基于大数据的供电营销服务应用探讨

张红燕

（广东电网有限责任公司江门供电局，广东江门529000）

0 引言

目前，供电企业营销基础业务工作已趋于成熟，业务流程、操作规范、系统支撑等已建立完整体系。然而，在电力市场化改革的不断深化和加快，电力监管力度的不断加强，以及用电客户对用电可靠性及营销服务水平提出更高要求等形势下，目前的营销服务工作仍然不能满足要求。

为了进一步提升营销服务工作质量，本文基于供电企业大数据现状及挖掘，提出了一系列应用场景，可为供电企业具体实施工作提供参考。

1 供电企业大数据现状

根据来源的不同，供电企业大数据可分为内部数据和外部数据。其中，内部数据产生于营销管理系统（包括客户服务过程行为数据）、计量自动化系统、生产管理系统、GIS系统等。这些数据包括静态数据、实时数据和历史数据，其中静态数据包括电网设备模型参数、线路拓扑结构、电力用户资料数据等，实时数据包括电量计量、电力负荷等，历史数据包括用户交互数据等；外部数据来源于气象预报系统、互联网数据、公共服务部门数据、社会经济数据、企业私有数据等，这些数据也为电网服务、运行、管理、决策等提供支持。

目前，供电企业的业务系统种类多，然而大数据应用能力不足，不能及时掌握用户用电变化，对用户用电潜力挖掘深度不够，对市场的特点和规律研究不足，不能有针对性地开展营销服务工作。

2 供电企业大数据应用平台搭建

基于现有数据模式，搭建统一的大数据应用平台。整合集成现有数据，把不同来源、格式、特点、性质的数据在逻辑上或者存储介质上有机地集中，并系统存储一系列面向主题的、集成的、相对稳定的、反映历史变化的数据；同时，借助大数据的分析技术，如数据挖掘、模式识别、神经网络、时间序列预测模型、遗传算法等多种不同的方法，从海量营销服务数据中找出潜在的规律与趋势；最后，根据整合分析了的数据结果，借助大数据的可视化展现技术帮助营销人员洞察业务发展趋势，更直观、准确地理解分析结果数据表达的意义。

3 基于大数据的营销业务场景应用分析

供电企业大数据应用主要是为供电企业本身的运营管理提供决策支撑，为电力用户服务提供决策依据，为政府提供决策支持。

本文主要是基于现有营销业务，依托大数据，开展营销业务场景应用分析。

3.1 电力供应预测分析

传统的负荷预测是基于历史数据及客户报装情况，开展年度、月度及日负荷预测。为了进一步提升服务，实现精准预测，可基于台区用电量历史，重点关注节假日、季节性电量大幅波动台区，结合用户报装及移动用户迁移意向，预测台区波峰时段电力供应需求，为生产及客服部门提供依据。

3.2 企业成本优化分析

在互联网不断发展的情况下，需在提升客户满意度的基础上考虑企业成本。结合客户用电行为，开展对不同渠道应用分析，优化服务渠道规划，提出渠道功能优化建议，制定有针对性的、个性化的营销服务方案，改善客户感知，降低服务成本。如开展营业厅、自助缴费终端优化布点分析，利用运筹学理论，在满足客户需求的同时减少不必要的浪费，合理开展资源配置；开展不同服务渠道收费模式成本分析，结合不同区域客户类别，有针对性地引导客户缴费习惯，减少电费回收成本；开展短信业务应用分析，优化通知模式，减少通信支出成本；开展微信、网厅、掌厅业务分析，不断优化业务功能，转移实体营业厅业务量，降低用工成本。

3.3 用户能耗分析及用电优化

随着智能电表的普及，用户的实时数据通过互联网传输到终端，形成了大量数据库，为优化客户用电信息方案提供了数据支撑。通过使用在线远程集抄用户智能电表，可及时了解客户电能质量状态，监测故障信息，及时进行处理，保证客户用电安全。通过对电力大数据进行梳理、分析，不仅能根据各行业的用电行业特性为大客户提供技术参考，还可根据供需关系、已有资源以及发展规划进行能耗分析，分析用电成本、优化空间，为大客户制定最优规划，提高其电能利用效率。

（1）大工业用电实行两部制电价，包括基本电价、峰谷平电价以及功率因数调整电费。可以根据客户用电量需求、用电周期，考虑变压器的运行经济成本和投资周期成本设计最优方案，确定变压器台数以及容量。

（2）基于力调功率电费赏罚方法，根据大工业用户力调电费历史数据，进行无功补偿投资分析，设计方案，提高功率因数，改善电能质量，进行能效优化。对用户历史电费数据进行指标分析，分析峰谷平各时段电量、最大需量、力调功率、占比等信息与电费的关系，根据结果进行深入挖掘分析，给大客户用工时段提供建议，鼓励大客户错开用电高峰期，在完成生产任务的情况下节约用电成本。

（3）在线监测用电设备电能质量，对谐波、三相不平衡、失压、失流等指标进行阈值预警，一旦超过预警值，马上采取相应措施，保证客户安全用电，设备安全稳定运行。

（4）通过大数据分析，采用智能算法预测将来几年的电力负荷量，确保变压器留有足够的裕度，满足客户日益增长的需求，提前做好备案，进行经济最优化处理；将用户按行业分类，统计分析各行业典型负荷曲线，将所有用户与所属行业曲线做对比，对变化趋势不一样的客户给出改进方案，提高其用电效益。

3.4 政府辅助决策支持

结合各行业客户用电量情况以及报装情况，开展社会经济状况分析与预测，就产业调整、经济调控为政府提供决策性支持；利用新能源分布式电源情况及电动汽车应用情况，为智能城市规划提供依据及参考。

4 结语

作为一种新兴的技术手段和管理理念，对于电力大数据的研究仍然处于初级阶段，本文重点是理论应用探讨，而如何实现数据挖掘的关键技术以及落实应用后的成效分析需进一步研究，从而为落实供电管理精益化以及实现精细化服务打下良好基础。

[1]翟海妮，庞徐伟，尤鸣宇，等.电力大数据的应用价值及其共享平台分析与设计[J].经营与管理，2017（7）：104-108.

[2]张沛，杨华飞，许元斌.电力大数据及其在电网公司的应用[J].中国电机工程学报，2014（S1）：85-92.

[3]段军红，张乃丹，赵博，等.电力大数据基础体系架构与应用研究[J].电力信息与通信技术，2015，13（2）：92-95.

[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）：2-7.

[5]中国电机工程学会电力信息化专业委员会.中国电力大数据发展白皮书[M].北京：中国电力出版社，2013.