基于用户用电数据分析的电费回收方法探讨

<正>电费回收是供电企业营收的重要指标,是供电企业生产运营的关键环节。本文提出了基于用户用电数据分析的电费回收方法,基于实际案例数据分析电费回收与缴费时间、缴费方式、用户类型下的关系,察觉电费回收的潜在风险,并从管理与技术两方面提出了应对措施。     

妥善处理用电客户的超容现象

现象:超容是指用户在某一时段或某几个时段超过核定容量或变压器容量运行。超容有3种情况,一是"低供低计"小用户超容;二是变压器容量在315kVA及以上实行两部制电价的工业类用户超容,目前供电企业追究的主要是这类用户;三是其他专用变用户超容。     

基于用户用电数据分析的需求侧响应潜力评估方法

为适应广东省电力供需形势发展和国家整体能源调整定位,从激励型需求侧响应出发,通过采集与分析电力用户历史用电数据,建立电力用户需求侧响应潜力测算模型,利用历史用电数据对用户响应程度和负荷可调能力进行分析。算例分析证明售电公司(负荷聚合商)通过该方法对用户进行量化评估,根据评估结果,可以初步筛选优质用户,提高调研针对性,由此节约调研的时间成本,为售电公司(负荷聚合商)提前研判电力用户需求响应规模及电力用户开发方向提供参考。     

基于改进Adaboost-BP算法的用电行为大数据分析

在智能电网的构建中,电网与居民用电信息的交互主要由用户侧安装的智能监测和计量设备提供。智能设备数量随电网建设扩大完善而不断增长,其记录的用电信息将构成规模庞大、结构多元、类型复杂的用户侧电力大数据,挖掘电力大数据背后隐藏的电力信息是智能电网建设的重要内容。非侵入式负荷监测技术相比于传统电力数据分析,一方面保护了用户的用能隐私,另一方面能够完成对负荷更详细的特征辨识。主要通过非侵入式负荷监测技术结合数据挖掘手段研究居民用电大数据,并准确快速地预测负荷类型和分析居民用电行为。首先设计基于滑动窗口电器投切探测算法,之后介绍机器学习领域中的经典算法Adaboost和BP神经网络,设计了用于居民负荷特征识别和分类的Adaboost-BP改进算法并提出相关标准。算例从BLUED数据库中提取居民用电功率和电流序列,通过滑动窗口算法提取功率序列探测电器投切情况,将libSVM算法、BP神经网络和Adaboost-BP改进算法进行负荷分类测试。测试结果验证了改进算法能够有效提升大量数据样本下对负荷的识别精度并正确分类,同时分类速度快,适用于居民用电行为在线分析的场景。     

引导大用户合理用电

一些企业认为电费是企业最难以控制的一项成本。他们认为电费是国家定价,用电多少就要付多少费,没有讨价还价余地,其实这是一种误区。企业通过自身的设备技改和各种节电措施完全能够达到节电的功效。当然供电企业也应在节电方面给予必要的指导,帮助客户特别是大型客户节约用电。如果有的供电职工认为指导用户节约和合理用电与电力部门增供扩销背道而驰的话,那么象湘潭电业局那样指导客户用电,使客户舍弃其他能源,而衷爱用电,从而最终达到供电企业增供扩销的目的,又做何种解释呢?     

基于电力大数据的用户用电感知研究

在基于电力大数据对用户提供多元化服务的研究中,发现电网在不同时刻停电,不同用户的停电感受不一样以及在调度计划制定时,由于不同线路所带用户不同,需进行差异化服务。为此,提出基于电力大数据的用户用电感知研究。首先通过电网内部系统及外部系统进行数据采集,然后基于大数据从多维度进行数据处理和分析,建立了用电需求模型和用户用电感知模型并进行了深入应用。通过该模型可以实现有限投资供电可靠性提升最快,最大限度满足用户需求;可最大限度实现不同行业、类别的用户用电互补,提高设备利用率;可实现用电感知最低时段停电,停电涉及用户更精准。该模型的引用实现了电网规划、用户接入、调度运行的智能决策,使电网规划投资更精准,固定投资提升可靠性最快,提高设备利用效率和用户满意度。     

用电行为大数据分析探索与实践

武汉供电公司开发利用用电行为大数据分析工具,挖掘客户用电行为的关键点、关注点以及客户服务的缺失点,通过该分析工具针对性地解决问题、改善指标和提升服务,解决电费回收难的问题。该工具能够科学量化用电行为、有效展示分析成果,在实际推广应用中获得良好效果。     

供电局大用户用电管理系统建设

随着国民经济持续健康发展,企业用电需求迅速增长,电力供需矛盾日益突出。对于供电系统来说,加强需求侧的管理势在必行。本文简要介绍了我局正在建设的大用户用电管理系统主要的技术功能及展望了该系统的应用前景。     

用电采集大数据的用户用电行为分析研究

随着智能电表的推广,现能够收集到的用户用电信息数据内容越来越多,例如可以采集到各相功率因素等用电功率数据,若能通过这些数据提取出用户用电行为特征,构建用户用电特征识别模型,就能够将顺序排列的离散的用电功率数据进行用电用户识别,根据识别结果比较不同用电用户群的用电规律、加深对用户的理解,从而可以给不同用电客户群提供最适合的个性化服务、制定相应的营销策略等。     

基于大数据的业扩用户用电行为特征研究

电力用户的业扩报装容量直接影响着地区用电的未来增长空间。以容量与用电量间的关系研究作为切入点,应用大数据分析的方法研究了各用户多种类型的业扩容量转换为用电量的周期特征,从电量产生的机理出发,分析了业扩业务产生后电量的变化情况,可以为后续的电量变化空间的科学预估提供全面的信息支撑。     

大用户用电情况的计算机监测

简要介绍珠海电力工业局用电ＭＩＳ中,对大用户用电情况监测所采取的处理方法,以及对其用电情况所进行的分析和预测。     

用户节电的大数据分析及应用

为解决用户在开展节电工作时面临的用电数据不透明、缺少节电指导依据等问题,提出大数据背景下基于数据挖掘的用户节电通用分析方法,并在大数据平台上予以并行化实现,设计了直观的可视化展示形式。首先依据用户用电特性通过高维聚类实现了用电群体细分,然后融合电力、气象、经济等多维度数据开展节电分析,基于用户能效综合评估确定群体内节电标杆并量化用户节电潜力,接着通过多源数据关联分析获得用户节电策略,最后,通过SparkR在大数据平台上实现了节电算法业务的并行化,基于JavaWeb MVC框架实现了分析结果的可视化展示。实际应用效果表明,所提出的节电大数据分析方法,能有效关联多源数据,实现对海量用户数据的高效分析。     

基于宽带电力线通信的大数据分析在用电领域的应用

如何有效采集电力系统在各环节的数据,并使用大数据技术加以分析和应用,是当前物联网、云计算和大数据背景下电力行业信息化、智能电网的重要研究课题。重点论述了用电领域大数据的采集传输和分析应用。首先论述了用电信息采集关键通信技术的挑战和发展;随后分析了大数据存储与计算技术;最后通过一个具体用电量分析应用,测试对比了用电大数据的性能。     

基于大数据分析的陕西省居民用电行为及影响因素研究

陕西省目前处于发展的关键时期,为了有效的了解陕西省居民用电模式,通过对陕西省居民用电量以及相关经济、社会指标等众多数据的统计计算,得到了2000年以来的社会经济以及用电大数据。主要从陕西省居民用电增长情况、居民用电占比、人均用电水平和城乡居民用电差异等方面做了详细的分析和研究,对全面了解及把控陕西省居民用电行为具有十分重要的意义。     

基于大用户经济用电的服务模式探索与创新

<正>随着我国经济进入新常态,我国经济发展的条件和环境发生诸多重大转变,很多企业面临前所未有的挑战,必须降低生产成本,提升市场竞争力。同时,电力体制改革深入推进,售电侧市场将逐步放开,电力企业面临客户流失的风险,为电力客户提供经济运行的增值服务是提高客户粘度,有力锁定优质客户资源的有效举措。为此,镇江供电公司针对部分大用户电力经济运行方面的不足,充分发挥供电企业在政策和技术上的优势,整合内部资源,建立     

基于电力大数据的用户用电行为分析研究综述

随着能源互联网与智能电网技术的不断发展,电力大数据蕴含的潜在价值也在不断被挖掘。以电力大数据为基础,介绍了电力大数据技术和国内外关于电力大数据分析用户用电行为的实例,最后介绍了应用电力大数据对用户进行分类,确定用户用电行为影响因子和对用户用电行为进行分析的常用研究方法。     

基于用户大数据分析的物联网家电质量改善方法研究

随着近几年智能家居行业的迅速发展,家电物联网化已成必然趋势,其服务质量和用户操作体验直接影响用户对智能家居的接受程度。传统的质量改善方法缺少对用户大数据主动采集分析机制,难以实现对家电质量问题的精确定位,也缺乏对家电服务质量的监控预警,因此无法实现对物联网家电质量的量化评价和闭环改善。通过研究基于用户大数据分析的物联网家电质量改善模型,融合家电行业传统质量分析方法和互联网的大数据分析方法,借助物联网质量管理平台,质量人员可以实现物联网家电质量数据的精准定位、量化评价、监控预警和闭环改善,最终实现物联网家电质量的全面改善。     

通过线损率计算监测大用户用电

通过对典型大用户线损管理,有效控制窃电,利用先进科技成果,寻求用电管理的新方向。