减碳配额约束下电力客户的模糊聚类分析

在减碳配额约束下．供电公司的客户服务领域将由单纯的供电营销向全面的指导用户优化用电方式和减碳服务方向拓展。考虑电力用户的减碳水平,构建了低碳经济下电力客户价值指标体系,提出运用动态模糊聚类算法细分电力客户的新方法,深入分析了动态聚类时最佳阈值的选取依据,用此方法对某市10名大工业客户进行了实证分析。结果表明,低碳经济下电力客户评价指标体系具备合理性。根据聚类结果,总结了不同类别客户的特点,对供电企业如何展开针对性服务提出了建议。     

基于遗传改进蚁群聚类算法的电力客户价值评价

对电力客户价值进行评价是供电企业优化服务资源配置的重要步骤。分析了蚁群聚类算法,并针对蚁群聚类算法进行评价时参数组合设置盲目性、收敛速度慢、容易陷入局部收敛的缺点,提出了运用遗传算法改进蚁群聚类算法评价电力客户价值的新方法。该新方法利用遗传算法对蚁群聚类算法的参数进行优化,进而再对电力客户价值进行聚类评价。通过实例验证表明,该新方法聚类性能有较大的提升,能够提升收敛速度和避免陷入局部收敛,并且减少了聚类评价时的主观因素,其具有准确、高效、实用等优点。最后,运用该新方法对某市供电公司的10个工业客户进行了评价,总结了不同类别电力客户的特点,对供电企业如何优化服务资源提出了建议。     

纵横交叉算法优化FCM在电力客户分类中的应用

电力客户分类是供电企业客户关系管理的基石,为了提高聚类算法的稳定性和精确性,提出了一种纵横交叉算法(CSO)与模糊C均值算法(FCM)有机结合的新聚类算法(CSO-FCM),并用新算法进行客户分类。新方法有效弥补了单一算法的不足,拥有模糊理论处理不确定信息的能力以及纵横交叉算法全局收敛性强的特点。利用新算法对电力客户数据进行客观、科学的挖掘分析,实现了对电力大客户较全面和准确的精细化分类,为供电企业制定有针对性的营销策略提供了依据。     

基于改进TF-IDF算法的供电营销服务方法

针对传统的供电营销服务方式单一、服务成本高和电力客户体验差等情况,提出了一种基于改进TF-IDF算法的供电营销服务方法。首先,构建电力客户信息数据分类方法,基于电力客户的“行为-需求-价值”,建立电力客户信息数据分类;其次,构建特征标签指标集,采用多标签分类算法实现电力客户新增信息类别的标签识别;再次,充分计及电网规划、建设、运行维护等影响供电企业运营的因素,构建电力客户经济贡献画像模型,基于改进TF-IDF算法,形成全面的电力客户行为特征评估结果,并针对不同类型的客户,提供多种供电营销服务套餐;最后,通过对四川某供电服务区域的实例分析,验证了该算法的可行性和实用性,实际应用结果表明该方法在服务成本和客户体验方面优于传统的供电营销服务方法。     

社会节能环境下电力客户价值评估研究

从当前客户价值和潜在客户价值两个方面建立指标体系,加入了社会节能对电力客户的影响因素。采用改进的模糊层次分析法计算指标权重,以减少专家评分的不确定性。通过对客户价值细分方法的比较分析,选用了利益细分方法和聚类技术中的K-均值法对电力客户从当前价值和潜在价值两个维度进行聚类,并选取云南省某市级供电企业进行了实证分析。     

基于并行化K-means的综合能源服务客户识别

随着电力体制改革的不断深入以及大数据技术的发展,传统的供电公司和综合能源服务企业急需改善现有的粗放型营销模式,实现不同用户需求的快速响应.针对综合能源服务潜在客户的精准识别问题,文中通过对综合能源服务潜在客户的标签进行分析,基于Spark内存计算平台提出了一种改进的并行化K-means聚类算法.首先,对聚类过程中初始聚...     

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 Affinity propagation和 K-means算法的电力大用户细分方法分析

电力大用户是供电企业的重点用户,其在电力市场环境下的潜在价值以及发展趋势与供电企业的利益密切相关。为了识别出有价值的大用户行为与价值特征,提出基于近邻传播(Affinity propagation,AP)和K-means算法相结合的电力大用户细分方法。首先,从现有指标中提取出关键细分指标,并考虑电力大用户近期和长期的电费增长率,提出评估大用户发展潜力的细分指标;其次,将AP和K-means 2种算法相结合,基于细分指标对电力大用户进行细分,以解决寻找初始聚类中心以及聚类数的问题,同时避免K-means聚类时容易陷入局部最优的问题;算例分析以浙江某地区的用户数据为基础进行算例分析,验证所提出的电力大用户细分方法切实可行。     

基于电力市场改革的“互联网+大客户差异化服务”研究

建立基于聚类的电力大客户价值模型和客户价值评价体系,通过多维聚类方法对大客户数据进行挖掘并实行科学合理的分群,最终设计差异化营销服务方案。     

基于并行化K-means的综合能源服务客户识别

随着电力体制改革的不断深入以及大数据互联网技术的发展,传统的供电公司和综合能源服务企业急需改善现有的粗放型营销模式,实现不同用户需求的快速响应。针对综合能源服务潜在客户的精准识别问题,本文通过对综合能源服务潜在客户的标签进行分析,基于Spark内存计算平台提出了一种改进的并行化Kmeans聚类算法,对聚类过程中初始聚类中心的选取和样本影响因素的权值进行改进,基于优化后的权值对客户数据集进行聚类分析,对综合能源服务潜在客户进行识别。采集综合能源服务企业的近期交易数据,在多节点的物理机上进行实验与分析,结果表明改进后的聚类算法更准确,在执行效率上,并发度高的算法执行效率优于单线程的算法,算法具有较好的并行能力。