用电大数据的应用研究

李斌（国网江苏省电力公司，南京 210024）

◆营销与服务◆

用电大数据的应用研究

李斌
（国网江苏省电力公司，南京 210024）

随着用电信息采集系统的建成与完善，为满足电力营销业务的迫切需求，基于用电信息大数据的研究与分析已成为电力企业亟待开展的工作。用电大数据分析只有落实到具体的业务才能发挥其功效，从配网规划运行、营销服务提升、人民生活水平、地区经济发展4个方面，阐述国网江苏省电力公司开展的初步研究和分析工作。开展相应的用电大数据应用场景分析，实现从用电大数据理论分析到具体业务场景分析的实质性进展，为提升电力营销服务水平、构建智慧城市提供数据和技术支撑。

用电大数据；配网运行；营销服务；住房空置率；行业景气指数

一直以来，电力消耗水平都被认为是衡量地区经济发展的重要指标，“克强指数”［1］也将用电量作为衡量经济发展的三大指标之一，可见其对经济发展的重要性，因此针对用电量数据展开深入分析和研究是非常有必要的。

随着用电信息采集系统［3］（以下简称“用采系统”）和智能电能表的推广应用，营销管理与服务步入更加信息化、自动化、智能化的发展阶段，自动抄表、智能互动、个性化服务等精益化营销业务得到了强大的技术支撑。同时，智能用采系统的全面覆盖使获取全省用电数据、准实时监控全省电网运行情况成为可能。

为充分发挥电网中用采系统和负控系统在日常电量统计工作中的重要作用，增强全社会行业用电数据实时性和准确性，迫切需要建设基于全覆盖实时采集的全社会用电信息大数据智能分析和管理系统，多维度实时展现全社会用电量信息，通过数据挖掘和分析技术总结行业和产业用电量变化情况并建立适宜的模型，有效应用于经济趋势预测和政策辅助决策支持领域。

随着《中国电力大数据发展白皮书》的颁布，国内电力系统领域掀起了一股电力大数据研究热潮，不少专家学者在电力大数据关键技术研究和应用前景展望［3—6］，以及电力大数据典型场景应用［7—9］方面展开了深入而广泛的研究。目前，江苏省电力公司已经在现有营销大数据的基础上，展开了初步的研究和分析工作，取得了一定的成果。

1 用采系统的建设

用采系统的建设是为“SG186工程”［10］营销业务应用提供电力用户实时用电信息数据，推进营销计量、抄表、收费模式标准化和信息化建设，为快速响应市场变化、快速反映客户需求从客户用电信息的源头提供数据支持，为分时电价、阶梯电价、全面费控管理等营销业务策略的实施提供技术基础。

用采系统不仅具备基本的用电信息采集功能，而且集成了供电质量监测、配变运行监测、台区线损分析、有序用电管理等高级功能，如图1所示。

图1 用采系统的功能

截至2015年2月，江苏电网用采系统已接入3 328万余块智能电能表、156万余个采集终端，覆盖全省3 568万余户电力用户，覆盖率和采集成功率均达到99%以上。用采系统每日采集居民用户电量数据3 568万余条，负控用户96点负荷曲线26万余条，加上处理、分析后产生数据信息，每日新增的数据量达30 GB之多。如何充分利用用采系统产生的用电信息大数据，为电网电力营销和运行优化提供决策支持，是一个亟需研究的课题。

2 用电大数据助力配网运行

智能用采系统的建成，实现了全网配变每15 min一次的运行数据采集和上传，使配网运行状态得到了实时的全面监控。

2.1 配变负载特性分析

配变损耗约占配电系统总损耗的60%～80%，配变的负荷特性关系着配电网的运行经济性。

变压器的损耗由铁损和铜损组成，对于低载、轻载变压器而言，其负载率过低，损耗大部分由铁损组成；而对于重载变压器而言，其负载率很高，铜损又与负载电流的平方成正比，因此其损耗主要来自铜损。过高、过低的负载率都不利于变压器的经济运行，因此有必要研究配变负载特性，利用聚类工具进行负载特性分析。

应用场景：配变负载特性聚类。

从用采系统中抽取41 487条大客户96点负荷曲线，归一化处理后利用K-means［11］聚类算法对负荷曲线进行聚类分析，得到如图2所示的4类负荷特性。

这4类负荷分别为全天型、夜间型、白天型1和白天型2。其中白天型1为白天全天负荷较高，夜间较低，而白天型2为白天负荷较高，但中午有一个降低。这4类曲线共计27 308条，约占总数的65.82%。

可见配变负载特性是有迹可循的，负荷特性的聚类分析也是后期的配变经济运行的基础，可针对大数据的聚类基础开展更大范围、更深层次的负荷特性分析。

2.2 配变重过载风险预警

随着用电采集系统的完善，配网实时运行状态得到全面监控，使得配变实时重过载运行状态监测、配变重过载风险预警成为可能。配变重过载风险预警可以在配变发生重载、过载之前就产生负载状态预测并发出预警，为配变运行优化提供定量参考，有效提高配网的运行效率和质量。

图2 4类典型负荷特性

应用场景：配变重过载预测。

对大量的配变电量和负荷数据进行特性分析，发现配变的数据具有相对的周期性和波动性，并得出电量比负荷更加具有良好的稳定周期与波动。同时发现影响其周期性的自身波动的主要因素有温度因素、周休日因素、自然增长率因素。

在对配变的最大负荷预测时，首先预测配变的日电量，然后再将用户的温度负荷曲线特性经过处理进行预测得到预测月内每日的最大预测负荷，最后将所有超过10天超载的配变过滤出来。

以苏北某农村配变为例，如图3所示。图3中展示了该配变2015年1月—3月的实际负荷率和1月—6月的预测负荷率。

图3 某配变负荷率预测曲线

该配变在2015年1月、3月多次出现过载情况，预计其将在2015年夏天会出现持续性的重载压力，因此可预警相关人员提前处理该配变的负载问题。

2.3 配网故障状态实时监控

配网状态的实时监控为及时发现配网的异常和故障提供了技术上的支持，极大地方便了配网的运行监控和故障检修，是实现智能用电的重要基础。

应用场景：配网故障抢修。

传统的配网故障抢修步骤为：①配网发生故障后相应用户停电；②用户向电力客户服务中心报修；③电力公司派遣抢修队排查故障位置，进行电力抢修。

这种抢修方法时间周期长，耗费资源多，在夏冬高峰负荷时期，尤其容易造成抢修人员不足、资源缺乏的问题。而用采系统的出现，完全颠覆了上述故障抢修步骤：当配网某位置发生故障时，用采系统获取的相应电气参数将发生变化，通过与历史运行大数据的比较分析，可以快速、准确判断故障的类型、位置，从而缩短配网故障抢修的耗费时间，降低资源消耗。

3 用电大数据提升电力营销服务

3.1 客户服务满意度分析

客户满意度是客户期望值与客户体验的匹配程度，反映的是客户的一种心理状态。提高客户满意度，首先要去了解客户的需求，也就是对客户的满意度进行一定的分析和归纳，以便针对客户需求做出相应的战略改变。

经过对电力客户相关业务的分析和梳理，总结出以下3点与电力客户服务满意度密切关联的影响因素。

（1）供电稳定与供电安全

供电稳定、供电安全是电力客户最容易感知的因素，客户对供电稳定性、供电安全是客户满意度最重要的影响因子。

通过公变、配变的实时数据采集，可以实时监测配网的运行状态、供电质量；深入分析配网的历史运行大数据，可以第一时间发现配网的异常、故障状态，缩短故障检修时间，提高供电可靠性。

（2）用电缴费与业务办理

用电缴费主要体现在抄表计费准确性、获取电费信息及时性、缴费及发票获取方便性；业务办理主要是手续流程的方便性及业务办理的效率。这也是客户比较容易感知的方面，对客户满意度的评价起到重要的作用。

通过电力客户的历史缴费记录，分析其缴费习惯和偏好，从而改进电费收取渠道，使客户的缴费更加方便快捷；通过分析电力客户的业务办理需求，适当增开一些业务功能，合理安排相关业务的营业时间、地点和窗口数量，使电力客户的新装、增容申请得到更快的响应和更好的处理。

（3）服务渠道和客户沟通

目前，服务渠道主要还是营业厅服务，营业厅的环境秩序、业务办理等待时间、人员态度、办事效率等都是影响客户满意的主要因子。

根据客户在微信平台、服务网站等平台反馈的投诉问题和业务需求，适当拓展服务的渠道，如：电话服务、网上营业厅、上门服务等。

3.2 客户用电优化建议

电力客户在用电行为上存在着较大的差异，对居民用户而言，这主要由生活习惯、作息时间等因素决定；对企业用户而言，主要由工作制度、商品订单等因素决定。如何充分利用峰谷电价，合理分配用电时间，是居民用户和企业用户都需要解决的问题。

在用户用电特性分析的基础上，结合用户所属地区、行业的整体能耗情况、平均用电量、负荷特性、峰谷能耗比以及产能利用率，分析用户的能耗水平、产能利用水平、峰谷用能、用电经济性等用电合理性，提出生产合理用电优化建议书，使用户更全面的了解自己的用电情况，为促使用户合理用电提供参考基础。

应用场景：居民用户用电优化建议。

以南京市某居民用户为例，其12月用电量如图4所示。图中蓝色部分为谷时段用电量，红色为峰时段用电量。

图4 某居民用户12个月用电量

针对其12个月的用电量数据，得到了针对其用电习惯的用电优化建议书，如表1。

表1 某居民用户用电优化建议书

4 用电大数据反映人民生活水平

4.1 居民电力消费水平

居民电量可以反映居民的生活水平，因为电量使用是直接与电费支出挂钩的，电费支出的增加也说明了居民可支配收入的增长。图5为南京市居民用电走势，其中蓝色曲线为用电量月数据，红色曲线为用电量年均线。

图5 南京地区居民用电走势

由图5可见，从2006年至今，居民用电量总体稳步上升，冬夏两季随气温变化而用电量明显增多。因此可以推断，南京市居民电力消耗水平有所提升，制热、制冷需求有所增加，也从另一个侧面说明了居民生活水平的提高。

4.2 居民住房分析

居民住房情况可以体现居民住房需求的饱和问题，也从侧面预测了房价的未来走势，反映了人们时下最关心的问题。

居民住房分析是将居民的每日用电量进行高度分析的实现，它通过分析历史城镇居民和城乡居民用户每日用电量、月用电量及设置合理的用电阈值，得到可信的全省地市居民房屋空置率，统计居民用户总数和居民用电总量走势情况。

应用场景：居民住房空置率分析。

居民住房空置率计算流程如图6所示。

图6 居民房屋空置率计算流程

图7是2015年2月江苏省13地市城网的住房空置率数据及排名。其中，镇江的住房空置率在省内最高，达22.13%；南京最低，为11.61%；江苏全省住房空置率为15.84%。

图7 江苏省13地市城网的住房空置率

5 用电大数据折射经济发展

5.1 地区经济发展分析

根据不同地区、行业的历史电量走势，结合负荷预测，分析不同产业的用电量在各地区的占比变化情况，可以了解江苏的产业结构变化，产业升级和迁移，以及地方特色产业的发展情况。

应用场景：制造业用电量变化及产业迁移。

以江苏全省制造业时空格局演变为例加以分析。图8为江苏全省13地市制造业2006年1月至2014年12月的用电量占比图。

图8 江苏全省13地市制造业用电量占比

由图8可见，8年中，苏州用电量在全省制造业领域占比一直保持在30%左右，处于全省领先位置；无锡占比下降幅度较大，从19.17%下降到13.79%。

全省制造业用电量增长率方面：宿迁、连云港、盐城位列三甲，分别达到了207.50%、116.10%、100.08%，但从总占比而言，仍然相对较少，分别为总量的2.95%、3.12%、6.13%。苏南经济发达地区的制造业用电量占比有所下降，而苏北占比有所上升，可见江苏制造业正发生着由南向北、由经济发达地区向发展中地区的迁移。

5.2 行业景气指数分析

行业景气指数又称为景气度，是对企业景气调查中的定性指标通过定量分析方法加工汇总，综合反映行业所处的状态或发展趋势的一种指标。影响行业景气的外因是宏观经济指标波动、上下游产业链的供应需求变动，内因是行业的产品需求变动、生产能力变动、技术水平变化以及产业政策的变化等。

根据行业的产能利用率和业扩容量数据，利用大数据分析技术和相应算法，可以分析和研究该行业的景气指数走势。

应用场景：制造业景气指数分析。

具体步骤如下：

（1）获取2006—2014年全省制造业的产能利用率数据和业扩容量数据。

（2）分别对行业产能利用率和业扩容量数据2项进行分析，按照一定算法将此参数换算成对应指数。以历史最大连续6个月月均产能利用率F作为产能利用率项100分，以历史最大连续6个月平均业扩容量P为业扩容量100分。根据该日期往前6个月的产能利用率和业扩容量，计算最近6个月月均产能利用率F和业扩容量Pexpan。

（4）对得出的该日期产能利用率分数和业扩容量分数按照一定的权重计算出该日期的景气指数u

式中：μ为产能利用率指数的权重系数，取值为0≤μ≤1。

较之业扩容量这种纯电量信息，产能利用率指数更能体现企业的电量利用效率，是企业能耗转化为产量的重要指标，因此通常 μ的取值较大，即产能利用率指数在行业景气指数中所占的比率更大。大量数据分析表明，μ取0.8时，行业景气指数较为平稳，类似于PMI指数。全省制造业2009—2014年基于用电的行业景气指数如图9所示。

由图9可以看出，江苏省制造业在2009—2011年之间基于用电的行业景气指数都在50分线上下波动，说明江苏省制造业维持在一个比较稳定的发展水平。进入2012年后有所放缓，印证经济发展方式加快转变的主线，2014年我国经济发展进入新常态，增速放缓，但质量和效益提升。

图9 行业景气指数

5.3 经济发展能效分析

江苏省作为全国能源消费大省，重化工业特征突出，江苏能源消费总量的80%是由工业企业消耗的，其能源消费量及增减幅度对全省能源消费的变动具有较强的影响度，节能降耗任重路艰。

从全省GDP和用电关系分析，在2005—2007年期间，江苏省经济刚由粗放式向集约式发展阶段，GDP电单耗由1 395 kWh/万元上升到1 422 kWh/万元，年均增长0.97%。2007年以后，江苏省主动调整经济结构，GDP电单耗出现较为明显的下降，至2013年，电单耗下降到1 249 kWh/万元，年均降低2.1%，其中第三产业用电单耗由于产业电气化率的提高呈现较为稳定的增长趋势，第二产业用电单耗下降较多，这意味着较少的用电量增长支持着较多的经济增长，说明节能减排工作步伐稳健，节能工作取得明显成效。

6 结束语

用采系统的建成使得基于用电大数据的分析和研究更加方便快捷，国网江苏省电力公司从用电信息大数据入手，展开了大量的研究工作，主要体现在4个方面。

（1）配网规划运行。利用用采系统实现配网运行状态的实时监测，严密防控配网的异常和故障；开展配变负载特性分析，为配变经济运行提供技术支持；进行配变重过载预测研究，为配网优化、规划改造提供数据支撑。

（2）电力营销服务提升。利用95598、微信平台等累积的客户服务大数据，开展客户服务满意度分析；分析全省电力用户用电特性，为客户推送用电优化建议书，倡导绿色低碳生活。

（3）反映人民生活。根据居民电力消费水平，分析居民生活水平的变化和消费能力；根据居民历史用电大数据，判断江苏居民住房空置率。通过分析生活水平、消费活跃程度，实现“电力看民生”。

（4）折射经济发展。根据行业用电量变化推算产业结构变化、升级和迁移；根据行业产量、用电量和业扩信息推算行业产能利用率和景气指数。

基于用电信息大数据的研究工作伴随着“新经济”、“新常态”而展开，在智能电网大发展、国家经济发展的结构化调整大形势下，无论是分析手段、计算方法，还是应用场景、展现方式，都需要进一步的研究和分析。下一步将深度结合电力营销业务，开展电力大数据研究，为提升电力营销服务水平奠定技术基础，为企业节能降耗推荐有效建议，为政府决策提供辅助支持。

［1］ 吴宇晖，张昱，付淳宇，等.也谈“克强经济学”［J］.华东经济管理，2015，29（1）：1-6.

［2］ 胡江溢，祝恩国，杜新纲，等.用电信息采集系统应用现状及发展趋势［J］.电力系统自动化，2014，38（2）：131-135.

［3］ 彭小圣，邓迪元，程时杰，等.面向智能电网应用的电力大数据关键技术［J］.中国电机工程学报，2015，35 （3）：503-511.

［4］ 张东霞，苗新，刘丽平，等.智能电网大数据技术发展研究［J］.中国电机工程学报，2015，35（1）：2-12.

［5］ 赵腾，张焰，张东霞.智能配电网大数据应用技术与前景分析［J］.电网技术，2014，38（12）：3 305-3 312.

［6］ 王继业，季知祥，史梦洁，等.智能配用电大数据需求分析与应用研究［J］.中国电机工程学报，2015，35（8）：1 829-1 836.

［7］ 张素香，赵丙镇，王风雨，等.海量数据下的电力负荷短期预测［J］.中国电机工程学报，2015，35（1）：37-42.

［8］ 张素香，刘建明，赵丙镇，等.基于云计算的居民用电行为分析模型研究［J］.电网技术，2013，37（6）：1 542-1 546.

［9］ Rahman M N，Esmailpour A.An efficient electricity generation forecasting system using artificial neural network approach with big data［C］//IEEE First International Conference on Big Data Computing Service andApplications（BigDataService）.CA：Redwood，2015.

［10］ 吴凯峰，刘万涛，李彦虎，等.基于云计算的电力大数据分析技术与应用［J］.中国电力，2015，48（2）：111-116，127.

［11］ 赵莉，候兴哲，胡君，等.基于改进K-means算法的海量智能用电数据分析［J］.电网技术，2014，38（10）：2 715-2 720.

Application and research of electricity big data

LI Bin
（State Grid Jiangsu Electric Power Company，Nanjing 210024，China）

With the construction of electric energy data acquire system and urgent demand of electric power marketing business，research and analysis based on electric energy information big data has become an urgent need for power enterprises.Jiangsu electric power company has carried out preliminary research work and made certain achievement.The only way to play the effectiveness of electric energy data analysis is to apply the achievements to specific business.This paper carried out electric energy data analysis on distribution network planning and operation，marketing service promotion，people's living level and regional economic development.Substantive progress has achieved from theoretical research of electric energy big data to specific business analysis.Electric energy big data analysis provided data and technical support to improve power marketing services and construction of smart city.

electricity big data；distribution network operation；marketing service；residential housing vacancy rate；industry boom index

李斌（1963），女，四川泸州人，国网江苏省电力公司副总经理，研究员级高级工程师，主要从事电力能源管理、用电技术发展、营销智能化业务管理工作。

F407.61

C

10.3969/j.issn.1009-1831.2016.04.009

2016-05-30