热点词频”在不同业务中的分布情况的研究,并根据结果开展相应改进措施。把控住当下电力客户投诉的主要问题,针对性的为不同类型的电力客户提供差异化的服务策略,从而提高客户满意度和忠诚度。专题的推广应用,能够很好的提升客服部门的工作效率,落在实处的为客户解决难题。     

基于深度神经网络的电力客户诉求预判

电力企业的客户服务关系到客户的切身利益和企业的经营效益,提升客服系统对电力客户诉求预判的分析与理解能力是改善电力行业客服质量的重要途径之一。为高效、针对性地解决电力客户集中需求,做到“先于客户所想”,本文以深度神经网络技术为基础,针对电力领域改进传统的中文文本分词技术以及特征提取方法,给出电力客户诉求预判的方法和流程,并通过实验验证。本文提出的方法可快速精准地对电力客户服务工单文本进行分类,挖掘出隐藏的客户用电诉求,将服务由被动变主动,第一时间解决电力客户潜在诉求。