韓海安，弓俊才，郭易鑫

（1.國網(wǎng)山西省電力公司計(jì)量中心，山西太原 030002；2.國網(wǎng)山西省電力公司，山西太原 030001)

0 引言

目前，大數(shù)據(jù)應(yīng)用已經(jīng)越來越引起國網(wǎng)公司和各省電力公司的關(guān)注。在營銷專業(yè)大數(shù)據(jù)中，數(shù)據(jù)量信息量最大的是用電信息采集系統(tǒng)，國網(wǎng)數(shù)據(jù)中心數(shù)據(jù)顯示，全國每日產(chǎn)生營銷基礎(chǔ)數(shù)據(jù)130 TB，用電信息采集系統(tǒng)數(shù)據(jù)45 TB。

隨著現(xiàn)場(chǎng)計(jì)量裝置的升級(jí)換代、通信信道的不斷提速，作為最直接、最全面獲取電力用戶用電信息的智能電能表和采集終端，提供的數(shù)據(jù)將更加豐富，實(shí)現(xiàn)全量數(shù)據(jù)的高頻采集也將成為現(xiàn)實(shí)。采集大數(shù)據(jù)不同于調(diào)度、運(yùn)檢等其他電力大數(shù)據(jù)，其優(yōu)勢(shì)和特點(diǎn)就在于直接聯(lián)系著電力用戶，通過電能表提供的各類數(shù)據(jù)，利用大數(shù)據(jù)工具加以分析利用。除了可以實(shí)現(xiàn)傳統(tǒng)的計(jì)量收費(fèi)業(yè)務(wù)外，還可以反應(yīng)出用戶的用電行為、用電習(xí)性、用電特點(diǎn)等，甚至對(duì)用戶自身的結(jié)構(gòu)、特征等等幾乎都可以依靠1只智能電能表提供的數(shù)據(jù)分析和挖掘出來，真正實(shí)現(xiàn)了智能電能表支撐起能源互聯(lián)網(wǎng)建設(shè)。更重要的是，在大數(shù)據(jù)時(shí)代里，挖掘大數(shù)據(jù)價(jià)值，就能拓展增值業(yè)務(wù)，滿足客戶多樣化需求提供有效支撐。

近年來，圍繞營銷大數(shù)據(jù)，尤其是采集大數(shù)據(jù)，各網(wǎng)省均展開了深化應(yīng)用工作部署，如基于在線監(jiān)測(cè)與智能診斷的計(jì)量裝置狀態(tài)檢測(cè)及輪換、供應(yīng)商質(zhì)量評(píng)價(jià)、用戶能效及需求響應(yīng)潛力分析評(píng)估、基于客戶用電全生命周期的客戶標(biāo)簽庫建設(shè)等等。同時(shí)，為現(xiàn)場(chǎng)工作人員提供臺(tái)區(qū)健康狀態(tài)全面分析，搭建數(shù)學(xué)模型，針對(duì)臺(tái)區(qū)運(yùn)營、問題分析、問題診斷、故障處理及優(yōu)質(zhì)服務(wù)等方面提供有力支撐。

1 營銷專業(yè)大數(shù)據(jù)應(yīng)用中存在的問題

營銷專業(yè)大數(shù)據(jù)分析工作中出現(xiàn)的一些問題，在一定程度上制約了營銷專業(yè)的發(fā)展，致使多樣化營銷水平發(fā)展較緩。

a）數(shù)據(jù)采集問題。受限于當(dāng)前采集通訊和主站架構(gòu)，用電信息采集系統(tǒng)針對(duì)單相智能電能表能按日為單位采集表底示數(shù)，而無法采集電壓、電流、功率等數(shù)據(jù)，導(dǎo)致用電信息采集的數(shù)據(jù)維度單一。

b）數(shù)據(jù)匹配問題。SG186中的客戶基礎(chǔ)檔案數(shù)據(jù)、采集系統(tǒng)中的用采檔案數(shù)據(jù)以及運(yùn)檢PMS系統(tǒng)中的設(shè)備檔案數(shù)據(jù)，這三者都有臺(tái)區(qū)的相關(guān)信息，三大系統(tǒng)中檔案數(shù)據(jù)不完全一一對(duì)應(yīng)，影響了大數(shù)據(jù)分析結(jié)果的準(zhǔn)確性和實(shí)用性。

c）數(shù)據(jù)協(xié)同問題。各專業(yè)的信息系統(tǒng)建設(shè)，由于建設(shè)年代和廠商不同，導(dǎo)致數(shù)據(jù)分散存儲(chǔ)而成為信息孤島。雖然采用了“接口+中間庫”的方式進(jìn)行數(shù)據(jù)聯(lián)通，但由于系統(tǒng)性能、傳輸質(zhì)量、安全策略、專業(yè)壁壘等限制，使得多源、分散的數(shù)據(jù)難以形成實(shí)時(shí)、高效的數(shù)據(jù)協(xié)同，極大地限制了大數(shù)據(jù)的共享，降低了大數(shù)據(jù)的的應(yīng)用效果。

d）分析對(duì)象問題。目前采集數(shù)據(jù)應(yīng)用主要是針對(duì)基于Oracle存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù)進(jìn)行分析和應(yīng)用，而對(duì)于同樣數(shù)量龐大的工單、發(fā)文、規(guī)程等文本，以及照片、圖片等非結(jié)構(gòu)化數(shù)據(jù)尚未開展深入的研究分析。

e）應(yīng)用領(lǐng)域問題。在采集大數(shù)據(jù)應(yīng)用方面，一是主要在國網(wǎng)和省級(jí)層面開展，在基層供電所人員管理、基層現(xiàn)場(chǎng)工作支撐等方面的研究和實(shí)際應(yīng)用的還不夠多，隨著基層末端融合工作的推進(jìn)，基層營銷人員對(duì)采集大數(shù)據(jù)分析的需求和應(yīng)用會(huì)越來越迫切。二是主要數(shù)據(jù)源以營銷專業(yè)大數(shù)據(jù)為主，圍繞營銷提質(zhì)增效、開拓市場(chǎng)開展應(yīng)用，結(jié)合公司其他專業(yè)電力大數(shù)據(jù)開展跨專業(yè)支撐還不夠多，將采集大數(shù)據(jù)與社會(huì)經(jīng)濟(jì)數(shù)據(jù)、政府管理數(shù)據(jù)等海量的公司外部大數(shù)據(jù)融合分析應(yīng)用還不夠多。

f）智能應(yīng)用問題。目前，采集大數(shù)據(jù)應(yīng)用大多著眼于友好的可視化展示，使用戶能夠更好地理解大數(shù)據(jù)分析的結(jié)果（是什么），部分應(yīng)用嘗試做對(duì)分析結(jié)果的成因分析（為什么），很少應(yīng)用嘗試進(jìn)行對(duì)策分析（怎么辦）。這就在一定程度上折射出當(dāng)前大數(shù)據(jù)應(yīng)用對(duì)智能化的重視還不夠，應(yīng)用的友好性還不足，還不能充分的滿足用戶的多元化需求。

2 營銷專業(yè)大數(shù)據(jù)應(yīng)用模式建議

a）通過大數(shù)據(jù)分析應(yīng)用，在降本增效、提高工作質(zhì)量、提升工作效率、提高優(yōu)質(zhì)服務(wù)水平方面取得成效；在支撐電力市場(chǎng)拓展、用戶用能潛力挖掘、電力客戶競(jìng)爭(zhēng)等方面取得成效。

b)充分結(jié)合基層實(shí)際，突出實(shí)用、實(shí)效,在短時(shí)間內(nèi)各類系統(tǒng)難以重構(gòu)的情況下，構(gòu)建統(tǒng)一的數(shù)據(jù)資源池。以營銷數(shù)據(jù)管理為重點(diǎn)，實(shí)現(xiàn)營銷專業(yè)內(nèi)部大數(shù)據(jù)整合，打破公司各專業(yè)系統(tǒng)壁壘，通過營銷數(shù)據(jù)整合、規(guī)范、共享，支撐多專業(yè)大數(shù)據(jù)分析應(yīng)用。

c）拓展數(shù)據(jù)結(jié)構(gòu)，實(shí)現(xiàn)多元化分析。通過對(duì)海量的規(guī)章、制度、報(bào)告、發(fā)文、工單等文本數(shù)據(jù)的深入分析和挖掘，與營銷專業(yè)結(jié)構(gòu)化數(shù)據(jù)形成完整的數(shù)據(jù)生態(tài)圈，實(shí)現(xiàn)業(yè)務(wù)從源頭到末端全過程追蹤和分析。

d)建設(shè)智能化的知識(shí)推薦體系。使得基層人員在從事各項(xiàng)工作時(shí)，可以快捷地獲得知識(shí)幫助和策略推薦，同時(shí)，與基于文本分析和自動(dòng)化合規(guī)性檢查結(jié)合，可以提升工作效率，降低錯(cuò)誤率。

3 竊電嫌疑用戶分析主題應(yīng)用

針對(duì)現(xiàn)場(chǎng)竊電手段更新?lián)Q代，竊電裝置日趨多樣化，竊電金額大幅度增加，山西省以計(jì)量原理為基礎(chǔ)，結(jié)合竊電實(shí)際案例分析，細(xì)化梳理竊電特征，建立竊電分析模型，并通過歷史數(shù)據(jù)反復(fù)驗(yàn)證，優(yōu)化模型，為現(xiàn)場(chǎng)反竊電工作提供可靠依據(jù)?；谟秒娦畔⒉杉到y(tǒng)采集的用戶用電行為數(shù)據(jù)和智能電表的事件上報(bào)數(shù)據(jù)，結(jié)合歷史積累的竊電查處數(shù)據(jù)和竊電模式分析數(shù)據(jù)，通過深入挖掘與竊電行為密切相關(guān)的電壓電流不平衡、電壓電流斷相、失壓失流等采集數(shù)據(jù)，以多維的大數(shù)據(jù)分析為基礎(chǔ)，構(gòu)建反竊電指標(biāo)，建立反竊電計(jì)算模型。

以大數(shù)據(jù)、機(jī)器學(xué)習(xí)、人工智能為管理提供科學(xué)、直觀的決策支持，創(chuàng)造新型精細(xì)化的運(yùn)營管理體系。準(zhǔn)確、快速定位竊電嫌疑用戶，執(zhí)行有針對(duì)性的排查，減少了反竊電工作量，降低了反竊電工作成本，提高反竊電行動(dòng)的效率。

3.1 竊電用戶識(shí)別模型

電能表計(jì)量電量的多少主要取決于電壓、電流、功率因數(shù)三要素和時(shí)間的乘積。竊電一般采用改變計(jì)量回路二次接線等方式竊電，監(jiān)測(cè)竊電時(shí)產(chǎn)生的電流、電壓、用電量變化可以精準(zhǔn)捕獲竊電的起止過程，實(shí)現(xiàn)精準(zhǔn)防竊電。

從主站采集電量、負(fù)荷及線損的歷史樣本數(shù)據(jù)，對(duì)歷史樣本數(shù)據(jù)進(jìn)行預(yù)處理，即構(gòu)成竊電分析所需的專家樣本庫。專家樣本雖在一定程度上能直接反映用戶竊電行為的某些規(guī)律，但作為構(gòu)建模型的樣本，特征不明顯，因此需要在此基礎(chǔ)上構(gòu)造指標(biāo)體系（包括電壓類指標(biāo)、電流類指標(biāo)、負(fù)荷類指標(biāo)、用電量指標(biāo)、線損類指標(biāo)等）。在反復(fù)分析歷史竊電案例基礎(chǔ)上，確立了竊電評(píng)價(jià)指標(biāo)體系，然后采用神經(jīng)網(wǎng)絡(luò)和CART決策樹構(gòu)建竊電用戶識(shí)別模型，輸入項(xiàng)包括電量趨勢(shì)下降指標(biāo)、線損類指標(biāo)和告警類指標(biāo)，輸出項(xiàng)為竊電標(biāo)識(shí)（見圖1）。

圖1 竊電嫌疑系數(shù)

3.2 竊電嫌疑分析

a）疑似竊電用戶用電情況分析。通過對(duì)模型挖掘出來的竊電嫌疑用戶進(jìn)行竊電嫌疑度排名，對(duì)嫌疑度高的用戶進(jìn)行用電分析。包括電量分析、電壓分析、電流分析、異常事件分析，其中用電量分析針對(duì)時(shí)間維度，分析疑似竊電用戶月度、年度用電量變化趨勢(shì)、96點(diǎn)電量曲線、96點(diǎn)電壓曲線、96點(diǎn)電流曲線變化情況。

b)行業(yè)用電特征分析。分析各類行業(yè)疑似竊電用戶用電量特征，日、月、季、年用電量變化規(guī)律和特性，疑似竊電用戶96點(diǎn)電量曲線與行業(yè)96點(diǎn)平均電量曲線擬合。根據(jù)計(jì)算出的擬合值，確定疑似竊電用戶用電目的是觀察疑似竊電用戶的用電特征與其對(duì)應(yīng)行業(yè)用電特征是否相似，預(yù)判疑似竊電用戶是否竊電。

所采用模型需綜合考慮行業(yè)用電設(shè)備、用電性質(zhì)、歷史數(shù)據(jù)及基礎(chǔ)檔案信息，通過神經(jīng)網(wǎng)絡(luò)和海量數(shù)據(jù)優(yōu)化模型，提高預(yù)判疑似竊電用戶準(zhǔn)確性。

c）疑似竊電用戶總體情況分析。通過模型挖掘出全省各地市的疑似竊電用戶，對(duì)這些疑似用戶進(jìn)行區(qū)域分布分析、用電趨勢(shì)分析，多種維度分析有竊電嫌疑的用戶群，從而對(duì)疑似竊電用戶進(jìn)行跟蹤觀察。下一步，將結(jié)合用電性質(zhì)、行業(yè)特征、生產(chǎn)特點(diǎn)等總結(jié)歸納提升數(shù)學(xué)模型，提升竊電疑似用戶的預(yù)判精準(zhǔn)度。

4 臺(tái)區(qū)健康狀態(tài)評(píng)價(jià)及可視化主題應(yīng)用

臺(tái)區(qū)健康狀態(tài)評(píng)價(jià)及可視化應(yīng)用是以精細(xì)化、網(wǎng)格化管理為出發(fā)點(diǎn)，將智能電網(wǎng)建設(shè)末端的臺(tái)區(qū)與臺(tái)區(qū)管理人員作為抓手，圍繞分析現(xiàn)狀、發(fā)現(xiàn)問題、解決問題角度建立大數(shù)據(jù)分析模型。實(shí)現(xiàn)臺(tái)區(qū)經(jīng)理人、用戶、電表的定位，為臺(tái)區(qū)經(jīng)理人在臺(tái)區(qū)運(yùn)營、問題分析、問題診斷、故障處理、優(yōu)質(zhì)服務(wù)提供支撐。通過對(duì)臺(tái)區(qū)健康狀態(tài)綜合評(píng)價(jià)分析，一是建立完整科學(xué)的臺(tái)區(qū)綜合大數(shù)據(jù)打分算法，實(shí)現(xiàn)臺(tái)區(qū)一鍵式體檢，幫助臺(tái)區(qū)負(fù)責(zé)人和公司管理人員及時(shí)掌握臺(tái)區(qū)的綜合健康狀態(tài)。二是通過大數(shù)據(jù)算法為臺(tái)區(qū)負(fù)責(zé)人提供臺(tái)區(qū)綜合健康問題的推薦處理方法，提高臺(tái)區(qū)負(fù)責(zé)人排查處理臺(tái)區(qū)問題的效率。三是建立臺(tái)區(qū)異常信息推送和分析展示平臺(tái)，多維度關(guān)聯(lián)用戶指標(biāo)參數(shù)，展示異常全量信息，為臺(tái)區(qū)負(fù)責(zé)人集中提供臺(tái)區(qū)相關(guān)的綜合信息。四是建立臺(tái)區(qū)負(fù)責(zé)人標(biāo)兵晾曬臺(tái)，將臺(tái)區(qū)負(fù)責(zé)人按所管轄臺(tái)區(qū)健康水平評(píng)分，并進(jìn)行全省排名展示，激勵(lì)臺(tái)區(qū)責(zé)任人責(zé)任心。

4.1 分析模型

臺(tái)區(qū)健康狀態(tài)綜合評(píng)價(jià)分析模型結(jié)合傳統(tǒng)狀態(tài)指標(biāo)設(shè)計(jì)和評(píng)價(jià)體系，結(jié)合基于大數(shù)據(jù)技術(shù)的機(jī)器學(xué)習(xí)的方式方法進(jìn)行綜合的對(duì)標(biāo)分析和組合優(yōu)化。

傳統(tǒng)的指標(biāo)評(píng)價(jià)方法的核心算法包括環(huán)比評(píng)分主觀賦權(quán)、熵權(quán)客觀賦權(quán)、基于灰色關(guān)聯(lián)度分析的評(píng)價(jià)矩陣。機(jī)器學(xué)習(xí)算法體系包括基于聚類分析的臺(tái)區(qū)狀態(tài)畫像和標(biāo)簽化、基于人工神經(jīng)網(wǎng)絡(luò)方法的狀態(tài)健康度函數(shù)逼近。分析模型包括以下3種。

a）臺(tái)區(qū)健康狀態(tài)綜合評(píng)價(jià)模型。針對(duì)每個(gè)臺(tái)區(qū)日常運(yùn)營管理的各項(xiàng)工作（如采集、費(fèi)控、消缺、線損管理等），基于圍繞臺(tái)區(qū)相關(guān)各業(yè)務(wù)系統(tǒng)的數(shù)據(jù)（如用電信息采集系統(tǒng)、營銷業(yè)務(wù)應(yīng)用系統(tǒng)、費(fèi)控系統(tǒng)、采集運(yùn)維閉環(huán)管理系統(tǒng)等），采用大數(shù)據(jù)的算法，從多個(gè)維度（如采集成功率、費(fèi)控成功率、線損合格率等）對(duì)每個(gè)臺(tái)區(qū)單項(xiàng)工作開展的情況進(jìn)行動(dòng)態(tài)體檢和評(píng)分。并基于單項(xiàng)評(píng)分綜合考慮臺(tái)區(qū)的多種因素對(duì)臺(tái)區(qū)的運(yùn)行狀況進(jìn)行動(dòng)態(tài)的綜合評(píng)分，從而全面、準(zhǔn)確地反映臺(tái)區(qū)的總體運(yùn)行狀況和運(yùn)營管理水平，為精確管理提供清晰、完整的數(shù)據(jù)支撐（見圖2）。

圖2 臺(tái)區(qū)健康狀態(tài)評(píng)價(jià)模型拓?fù)?/p>

b）臺(tái)區(qū)經(jīng)理工作綜合評(píng)價(jià)模型。按照以下4個(gè)維度進(jìn)行評(píng)價(jià)。

工作響應(yīng)速度：主要評(píng)價(jià)臺(tái)區(qū)經(jīng)理人對(duì)推送的問題臺(tái)區(qū)線下排查響應(yīng)速度情況的分析和評(píng)價(jià)。

問題處理質(zhì)量：主要評(píng)價(jià)臺(tái)區(qū)經(jīng)理人對(duì)臺(tái)區(qū)問題處理效果，是否提升了臺(tái)區(qū)的運(yùn)行狀況。

工具掌握情況：主要評(píng)價(jià)提取臺(tái)區(qū)經(jīng)理在使用信息化工具的掌握情況，以及隨時(shí)使用信息化工具處理臺(tái)區(qū)問題效率。

臺(tái)區(qū)經(jīng)理人基本情況：主要基于臺(tái)區(qū)運(yùn)行狀態(tài)，并結(jié)合臺(tái)區(qū)經(jīng)理人的學(xué)歷、年齡情況進(jìn)行關(guān)聯(lián)分析，分析臺(tái)區(qū)經(jīng)理人工作能力的匹配程度。

c）臺(tái)區(qū)健康問題智能診療模型。通過對(duì)各用戶歷史事件的分析，形成各指標(biāo)的推薦雛形，然后根據(jù)采集、線損、費(fèi)控、設(shè)備4個(gè)指標(biāo)橫向分析綜合情況，最終實(shí)現(xiàn)問題的綜合推薦，提醒臺(tái)區(qū)經(jīng)理處理問題存在的關(guān)鍵用戶。同時(shí)，根據(jù)用戶問題的具體情況，給臺(tái)區(qū)經(jīng)理人相應(yīng)的處理建議。

關(guān)于臺(tái)區(qū)問題診斷處理是臺(tái)區(qū)評(píng)分低的單個(gè)用戶，采用頻繁項(xiàng)集挖掘算法找出各個(gè)用戶指標(biāo)關(guān)聯(lián)規(guī)則。例如，采集和費(fèi)控經(jīng)常一起出現(xiàn)問題，根據(jù)這一現(xiàn)象推出采集和費(fèi)控的關(guān)聯(lián)原因。

頻繁模式挖掘算法有兩處參數(shù)需做進(jìn)一步細(xì)化處理，一個(gè)是支持度，另一個(gè)是置信度。通俗的講支持度衡量元素占總樣本的比例，例如項(xiàng)集內(nèi)同時(shí)含有A和B的元素占總樣本的比例，這是衡量這一現(xiàn)象發(fā)生的頻率。置信度是在所有含有A元素的項(xiàng)集中有B的概率，這是判斷A與B有關(guān)聯(lián)性的參數(shù)。

臺(tái)區(qū)問題的解決方法，充分利用了采閉環(huán)系統(tǒng)中的方案庫，通過頻繁模式挖掘算法，在解決方案庫中找到匹配度高的解決方案，將此方案推薦給臺(tái)區(qū)經(jīng)理。

4.2 可視化

基于寬帶載波優(yōu)勢(shì)，通過對(duì)采集系統(tǒng)稍加改進(jìn)，實(shí)現(xiàn)臺(tái)區(qū)實(shí)時(shí)拓?fù)鋱D自動(dòng)繪制功能微應(yīng)用開發(fā)。借助配網(wǎng)監(jiān)測(cè)裝置，實(shí)時(shí)監(jiān)測(cè)臺(tái)區(qū)低壓側(cè)各級(jí)供電開關(guān)狀態(tài)，可視化動(dòng)態(tài)顯示停電區(qū)域，實(shí)現(xiàn)可視化動(dòng)態(tài)展示“變壓器—開關(guān)—智能表”拓?fù)潢P(guān)系，精準(zhǔn)定位停電范圍，為供電服務(wù)指揮平臺(tái)提供精準(zhǔn)數(shù)據(jù)支撐和可視化應(yīng)用。

選取太原某小區(qū)為試點(diǎn)臺(tái)區(qū)，更換寬帶載波模塊并加裝配網(wǎng)監(jiān)測(cè)裝置，憑借寬帶實(shí)時(shí)拓?fù)涔δ?，智能展示小區(qū)內(nèi)各級(jí)供電開關(guān)拓?fù)涫緢D，并實(shí)時(shí)監(jiān)測(cè)開關(guān)狀態(tài)。

5 結(jié)束語

采集大數(shù)據(jù)是營銷大數(shù)據(jù)中最重要的數(shù)據(jù)源。文章基于采集系統(tǒng)，搭建了大數(shù)據(jù)平臺(tái)，并在反竊電行為分析、臺(tái)區(qū)可視化管理等方面進(jìn)行了一定程度的研究，為滿足客戶多樣化需求提供有效支撐。