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.     

一种基于群体智能的客户行为分析算法

提出了一种基于群体智能的客户行为分析算法．首先将客户的消费模式作为平面上的一个点随机分布于平面区域内；然后依据基于群体智能的聚类方法，选用由小到大的群体相似系数进行聚类分析；最后，在平面区域内采用递归算法收集聚类结果，获得不同消费特征的客户群体．文中还提出了算法的并行策略，提高了算法对大数据量的适应性．该文以电信移动客户话费数据作为实验数据，并将算法结果与其它经典聚类算法的结果进行比较分析．分析结果表明：这种基于群体智能的客户行为分析算法能够满足客户聚类和分类的要求，特别是在大客户分析及一对一营销中特别客户的分析方面该算法有直观、类别特征明显等特点．     

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.     

基于模糊聚类的用电客户交费渠道偏好研究

电费回收直接关系到电力公司的有序运行,而交费渠道的建设和用电客户交费渠道的偏好,直接影响电力公司的电费回收;因此做好用电客户交费渠道偏好的研究至关重要。基于黑洞熵理论和贝叶斯模型,提出了适合电力数据的黑洞熵模糊聚类模型。该模型的显著特点是能通过最大后验概率推理和迭代抽样算法求解聚类最优参数,且适用于大规模用户数据。基于黑洞熵模糊聚类对某省用电客户的实际抽样数据进行模式发现表明,电力公司自营自助交费渠道尤为值得推广,预付费交费渠道最具有潜力。     

基于改进的并行K-Means算法的电力负荷聚类研究

电力企业通常根据电力负荷数据,采用传统的K-Means算法对客户进行划分,而这种方法最大的缺陷就是必须由用户手动指定聚类簇数。提出了一种将Canopy算法和K-Means算法结合应用于负荷聚类的方法,无需手动指定聚类簇数。收集到的用户历史用电数据,使用并行计算框架MapReduce对原始数据进行预处理。应用Canopy和K-Means算法建立自动负荷聚类模型。在真实用电数据上进行实证分析,通过使用Silhouette指标对结果进行评估,证明提出的方法更加稳定和具有广泛的适用性。     

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。     

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。     

电力客户信用评价系统的设计及实现

基于组合评价模型对电力系统客户信用进行综合评级,通过综合考虑电力系统信用相关因素,选取了电力系统大客户购电水平、信用状况、潜在价值、用电特性、可持续能力5个方面的相关参数,建立了电力大客户评价指标体系,进而建立了基于多种单一评价法的组合评价模型对电力系统客户信用进行综合评级分析的系统.实际应用表明该系统获得了较为满意的应用效果.     

基于LRFMC模型的客户价值数据挖掘方案

人工成本永远是企业运营预算的重中之重,数据挖掘可以有效发现数据中包含的客户价值,提供不同客户群体的针对性服务,合理布局和提高现有客服人员的资源效率。基于RFM模型提出了LRFMC客户价值评价模型,通过对比特征值的权重,利用K-means聚类算法,将客户群体按不同特征进行分类,根据客户价值等级,针对高价值优质用户和低价值潜在用户展开数据分析。     

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。     

基于正则化矩阵分解的用户用电行为分析

针对细粒度、多类别的用户用电行为分析问题,提出了基于地理信息正则化矩阵分解的居民用户用电行为分析算法,探索用户用电的群体特点,为个性化的、更优的电力调度提供决策支持依据。该模型首先基于矩阵分解理论将用户映射到能表征其用电行为特点的潜在特征空间,然后采用k-means聚类算法在潜在特征空间上实现用电用户群的细分聚类。特别地引入了地理信息作为矩阵分解的正则化因子,使得学习到的潜在特征空间不仅满足用户群特征的正交,而且使得地理位置相近的用户在潜在特征空间的映射也相近,与真实物理空间保持一致。将所提方法应用于中新天津生态城智能电网采集到的真实居民用电数据分析挖掘任务中。实验结果表明,与基准的向量空间模型（VSM）和非负矩阵分解（NMF）算法相比,所提方法能够取得更好的用户细分聚类结果,挖掘出一定的用户群体用电模式,有助于辅助智能电网提升经营和服务水平。     

电力客户标签体系的研究

针对当前电力体制改革的深入推进,以及电力客户移动化、智慧化和碎片化的能源消费需求,中心利用大数据技术构建了一套先进的电力客户标签体系,制定了按照自然人和组织两个主体的标签层级和划分维度,构建了全方位的电力客户标签体系框架,为精准描绘客户画像,提高对电力客户的全面认知奠定基础。形成了电力客户标签体系的管理机制和流程,确保体系运作高质高效。创建了电力客户标签体系的应用能力框架,并从精准营销、优质服务和风险防控三个方面列举了应用开发项目。电力客户标签体系的研究和实际应用不论在供电企业内部管理还是提高客户满意度上都取得了积极成效,成为供电企业创新发展的关键技术支撑。     

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。     

Agglomeration development strategy of telecom industry based on embedded system and data mining

Aggregation is driven by both the size of the concentration and the city itself in the industry (urbanization). Since the new company to follow the existing companies in the same industry continues to cluster in these areas, the localized economy will create a cluster to produce the same product. The crisis of power shortage in the telecommunications industry in the summer of the peak power consumption period reduces the power cost through load management measures based on Neural Network (NN) using FPGA tool. Field of Business Intelligence (BI) is, by performing the direct mining data in the database, applying the power of data mining in a number of the hands of the business line and analysts. Sample of the customer, install the collect energy consumption data that the digital power meter. Effective load management strategies have been proposed; the load management measures’ contents can be summarized to compare the measured data. Result join the show's load management strategy, the telecommunications industry, and are very satisfied. In the margin adjustment and Time of Use (ToU) period, customers of this industry can save a certain amount of electricity.     

基于ERP的工程项目管理系统设计与开发

针对某电力公司实际项目管理效率不高,设计和开发电力客户工程项目管理系统。首先根据公司实际情况,进行系统需求分析,然后从经济、技术、时机三个方面进行了可行性的分析,再对系统的用户登录、人事信息管理、工程项目管理、员工账号管理、基本权限管理等五个功能模块进行了详细分析;最后完成了基于ERP的电力客户工程项目管理系统的总体方案设计。     

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。     

电力营销信息化客户画像的应用研究

随着电气化水平提高和社会信息化普及,传统电力营销信息化开始受到冲击。多方面形势反映出传统电力营销信息化需转型,客户画像作为一种营销切入方法已被许多领域应用。本文从模型构建、数据来源、关键技术和应用场景研究分析。电力客户画像由客户标签、价值需求、服务策略构成,借由关键技术实现,并从电力用户和衍生领域进行应用探索。通过对电力营销信息化客户画像的应用研究探索,为客户洞察、电力服务和质量提升以及客户满意度提升奠定良好的基础。