“臻享+”大客户泛在物联营销模式研究

随着售电市场开放竞争以及人民对美好生活和优质供电服务需求的不断提升,传统的电力服务已经不再适应当前形势,如何为电力大客户提供更优质的服务已成为电力市场竞争的聚焦点和制高点。结合经济价值、发展潜力、信用价值、社会价值等多个维度,构建电力大客户价值分级模型;从大客户用电的技术能效、经济能效、管理能效等方面综合考虑,构建客户科学用电指数模型。通过构建融合电力大客户价值分级和科学用电指数的电力大客户综合评价模型,运用大数据技术深入分析用户的各项用电行为,全面感知用户需求,制定精准营销策略,推出“臻享+”大客户精准营销模式,为电力大客户提供多元化、个性化、定制化的能源服务和增值服务,提升国网公司的市场竞争力和经济效益。     

基于最大测点正常率与GPU并行加速的不良数据辨识方法

基于测量不确定度的概念,以测点正常率最大(MNMR)为目标的电力系统抗差状态估计方法具有较好的不良数据辨识能力。然而,该模型求解困难,已有研究对该模型进行了近似等效,并采用现代内点法进行求解,但存在因近似而辨识效果降低的问题。为此,基于MNMR状态估计模型,采用杂交变异粒子群算法,提出一种基于图形处理器(GPU)并行加速的不良数据辨识算法。该算法不对MNMR模型进行近似等效,根据GPU并行计算架构特点,设计了粗粒度和细粒度结合的并行加速策略。算例结果表明,所提的算法对不良数据的误检率和漏检率较低,具有较好的不良数据辨识能力,且计算时间短,加速效率高,能够满足实际运行需求。     

基于时间序列提取和维诺图的电力数据异常检测方法

电力网络中信息系统与物理系统的深度融合,导致现代电力系统易受异常数据的影响。现有的电力数据异常检测方法未能充分挖掘数据特征,存在计算复杂、灵活性差、精度较低等缺点。提出一种基于时间序列提取和维诺图的异常数据检测方法,利用重要点分段的时间序列提取方法,将高维数据进行降维处理,并将其映射到二维平面上,构造维诺图分区,进而检测出异常数据。该方法可降低数据维度和算法复杂度,能根据序列特征灵活设定异常阈值,实现异常数据的准确检测,仿真实验证明所提方法的有效性。