采用客户信用评价挖掘客户价值

正2015年,浙江省电力公司整合线上线下的综合服务数据,分析客户的基本属性、交费行为等信息,提炼客户电费回收风险标签,搭建了科学合理的客户标签库平台,实现了对电力客户电费风险特征的精准刻画,在完善客户信息、掌握客户潜在风险、促进电费回收等方面取得了较大成效。目前,企业在关键业务如业扩报装、用电检查、营销业务中的服务应用尚缺乏与客户信用的深度结合,导致在开展业务服务过程中无法提前针对由客户信用缺失所造成     

出租房客户定位分析及电费回收策略

在"租售同权"的新形势下,出租房人数将迎来新高峰。由于对于流动人口难以管理,电力公司在回收出租房电费过程中常常存在信息沟通不畅、欠费高发、投诉纠纷高发、用电不稳定、用电安全隐患大等问题,为能准确定位出租房客户并采取相对应的电费回收服务策略,规范出租房客户用电行为,基于电力公司用户用电数据,运用大数据挖掘算法定位出租房用户。首先对出租房客户的基础信息、用电行为和缴费特征进行分析,根据分析结果提炼出对出租房分析影响较大的指标作为指标集,然后通过C5.0决策树算法进行机器自学习和训练,构建出租房用户判别模型。     

电网与用户双向互动中用电信息采集系统研究

用电信息采集系统主要实现客户用电信息采集、用电行为监控、电能质量分析、电费自动结算等功能。介绍了系统的构成并分析了系统的功能需求,提出了双向互动业务集成的总体架构和用电信息采集流程,对包括居民、大用户、移动作业、电动汽车、分布式电源的用电信息采集系统的业务构成和相应功能进行了研究,为用电信息采集系统的建设和推广提供参考。     

客户用电行为风险识别模型研究

随着浙江地区产业结构调整的加快,客户用电风险呈扩大趋势,及时掌握用户用电行为显得极其必要。利用用电信息采集系统中的大量用户日电量、实时负荷等数据,采用拉格朗日插值法、线性回归、标准方差等方法,构建了以用户日电量波动率、变化率、负荷利用率为基础的用电风险识别模型,可有效防控电费风险,并通过示例验证了模型应用的可行性。     

基于聚类与逻辑回归相结合的电费风险防控

为了解决在电费回收的过程中,遇到的回收不及时、回收难度大、电费回收不全等难点,严重影响了供电企业生产的最终经营成果。本文结合各个用户在近一年的各种生产活动产生的数据,建立与用户行为相关的模型。首先采用聚类的方法,根据最终得到的簇类,对重庆地区所有用户电费回收风险的类型有大致的认知。然后采用逻辑回归模型,并且针对高压、低压居民、低压非居民三种不同类型的用户分开进行分析建模,最终得到用户电费回收风险的得分。本文针对电费风险防控业务提出一种基于概率聚类逻辑回归模型,用于实现欠费风险精细化。分析、定位客户群体,提炼、归纳、总结客户特征,实现客户细分。基于客户细分结果提供精准的差异化服务。实践证明,该模型可为电网企业客户的风险评估实用化推广提供有效支撑。     

电费充值业务在惠州供电局的应用

介绍一种新型供电企业客户服务手段——电费充值技术。从系统结构、建设方案、功能规划到95598电话充值流程,详细描述其在惠城供电局用电营销系统中的研究与应用。该业务即丰富了用户缴费方式,又满足用户个性化缴纳电费的需要,同时有效规避用户欠费风险,加快了供电企业电费资金回收。     

远程费控系统在营销业务中的应用

远程费控是根据客户用电情况,通过远程控制用户用电的一种方式,它主要借助于现代化的通信手段,依托高效的数据存储、计算机处理技术,以用电信息采集系统和营销业务系统为基础,从远程控制、电费测算、费控业务运行管理等多个业务层次全面实现费控业务功能。     

基于逻辑回归算法的电费风险预测模型应用研究

电费回收是电网营销领域的重点工作。通过对电费回收风险的产生原因及具体情况进行深入分析,结合对供电企业电费回收相关业务的分析,将电费回收风险评估分为客户信用、用电趋势、行业景气信息和突发事件4个维度,采用逻辑回归算法构建电费风险防控模型。基于模型预测结果,针对高压大客户,制定风险防控流程。     

基于电力数据及信息融合的电力客户行为分析

随着售电市场的进一步开放,立足当前电力改革形势,进一步挖掘用户价值,提升供电服务质量已经成为电网企业转型的必要手段。提出利用电力业务数据以及多模态双向交互信息融合、大数据分析等信息技术,抽取出存在于电力营销数据、客户语言、情绪等信息中的相关特征,实现对电力营业厅客户用电行为、用电习惯的分析,提供针对性、差异化的服务方案,满足客户需求,让电力客户感受更舒适、更优质的服务体验,提高营业厅的服务质量、服务效率。     

用户能效分析系统研究与应用

针对用户设备用电状况和用电需求了解还不够充分、难以开展设备用电行为分析以及提出有效的节能措施的问题,提出了有效的解决方案。扩大用电在线监测覆盖面,在线监测企业用户用能状况,为分析企业用户节能潜力打下基础;根据用电情况分析客户用电行为,生成并推送客户用能分析报告,建议用户调整用电习惯,推动企业节能业务发展;基于企业内部运行设备数据,开展用户能效诊断分析,为用户提供用能指导,降低用户用能成本。     

电力营销远程费控系统优化提升策略研究

营销远程费控业务应用是基于营销业务应用的客户相关信息和客户预先交纳的费用,根据用电信息采集系统的远程抄表示数信息,自动测算客户用电剩余电费金额,与设置的预警阀值、停电阀值等基准值进行比较后完成提醒、预警、停电及复电等指令的过程。本文基于营销远程费控系统的理论研究和从系统设计开发角度出发,提出了营销远程费控系统的整体技术方案和详细实现机制。从用户驱动、电费测算、策略应用等多层次全方位实现营销远程费控业务功能。     

浅析电费缴纳信息纳入银行征信系统的意义

阐述了将非居民用户电费缴纳信息纳入银行征信系统对电力企业、商业银行和用电客户产生的积极意义,分析了其在实施过程中可能会遇到的问题,并提出非居民用户电费缴纳信息纳入银行征信系统的用电客户应有充分的知情权,电力企业和银行应确保纳入征信系统中电费缴纳信息的准确性和安全性。     

高压费控实现及工作开展

正高压费控是在用电信息采集的基础上,通过现场安装高压费控装置,实现对用户远程停、送电管理,解决营销业务中电费回收困难等问题,同时将用电后付费方式改变为预付费方式,降低了供电企业的电费回收风险,提升管控能力。     

基于贝叶斯网络的电力客户停电敏感度预测

精准预测停电敏感的电力客户群体,能够有效感知客户用电需求,提升客户用电满意度,助力提高电力服务水平。文中提出基于贝叶斯网络构建电力客户停电敏感度预测模型,从95598客服平台、营销业务系统、用电信息采集系统获取分析数据,结合客户基本信息、用电信息、智能电能表计量信息以及用户用电交互行为,定义客户停电敏感度数据标签,对用户的停电投诉进行分析与预测。采用K折交叉验证法对停电敏感度预测模型进行实验验证。实验表明,基于贝叶斯网络构建的电力客户停电敏感度预测模型,在停电投诉分析应用中具备较高的精准度,验证了模型的有效性。     

基于行业发展趋势的回归模型在电费回收风险预测中的应用研究

近年来,受电力体制改革、经济转型升级、环保力度加大、极端天气频发以及新冠疫情等影响,一些用电客户面临产量下降、销售困难等问题,进一步增加了电费回收的难度。针对此问题,提出了一种基于行业发展趋势的回归模型,对电费回收风险进行预测。首先利用季节调整算法提取行业历史售电量发展的趋势项,然后对影响售电量趋势的因素进行综合、定量分析。在此基础上构建行业发展趋势预测模型对行业发展态势进行感知,利用感知结果,结合用户缴费行为以及容量变化等数据,通过分类回归算法构建电费回收风险预警模型,客观量化用户电费回收的风险概率,识别存在电费回收风险的用户。最后通过实例验证,所提模型具有较好的预测能力。     

高压企业客户电力信用综合评价体系及应用

传统电力信用研究和应用多以用电行为、缴费行为失信等负面评价为主,缺乏正向评价和激励应用,且仅应用在供电企业内部对客户管理和电费风险防控方面,没有在社会中跨界应用。首先借鉴企业社会信用评分指标体系的建设思想,将高压企业客户电力信用指标集中在守信能力和守信行为2个方面,设计了以大数据为支撑的高压企业客户电力信用综合评价指标体系,包含用电价值、电网互动价值、缴费行为、用电行为、服务互动行为和电力市场交易诚信六大评价维度。其次,设计了电力信用等级和信用分计算、修正评价流程,并以某省级电网近29万户高压企业客户为例,实证分析了电力信用总体情况,证明了所建立方法的科学性和规范性。最后,基于电力信用评级,设计了基于电力信用的差异化奖惩措施,对内有效防范风险、挖掘优质客户,对外实现电力信用价值输出。     

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。     

电力客户诚信度评价系统研究

通过对电力企业营销管理系统特点的分析,以电力用户的基础信息和相关用电信息为数据支撑,对电力用户建立诚信度评价管理体系。通过设定的评价指标、指标的权重及算分原则,由系统对用户进行诚信度打分。依据得分情况对用户实行分级管理,建立客户风险预警机制,提高电费回收率。为营销人员制定有针对性的营销策略提供有力的支持。     

基于电力大数据的企业信用评价及电费回收风险防控

正当前受国家产业政策调整、新冠疫情等影响,部分企业生产经营困难,存在较大的欠费风险。而面对外部企业拖欠电费的行为,内部风险预防手段也比较单一。国家电网公司指出:"要提高大数据应用水平,树立用数据说话、用数据分析、用数据决策的理念,深化智能电能表大数据分析,为电网运行管理和客户服务提供决策支撑。"要求公司加快大数据研究与应用、支撑新型供电和客户服务体系构建。由于传统判断电费回收风险的手段较为单一、滞后,缺乏有效的预测手段,尤其是无法获取的外部信息带来的隐藏风险,本文运用大数据手段及技术,构建电费回收风险防控及信用评价模型,以解决信息不共享、     

对营销风险管理的认识与思考

随着电力体制改革的逐步深入,供电企业的营销核心地位日益凸显,电费电价风险、计量风险、窃电及线损风险、市场风险、营销员工行为风险等相关风险越发显得不容忽视。结合供电企业实际,笔者以为。防范营销风险要着重从供电服务、电费电价、计量管理、客户用电安全管理等环节进行“危险点、危险源”的分析和辨识,建立风险评估机制,研究并落实相关应对措施。