电力营销服务数据的采集与大数据应用

电力营销服务数据的采集与大数据应用

曲晓平李勇赵志远

（黑龙江省电力有限公司客户服务中心黑龙江省哈尔滨市150090）

摘要：通过对大量负荷、电量数据进行关联分析法和离群点分析法分析，构建了基础模型，设立了合适的阈值，探究一种大数据时代下的防窃电和异常用电预警方法，成功率较高，经济效益明显。利用营销业务应用系统的实时登记数据，合理计算和预测各营业厅的排班情况，及时解决当前窗口的矛盾，解决传统排版设点盲目、人力成本较高等问题，实现排班管理的数据化、精确化和集约化，从而进一步提升服务质量。

关键词：电力营销；用电数据采集；大数据

引言

随着电力系统发展和电力体制改革的冲击，国家电网公司对企业发展的转型的需求，以及智能电网的规划与实现均对电力数据的应用提出了更高要求。随着售电市场的逐渐放开与市场化运作，使得用电客户对电力需求有了更深层次、多元化的趋势，用电客户已从保障用电需求到转变为要求安全用电、可靠的供电质量、透明的消费计量以及一些个性化的服务需求。对供电企业的用电营销业务带来更严峻的考验。

1意义

越来越多的政府、企业正逐步意识到这隐藏在数据山脉中的金矿，表现出对大数据挖掘的朝前意识和对大数据应用的极大关注。电力行业同样也有着丰富的数据资源，如何使用好大数据是关键。大数据时代提供给我们的将是更快的运算、更丰富的数据分析结果和更具体的服务指示。在此背景下如何进一步利用历史营销数据为供电企业提升内部管理和提高更优质的服务带来更强的竞争力迫在眉睫。

2电力营销服务大数据的组成

电力营销目前拥有大量的数据来源，浙江省每年存储各类营销端数据量达到3T，其主要来源基于国网SG186营销业务应用系统、用电信息采集系统、国网PMS2.0系统、营销GIS系统、营销服务前端的95598系统、微信平台、国网掌上电力APP等。

2.1用电信息采集模式选择和采集

电力用户用电信息采集是对电力用户的用电信息进行采集、处理和实时监控的系统，实现用电信息的自动采集、计量异常监测、电能质量监测、用电分析和管理、相关信息发布、分布式能源监控、智能用电设备的信息交互等功能。

2.2营配贯通业务应用平台

营销辅助GIS主要与PMS2.0的数据进行对接，构造“站-线-变-表箱-用户”的对应关系，在营销系统中集成web页面将供电方案的设计与生产PMS2.0进行衔接，为大数据应用自动供电方案设计和开放容量自动计算做好基础架构。国网浙江省电力公司开发营配贯通业务应用平台，集成了电网GIS平台、营销系统、生产PMS系统、采集系统，打通营销、配网、调控三大专业之间的信息流和业务流，实现营配调业务全面融合。开展停电分析到户、自动业扩报装、同期线损计算等多层次应用。实现基于营配对应关系的台区线损实时在线监测分析和异常预警功能，大大提高了台区线损智能化管理水平，台区线损波动“可控、在控”。

2.3营销客户信息数据收集

在SG186营销业务应用系统中的用户档案为用户用电申请时填报的原始资料，在大数据应用时常常因地址和联系信息错误、不准确、不完善等问题造成大数据的应用困难，故浙江省电力公司在2014年开始对客户档案进行标准化设计，完善联系人信息，完善联系方式填报，更新联系人字段，将原联系人分为“电气、联系人、账务联系人”等，将用户地址更改为结构化地址，并使用标准结构化地址库Web管理系统。

3基于采集的大数据分析应用到防窃电和用电异常分析

3.1用电信息采集数据异常分类

通过用电信息采集系统冻结采集异常表计的电量数据并进行分析，准确判断窃电是否发生以及窃电发生的大致位置。由于采集系统具备电能量的在线监测功能，通过远程抄表实现表计电量日统计、线损日分析功能，实施在线监测、实地稽查，及时发现非正常用电情况，为发现窃电行为提供技术手段。主站监控人员可用异常数据进行判断窃电行为的查处，利用用电信息采集系统的用电异常分析功能实现对多项用电异常类型的监控，锁定窃电嫌疑对象。

3.2数据异常的分析方法

营销服务大数据分析主要基于多个系统数据的合作分析，和系统内部数据逻辑性分析。主要采用的算法就是关联分析法和离群分析法。

异常检测的方法：（1）基于模型的技术：首先建立一个数据模型，异常是那些同模型不能完美拟合的对象；如果模型是簇的集合，则异常是不显著属于任何簇的对象；在使用回归模型时，异常是相对远离预测值的对象。（2）基于邻近度的技术：通常可以在对象之间定义邻近性度量，异常对象是那些远离其他对象的对象。（3）基于密度的技术：仅当一个点的局部密度显著低于它的大部分近邻时才将其分类为离群点。

离群点的统计方法是基于模型的方法，即为数据创建一个模型，并且根据对象拟合模型的情况来评估它们。大部分用于离群点检测的统计学方法都是构建一个概率分布模型，并考虑对象有多大可能符合该模型。离群点的概率定义：离群点是一个对象，关于数据的概率分布模型，它具有低概率。这种情况的前提是必须知道数据集服从什么分布，如果估计错误就造成了重尾分布。异常检测的混合模型方法：对于异常检测，数据用两个分布的混合模型建模，一个分布为普通数据，而另一个为离群点。

3.3数据异常基于大数据的算法分析

1）电量异常诊断

反向电量异常、电表倒走、电表飞走、停走、抄表数据异常等采用关联分析法与逻辑推断，用电信息采集系统上传测量点数据对应的营销系统档案用户为非并网发电用户，智能表存在反向电量数据且每日电量大于0.5的则主站算法判断为反向电量异常，并在WEB页面显示异常信息。

2）电压电流异常诊断

包括电压失压、电压断相、电压不平衡、电压越限、电流失流、电流不平等异常情况。电压失压、电压断相和电压越下限三种异常容易混淆，当某相电压从额定电压UN开始下降，当下降到90%UN以下、80%UN以上时，称为电压越下限；当某相电压下降到80%UN以下时，开始判断是否有该相电流，有电流称为电压失压，没有电流则称为电压断相。上述阈值仅为经验值。

4大数据时代的台区线损分析和精确停送电

4.1基于营配贯通的低压配变台区日线损管理

台区线损管理是一项综合性的工作，需要跨部门、多专业的协作。大数据时代的低压线损分析，国网象山供电公司利用营配贯通工作将集成了电网GIS平台、营销系统、生产PMS系统、采集系统的数据进行实时线损分析，打通营销、配网、调控三大专业之间的信息流和业务流，实现营配调业务全面融合。开展停电分析到户、自动业扩报装、同期线损计算等多层次应用。实现基于营配对应关系的台区线损实时在线监测分析和异常预警功能，大大提高了台区线损智能化管理水平，台区线损波动“可控、在控”。

4.2大数据时代线损分析步骤和管理方法

由于缺少相应信息平台支撑，长期以来，台区线损管理和基础工作较粗放。存在着供售电量抄见不同步、线损数据统计不全面、线损波动难以控制的问题，部分单位甚至存在“凑电量、调线损”的现象。随着线损管理规范化工作的推进，各级供电企业建立健全了“管理、技术、保证”三大体系，实行线损全面全过程管理，改变了以往粗放管理模式，取得了良好的经济效益和社会效益。

结语

由于目前供电企业内部系统专业性较强，专业系统相对独立，还有进一步整合和关联的空间，各系统的接口开放和重复性数据逻辑关系随着国网“大、云、物、移”项目推进，会进一步提高数据应用率；并伴随与其他服务型企业合作开发出更广阔的数据天地，与供水、供热、燃气公司的数据交换验证，进一步提高服务能力，与银行征信系统提供互动数据，与国家安全部提供电量使用情况，未来供电企业大数据可以更精密化更大数据化，为国家产业转型提供参考依据，为转型升级提供方向。

参考文献：

[1]杨亮.智能电网关键技术及核心标准概述[J].数字技术与应用，2012.

[2]国家电网公司.Q/GDW3783-2009电力用户用电信息采集系统设计导[S].国家电网公司，2009.