COVID-19疫情环境下用电行为分析

针对COVID-19这一特殊时期,利用大数据技术,处理原始不同数据结构的电力数据.将用户用电行为的数据分成内部数据和外部数据,其次是确定用电行为分析,通过对传统的K-means聚类算法改进,提高K-means效率.最后利用改进算法聚类出的类别构建用电行为模型,实现用户用电行为分析.最终实现达到帮助国家电网公司达到电力智能分配的目的,并且给出了大致的政策倾向.提升国家各部门监管能力,助力国家应急管理.     

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。     

基于K均值聚类的居民用电行为特征分析

论文以某智能小区的一户居民用户电力负荷数据为研究对象,利用K均值聚类算法提取该用户不同日类型下的负荷特征曲线,分析其用电行为,为客户用电精细化管理提供依据.首先根据用户档案采集和整理的用电数据,采用向前向后移动平均法和归一化方法对数据集进行数据清洗和标准化预处理;然后,采用轮廓图法和平均轮廓值法确定初始聚类数;最后,利用K均值聚类算法对该用户用电负荷提取节假日以及不同季节的负荷特征曲线,结合家用电器使用负荷热力图,分析该用户用电行为特征.算例分析结果表明,采用K均值聚类算法可以明显区分用户负荷曲线的特征,实现用户用电行为的分析,为客户用电的精细化管理、提供优质的用电服务等提供支持.     

面向电力大数据的用电负荷分类及用户用电行为分析

针对大数据应用背景下因电网规模急剧扩大和电力系统结构更加复杂而造成的用户用电行为分析困难的问题,提出一种基于改进K均值算法—K-means++的电力负荷分类方法,并展开用户用电行为分析。首先导入负荷历史数据进行清洗,再将其导入模型进行聚类,同时得到每类用户用电的特征,最后进行用户用电行为分析。经过负荷聚类,可更直观地展现用户用电的特征,以方便供电公司给用户提供更合理的套餐服务,提高系统的能源利用率。     

智能用电数据的采集与预处理

解决好智能用电网络数据采集和传输过程中的数据缺失和噪声问题,提高其用电数据的数据质量,才能在智能用电云平台中有效的运用各种用电大数据分析与预测算法。本文在总结智能用电网络的数据采集与数据传输特点,及分析智能用电云平台对用电数据的数据质量要求的基础上,提出了智能用电网络的用电数据预处理方法。对智能用电终端采集的用电数据归一化处理后,利用聚类算法从噪声、模糊、随机数据中提取出正常数据,本文对比验证了K-均值聚类和基于密度的空间聚类两种算法的聚类效果。相比K-均值聚类算法,密度的空间聚类两种算法在检测数据噪声点的同时,可自动获取复杂形状数据集的聚类数量,更适合智能用电网络的用电数据预处理。     

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。     

基于K-均值聚类算法的大客户用电行为分析

为掌握大客户的用电习惯和用电特征、满足不断变化的客户用电需求、逐步提升大客户领域供电服务水平,本文采用K-均值聚类算法、二八定律、归一化算法等统计分析方法,运用SPSS等数学分析工具,从行业特点、客户价值、用电需求、成长性等方面刻画用电客户群体特征,挖掘大客户用电数据中的隐藏数据和潜在价值,得出五类典型的大客户用电负荷特征曲线,建立对应的五类典型用户分类,得到了五类用电行为特征的结果,通过结果分析得出半数以上用户的用电特点、同类型的船舶制造业仍然具有不同的用电特点、电能紧张时优先对建筑业和采矿业实施有序用电可以取得较好效果,最终对企业的电力营销和调度进行决策支撑,为用电需求侧管理、优化客户服务管理规范提供辅助决策。     

基于CK-means 法的用户用电负荷聚类分析

针对传统K-means算法存在的对初始聚类中心敏感和需要预先给定K值的问题,提出了一种基于CK-means算法的用户用电负荷聚类分析方法.先对负荷数据进行预处理,通过密度Canopy算法可得到最优簇集值K与最佳初始聚类中心,将其代入K-means算法中可提取出典型的用户负荷模式、得到具有差异性的聚类成员,选取江西某地216名用户一个月的负荷数据进行实例仿真,通过与两种典型的聚类方法进行比较,并用不同的有效性指标来评价其聚类性能,实验结果证明改进后的新算法在准确性、稳定性和有效性方面都优于其它算法.     

基于云计算和改进K-means算法的海量用电数据分析方法

针对小区居民用电数据挖掘效率低、数据量大等难题,进行了基于云计算和改进K-means算法的海量用电数据分析方法研究。针对传统K-means算法中存在初始聚类中心和K值难确定的问题,提出一种基于密度的K-means改进算法。首先,定义样本密度、簇内样本平均距离的倒数和簇间距离三者乘积为权值积,通过最大权值积法依次确定聚类中心,提高了聚类的准确率;然后,基于MapReduce模型实现改进算法的并行化,提高了聚类的效率;最后,以小区400户家庭用电数据为基础,进行海量电力数据的挖掘分析实验。以家庭为单位,提取出用户的峰时耗电率、负荷率、谷电负荷系数以及平段用电量百分比,建立聚类的数据维度特征向量,完成相似用户类型的聚类,同时分析出各类用户的行为特征。基于Hadoop集群的实验结果证明提出的改进K-means算法运行稳定、可靠,具有很好的聚类效果。     

基于近邻相似度图聚类的用户用电行为分析

以周负荷数据为用户用电行为分析的视角较通常使用日负荷数据更符合用户客观用电周期规律,提出一种面向用户周负荷数据聚类方法,通过改进的近邻相似度图聚类避免计算过程中维度增高导致的相似一致化,优化计算的时间与空间复杂度,实现用户用电特征准确快速提取,相较常见的K-means和DBSCAN等方法聚类效果更佳,使用逐段聚集平均降维表示,便于后续分析.以某省大工业用户用电数据作为仿真算例进行验证.     

电力体制改革新时代下如何提升客户满意度

过去电网企业是垄断经营,随着电力体制改革和国有企业改革的纵深推进,客户有了更多选择。优质服务关乎电网企业新时代改革发展大局,只有优质服务才能使电网企业在改革发展中进入良性循环。然而,从第三方客户满意度调查报告中反映的情况可以看出,部分单位还存在垄断思维,“以客户为中心”的服务意识在实际工作中还未得到很好的落实,具体表现在停电次数多、电压不稳定、业扩流程长、抄表催费欠规范等客户用电体验较敏感的供电服务上。本文从客户体验管理角度,关注客户的用电体验和感受,把满足人民美好生活的电力需要作为电网企业工作的出发点和落脚点,围绕提升客户服务质量的关键点、电网企业存在的客户服务短板、提升客户满意度的有效措施等方面进行了有益地探讨。     

Usability beyond the website: An empirically-grounded e-commerce evaluation instrument for the total customer experience

A customer's experience with an e-commerce environment extends beyond the interaction with the website, including delivery of products, post-sales support, consumption of products and services, and so on. It is the total customer experience that influences the customers' perceptions of value and service quality, and which consequently affects customer loyalty. In our cross-disciplinary research in human-computer interaction (HCI) and relationship marketing, we have been investigating how HCI and customer relationship management (CRM) strategies can be integrated in the design of e-commerce so as to engender customer retention, trust and loyalty. We have performed a series of empirical studies to understand customers' requirements and perceptions about service-quality from e-shopping and e-travel environments. From these studies, we have developed an empirically-grounded evaluation instrument, E-SEQUAL, which we discuss in this paper. The development team can apply it at different phases of an e-commerce development life-cycle to integrate customers' perceived dimensions of service quality into the design and evaluation of e-commerce.     

基于客户能量使用大数据的能效评价体系构建

随着电力体制改革的不断深入,为客户提供差异化能效服务已逐渐成为供电企业在营商环境中争取有利地位的重要手段。针对高压电力客户,本文以客户历史运行数据为基础,运用轮廓系数法对表征客户运营情况的抄表周期、缴费方式等5项指标进行聚类分析,将客户分为三类;而后,采用条件推断决策树法对聚类结果进行验证,以可靠筛选出潜在节能需求客户。在此基础上,针对节能需求客户,运用熵理论计算基本电费、分时电费等19项节能指标的信息增益,最终筛选出有效节能评价指标10项,进而建立了节能评价指标体系,以精准定位客户节能需求薄弱点;在此基础上,提出三级阶梯式节能服务策略,为构建服务全社会的能效服务共享平台奠定基础。最后,以某客户为例对文中所提方法进行了逐一验证。     

ELM算法在用户用电行为分析中的应用

对于非法用电行为的检测,电力企业通常采用传统的人工检查方式,而这种方式的准确率和效率往往都比较低. 提出一种将极限学习机（ELM）应用于预测存在非法用电行为用户的方法. 首先,在收集到的用户历史用电数据,对原始数据进行预处理. 然后,应用ELM算法建立异常用电行为的神经网络模型. 最后,在真实用电数据上进行实证分析,通过与随机森林算法建立的预测模型及预测结果的对比,证明提出的方法具有较高的准确率和较好的性能.     

基于大数据分析的客户电费风险预测及防控

客户既是企业最大的财富,也是风险的最大来源,拖欠电费、违约用电等行为时有发生。在交易过程中对客户信誉信息收集调查和风险评估,制定针对性的防范和服务策略,对企业具有非常重要的作用。为了降低电费回收风险,提高企业经营效益和管理手段,需要对客户进行评价分级,电力企业可以利用现有资源和数据,建立客户电费信誉信息档案,为客户提供差异化的服务,并规避风险。以营销业务应用系统中客户的海量历史用电数据为依据,再借鉴客户经理、催费员等电力人员工作经验,梳理风险用户的业务规则,并构建多维度的电费风险分析指标体系。通过机器学习的大数据分析方式对用电行为与电费风险之前的潜在关系进行研究,实现对风险用户的精准定位。     

基于大数据挖掘电量预测方法的创新及应用

本文主要是基于营销系统数据开展电量预测出发,分析不同区域、行业以及时期的电量变化趋势,深入挖掘数据,发现隐藏信息并加以利用。全方位挖掘影响电量的因素,筛选出相关性强的因子形成因子储备库为后续建模做准备。通过运用时间序列、多元线性回归和灰色预测等算法对电量进行预测,丰富电量预测手段,提高短期、中期和长期的电量预测能力,并对预测结果进行可视化展示,为电量预测提供可靠的数据支撑。经实例验证,该方法能够有效的提高电量预测方面的精准度,实现未来用电量的精准预测,不仅能提升客户服务能力,提高客户服务部门的工作效率,还能有效提高电力公司的核心竞争力,使电力公司在市场愈发激烈的现状下做出更加明智的商业决策,抢占电力市场的主导地位。     

Optimal determination of warranty region for 2D policy: A customers' perspective

Warranty is treated by the manufacturer as a marketing strategy that creates better customer satisfaction, which finally helps to get hold of a bigger market share. The cost incurred towards this service is termed as warranty cost, which is a function of warranty policy and region, product quality and reliability, and the customers' usage pattern. Under the 2D warranty policy, there exists numerous iso-cost regions for any specified value of warranty cost. In this article, we propose a methodology to determine the optimal region when customers' utility is measured by the length of warranty coverage time. It is believed that the results will help the manufacturer to provide improved customer service.     

基于兴义供电局2017年客户诉求数据的分析和探讨

为了促进电网企业在电力体制改革纵深推进过程中探索出一条“赢得市场、赢得客户”的双赢之路,本文以贵州电网区域内面临“两网并存”竞争压力的兴义供电局为例,通过对兴义供电局2017年所有客户诉求数据进行提取、筛选、挖掘,分析,将竞争区域内的客户需求和客户抱怨逐条分析,并精准定位到兴义供电局下属分县局具体区域、时间段、业务类型、处理内容,通过数据对比和筛查,查找出客户问题的痛点和要点,针对性提出合理化建议和解决方案,促进兴义供电局供电服务能力提升和经营决策改善。目前,客户诉求数据分析已作为大数据分析的一项在电网企业中陆续开展,其所包括的丰富内容和数据挖掘方法还有待进一步深入研究。兴义供电局已将2017年客户诉求分析数据作为服务提升指引,纳入客户满意度提升细项制定相关举措,通过更有针对性的改善,提升两网并存局面下的供电服务竞争力。     

Washing when the sun is shining! How users interact with a household energy management system

To make optimal use of sustainable energy, domestic electricity consumption should shift to match local supply conditions. Energy management systems (EMS) are a new sustainable technology that can help to disrupt consumers’ habits concerning electricity consumption, whilst reinforcing desired behaviours. This research examined the factors that influence the likelihood that people will shift their electricity consumption to match sustainable supply. Twenty-one interviews were conducted with households who had used the EMS ‘Smart Wash’ for several months. The findings showed that the likelihood of behaviour change is influenced by a combination of the user's motivation, specific contextual factors and the design of the EMS. Based on these results, several recommendations are given for the future design of EMSs.

Practitioner Summary: Energy management systems (EMS) are a new technology that encourages people to shift electricity consumption to match local solar supply. Interviews among users of an EMS showed that the likelihood of behaviour change is influenced by the combination of the user's motivation, contextual factors and the EMS design.