CN115130811A - 电力用户画像的建立方法、装置及电子设备 - Google Patents
电力用户画像的建立方法、装置及电子设备 Download PDFInfo
- Publication number
- CN115130811A CN115130811A CN202210378156.8A CN202210378156A CN115130811A CN 115130811 A CN115130811 A CN 115130811A CN 202210378156 A CN202210378156 A CN 202210378156A CN 115130811 A CN115130811 A CN 115130811A
- Authority
- CN
- China
- Prior art keywords
- user
- power
- target
- label
- portrait
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 67
- 230000005611 electricity Effects 0.000 claims description 55
- 238000012545 processing Methods 0.000 claims description 26
- 230000008569 process Effects 0.000 claims description 14
- 230000035945 sensitivity Effects 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 10
- 238000007781 pre-processing Methods 0.000 claims description 9
- 238000013501 data transformation Methods 0.000 claims description 6
- 238000004064 recycling Methods 0.000 claims description 6
- 238000004140 cleaning Methods 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 5
- 239000006185 dispersion Substances 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 17
- 230000008901 benefit Effects 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 5
- 230000018109 developmental process Effects 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 238000009826 distribution Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000007418 data mining Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000003064 k means clustering Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 238000007621 cluster analysis Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000036039 immunity Effects 0.000 description 2
- 230000006698 induction Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000012847 fine chemical Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种电力用户画像的建立方法、装置及电子设备,包括:采集目标用户对应的用电数据流,并基于所述用电数据流和预设标签架构建立所述目标用户的第一电力用户画像;其中,所述第一电力用户画像用于体现所述目标用户的第一用电特征;基于所述第一电力用户画像对所述目标用户进行聚类处理,确定至少一个用户群体;提取每个所述用户群体的第二用电特征,并基于每个所述第二用电特征分别建立每个所述用户群体的第二电力用户画像,以根据所述第二电力用户画像为每个所述用户群体提供电能质量治理方案。本发明可以通过电力用户画像直观地体现电力用户需求,从而便于电网企业为用户提供满足自身需求的电能质量治理方案,有效改善了用户体验。
Description
技术领域
本发明涉及数据处理技术领域,尤其是涉及一种电力用户画像的建立方法、装置及电子设备。
背景技术
在电力市场改革不断推进的背景下,提供满足用户需求的电能质量和增值服务是电网企业占领售电市场至高点的必然要求,因此,明确用户优质电力需求是合理制定增值服务的基础。目前采用根据用户反馈的问题为用户调整增值服务的方式,然而该种方式存在以下问题:(1)导致电网企业无法准确发掘目标用户和潜在用户,盲目的提供一系列无法满足用户需求的增值服务,导致用户电力获得感不强,电网企业在增值服务方面出现亏损;(二)用户为解决电能质量扰动的困扰,会主动进行治理,但由于无法准确掌握自身需求,盲目投资,无法实现治理的技术经济性。综上所述,上述方式导致优质电力用户需求不明确,为电网企业和用户均带来了困扰。
发明内容
有鉴于此,本发明的目的在于提供一种电力用户画像的建立方法、装置及电子设备,可以通过电力用户画像直观地体现电力用户需求,从而便于电网企业为用户提供满足自身需求的电能质量治理方案,有效改善了用户体验。
第一方面,本发明实施例提供了一种电力用户画像的建立方法,包括:采集目标用户对应的用电数据流,并基于所述用电数据流和预设标签架构建立所述目标用户的第一电力用户画像;其中,所述第一电力用户画像用于体现所述目标用户的第一用电特征;基于所述第一电力用户画像对所述目标用户进行聚类处理,确定至少一个用户群体;提取每个所述用户群体的第二用电特征,并基于每个所述第二用电特征分别建立每个所述用户群体的第二电力用户画像,以根据所述第二电力用户画像为每个所述用户群体提供电能质量治理方案。
在一种实施方式中,所述基于所述用电数据流和预设标签架构建立所述目标用户的第一电力用户画像的步骤,包括:对所述用电数据流进行预处理得到用电数据集合;其中,所述预处理包括数据清洗处理、数据变换处理、数据规约处理、数据归一化处理中的一种或多种;基于预设标签架构确定所述用电数据集合内至少一个目标数据对应的个体画像标签;其中,所述预设标签架构包括多个一级标签,每个所述一级标签均包括多个二级标签;基于所述个体画像标签建立所述目标用户的第一电力用户画像。
在一种实施方式中,所述基于预设标签架构确定所述用电数据集合内至少一个目标数据对应的个体画像标签的步骤,包括:从所述二级标签中确定所述用电数据集合内至少一个目标数据对应的个体画像标签。
在一种实施方式中,所述基于所述第一电力用户画像对所述目标用户进行聚类处理,确定至少一个用户群体的步骤,包括:随机选择多个所述目标用户作为聚类中心;基于所述聚类中心的第一电力用户画像和每个所述目标用户的第一电力用户画像,确定每个所述目标用户所属的用户群体;对于每个所述用户群体,基于该用户群体包含的每个目标用户的第一电力用户画像,更新该用户群体的聚类中心,并基于更新后的聚类中心的第一电力用户画像和每个所述目标用户的第一电力用户画像,调整每个所述目标用户所属的用户群体,直至满足预设聚类迭代条件。
在一种实施方式中,所述基于所述聚类中心的第一电力用户画像和每个所述目标用户的第一电力用户画像,确定每个所述目标用户所属的用户群体的步骤,包括:对于每个所述目标用户,基于所述聚类中心的第一电力用户画像和该目标用户的第一电力用户画像,计算该目标用户与所述聚类中心之间的欧式距离,并基于所述欧式距离确定该目标用户所属的用户群体。
在一种实施方式中,所述提取每个所述用户群体的第二用电特征,并基于每个所述第二用电特征分别建立每个所述用户群体的第二电力用户画像的步骤,包括:根据每个所述第一电力用户画像内各个体画像标签对应的目标数据的离散程度确定目标聚类指标;基于所述目标聚类指标提取每个所述用户群体的第二用电特征;比对每个所述用户群体的第二用电特性,确定每个所述用户群体的群体画像标签;基于每个所述用户群体的所述群体画像标签,建立每个所述用户群体的第二电力用户画像。
在一种实施方式中,所述一级标签包括基本属性标签、用电标签、信用交易标签和诉求信息标签中的一种或多种;所述基本属性标签包括行业代码标签、电压等级标签、合同容量标签、收益标签中的一种或多种;所述用电标签包括电压暂降敏感度标签、敏感过程容量标签、电压暂降损失标签和PIT标签中的一种或多种;所述信用交易标签包括电费回收准时率标签和/或购电增长率标签;所述诉求信息标签包括诉求内容偏好标签和/或诉求强度标签。
第二方面,本发明实施例还提供一种电力用户画像的建立装置,包括:第一画像建立模块,用于采集目标用户对应的用电数据流,并基于所述用电数据流和预设标签架构建立所述目标用户的第一电力用户画像;其中,所述第一电力用户画像用于体现所述目标用户的第一用电特征;聚类模块,用于基于所述第一电力用户画像对所述目标用户进行聚类处理,确定至少一个用户群体;第二画像建立模块,用于提取每个所述用户群体的第二用电特征,并基于每个所述第二用电特征分别建立每个所述用户群体的第二电力用户画像,以根据所述第二电力用户画像为每个所述用户群体提供电能质量治理方案。
第三方面,本发明实施例还提供一种电子设备,包括处理器和存储器,所述存储器存储有能够被所述处理器执行的计算机可执行指令,所述处理器执行所述计算机可执行指令以实现第一方面提供的任一项所述的方法。
第四方面,本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令在被处理器调用和执行时,计算机可执行指令促使处理器实现第一方面提供的任一项所述的方法。
本发明实施例提供的一种电力用户画像的建立方法、装置及电子设备,首先采集目标用户对应的用电数据流,并基于用电数据流和预设标签架构建立用于体现目标用户的第一用电特征的第一电力用户画像,然后基于第一电力用户画像对目标用户进行聚类处理,确定至少一个用户群体,再提取每个用户群体的第二用电特征,并基于每个第二用电特征分别建立每个用户群体的第二电力用户画像,以根据第二电力用户画像为每个用户群体提供电能质量治理方案。上述方法构建每个目标用户的第一电力用户画像,从而明确每个目标用户的第一用电特征,再通过聚类算法将目标用户划分为多个用户群体,基于用户群体的第二用电特征建立相应的第二电力用户画像,从而对不同用户群体形成了差异化的标签描述,进而对用户群体有更为全面的了解,本发明实施例可以通过电力用户画像直观地体现电力用户需求,从而便于电网企业为用户提供满足自身需求的电能质量治理方案,有效改善了用户体验。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种电力用户画像的建立的流程示意图;
图2为本发明实施例提供的一种用户信息标签化的示意图;
图3为本发明实施例提供的一种电力用户画像的建立方法的架构示意图;
图4为本发明实施例提供的一种预设标签架构的示意图;
图5为本发明实施例提供的另一种电力用户画像的建立的流程示意图;
图6为本发明实施例提供的一种电压暂降事件的示意图;
图7为本发明实施例提供的一种聚类结果的示意图;
图8为本发明实施例提供的一种用户用电满意度的示意图;
图9为本发明实施例提供的一种电力用户画像的建立装置的结构示意图;
图10为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合实施例对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
目前,现有技术存在优质电力用户需求不明确等问题,为电网企业和用户均带来了困扰,基于此,本发明实施提供了一种电力用户画像的建立方法、装置及电子设备,可以通过电力用户画像直观地体现电力用户需求,从而便于电网企业为用户提供满足自身需求的电能质量治理方案,有效改善了用户体验。
为便于对本实施例进行理解,首先对本发明实施例所公开的一种电力用户画像的建立进行详细介绍,参见图1所示的一种电力用户画像的建立的流程示意图,该方法主要包括以下步骤S102至步骤S106:
步骤S102,采集目标用户对应的用电数据流,并基于用电数据流和预设标签架构建立目标用户的第一电力用户画像。其中,用电数据流所包含的数据以电流数据、电压数据为主,用电数据流还可以包括单位用电量、用电峰谷期、指定期间(诸如白天或夜间)用电量等,预设标签架构也可称之为标签体系,包括多个一级标签,一级标签包括基本属性标签、用电标签、信用交易标签和诉求信息标签中的一种或多种,每个一级标签均包括多个二级标签。第一电力用户画像也可称之为个人画像,用于体现目标用户的第一用电特征。在一种实施方式中,可以对用电数据流进行预处理得到用电数据集合,再从上述一级标签或二级标签中确定用电数据集合内用电数据对应的个体画像标签,从而得到目标用户的第一电力用户画像。
步骤S104,基于第一电力用户画像对目标用户进行聚类处理,确定至少一个用户群体。在一种实施方式中,对应每个目标用户,可以将该目标用户的第一电力用户画像内个体画像标签对应的用电数据作为m个维度的聚类属性,并随机选择k个目标用户作为聚类中心,从而基于聚类属性和聚类中心对目标用户进行聚类处理,以确定出每个目标用户所属的用户群体。
步骤S106,提取每个用户群体的第二用电特征,并基于每个第二用电特征分别建立每个用户群体的第二电力用户画像,以根据第二电力用户画像为每个用户群体提供电能质量治理方案。其中,第二电力用户画像也可称之为群体画像。在一种实施方式中,可以预先确定目标聚类指标,然后基于目标聚类指标提取每个用户群体的第二用电特征,通过比对每个用户群体的第二用电特性,即可确定每个用户群体的群体画像标签,进而建立每个用户群体的第二电力用户画像。
本发明实施例提供的上述电力用户画像的建立方法,构建每个目标用户的第一电力用户画像,从而明确每个目标用户的第一用电特征,再通过聚类算法将目标用户划分为多个用户群体,基于用户群体的第二用电特征建立相应的第二电力用户画像,从而对不同用户群体形成了差异化的标签描述,进而对用户群体有更为全面的了解,本发明实施例可以通过电力用户画像直观地体现电力用户需求,从而便于电网企业为用户提供满足自身需求的电能质量治理方案,有效改善了用户体验。
用户画像作为日益成熟的数据分析工具逐渐成为学术界关注的热点,该方面的相关研究也不断增多。在研究初期阶段,用户画像主要用于电力信用评价和电费风险防控中;随着可再生能源的发展,用户需求画像用于需求侧响应工作中,明确用户的调控潜力;但现有研究均未将用户画像技术应用于洞悉优质电力用户需求。基于此,本发明实施例以电网企业和用户供需友好互动为原则,以明确用户电能质量需求为目标,以数据驱动为基础,搭建优质电力用户画像框架,从用户基本属性、用电特性、信用交易和诉求信息四大方面对优质电力用户需求进行标签化抽象,并根据具体业务需求,通过特征属性归纳和相似度计算进行聚类处理,以k-means聚类算法进行群体用户画像,实现了按照电能质量需求的用户分类及市场细分。
本发明实施例提供的电力用户画像的建立方法原理如下:电力用户画像将营销数据、客户服务数据、配网数据、投诉信息等用电数据进行有机整合,以“标签”的形式构建多层次、多视角、立体化的客户全景画像,如图2所示的一种用户信息标签化的示意图。通过这些标签及其背后包涵的数据信息,可以实现对电力客户特征的全面刻画,从而使业务人员能够快速获取客户基本信息、用电习惯、信用风险、行为特性等精细特征。
在构建电力用户画像时,共涉及三个要点:第一,用户数据的收集,这是构建用户画像的前提和基础;第二,用户画像与业务需求的紧密结合,对于用户而言,提取用户信息标签(包括个体画像标签和群体画像标签)可以有很多维度,只有基于特定的业务需求,才可以提取有针对性的标签,获取精准的用户信息;第三,构建用户画像需要进行数学建模,现有的用户画像技术是大数据环境下的产物,是基于海量数据来提取有用信息,因此需要用到数据挖掘、数据处理等模型进行信息的提取,以通过数据可视化的方式显示出有价值的用户信息。
参见如图3所示的一种电力用户画像的建立方法的架构示意图,图3示意出在执行采集目标用户对应的用电数据流的步骤时,可以通过电力客户营销、用电采集、配用电管理等方面获取目标用户的用电数据流。
另外,本发明实施例在图3的基础上提供了一种基于用电数据流和预设标签架构建立目标用户的第一电力用户画像的实施方式,参见如下步骤1至步骤3:
步骤1,对用电数据流进行预处理得到用电数据集合。其中,预处理包括数据清洗处理、数据变换处理、数据规约处理、数据归一化处理中的一种或多种。在实际应用中,收集、传输和存储无穷无尽的用电数据流是进一步数据挖掘的基础,而庞大的数据中往往会包含许多杂糅数据、噪声和其它无关数据,为了提高数据质量,往往需要对数据进行预处理,以得到用户属性数据、用户行为数据、用户交易数据等。其中,预处理主要包括数据清洗、数据变换、数据规约等。示例性的,数据清洗用于从电流电压数据中提取出所需用电数据,数据变换用于将波形数据转换为数字数据,数据规约用于对同类数据进行归类。
步骤2,基于预设标签架构确定用电数据集合内至少一个目标数据对应的个体画像标签;其中,预设标签架构(也可称之为优质电力用户画像标签体系,或个人画像标签体系)包括多个一级标签,每个一级标签均包括多个二级标签。在一种实施方式中,可以从二级标签中确定用电数据集合内至少一个目标数据对应的个体画像标签。在一种实施方式中,参见图4所示的一种预设标签架构的示意图,图4示意出基本属性标签包括行业代码标签、电压等级标签、合同容量标签、收益标签(例如,年利润)中的一种或多种;用电标签包括电压暂降敏感度标签、敏感过程容量标签、电压暂降损失标签和PIT(process immunitytime,过程免疫时间)标签中的一种或多种;信用交易标签包括电费回收准时率标签和/或购电增长率标签;诉求信息标签包括诉求内容偏好标签和/或诉求强度标签。
(一)对于上述基本属性标签,用户的基本属性(也即,基本信息)包括行业代码、电压等级、合同容量和年利润。行业代码表示用户的行业属性,一定程度上反应了其用电特征,对于高新技术产业,如汽车制造业、半导体行业,其行业信息中往往隐含了其对优质电能质量的强烈需求,而对于一些普通企业,其对电能质量不敏感,需求程度也会随之降低,这类企业并不属于优质电力服务的目标用户;电压等级与合同容量这两种信息往往反映了工业企业的用电规模以及治理方案的经济难度,通常电压等级高的用户,需要平摊更多的治理费用,其对于集体治理方案的选择就会优于个体治理方案;用户的年利润代表了用户的消费能力,一定程度上反映了其支付意愿的高低。
(二)对于上述用电特性标签,用户的用电特性可以准确反映用户的用电习惯和特点,所包含的标签信息是优质电力用户画像的核心,在很大程度上能够影响用户画像结果,体现其对优质电力的需求程度。具体的,电压暂降敏感度可以用统计意义来表示,即受电压暂降影响次数与发生电压暂降次数的比值,此指标直接反映了用户对电压暂降事件的敏感程度以及对优质电力的需求程度;敏感过程容量为用户敏感设备的总容量;PIT是指过程受暂降影响后其物理参数变化曲线的特征,本发明实施例以最敏感过程的PIT作为统计标签;电压暂降经济损失(也即,上述电压暂降损失)指统计周期内用户因遭受暂降而带来的经济损失。上述标签可通过实际工业用户信息收集来获得,体现了其对优质电力的需求程度。
(三)对于上述信用交易标签,优质电力的使用和治理需要供用双方共同参与,为鼓励用户积极配合参与,对于信用良好的用户,可优先治理或给予适当优惠,以提高用户的积极性。电费回收是客户信用状况中最为重要的指标,如果用电客户不及时缴纳电费,供电企业将无法持续经营。及时缴纳电费、履行合同的用电客户,客户信用状况就好。电力公司可通过对其信用状况的评估,采用不同措施鼓励用户积极缴纳电费,以提高信用程度。本发明实施例采用电费回收准时率p(x)作为其指标:
其中x为客户近3年累计滞纳金与应收电费的比值;a为供电商指定的某一确定值,一般取值为0.5。购电增长率即为统计周期内平均购电容量增长率。用电量增长率是反映客户用电量的又一基本指标,它从客户用电量时长的多少来体现客户当年发展的情况。
(四)对于上述诉求信息标签,用户对于优质电力的需求不仅限于提升电能质量,对于用电体验和相关服务,也有更为多样的诉求,增值服务的内容需要针对更多的个性化需求,因此需要对用户进行更为细致的调查和信息的收集。用户的诉求信息直接反映了用户需求,这种语义化的标签在数据处理时可归化成数字进行聚类分析。对于诉求内容偏好,可对不同诉求内容进行编号区分,例如,将电费支付方式的便捷诉求、设备免疫力诊断诉求、用电方案优化诉求等分别记做01、02、03;诉求强度可根据一段时间内用户投诉及建议频率判别,也可进行问卷调查进行统计。
步骤3,基于个体画像标签建立目标用户的第一电力用户画像。
在实际应用中,用户画像的核心在于为用户添加标签,标签是以自然语言进行描述,需综合大量数据与具体目标业务的特点,进行标签库的确定和信息的提取。一般分为个体画像构建、聚类、群体画像构建三个方面。其中,个体画像构建是用户画像的基础,具体的:首先需要前期充分调研与业务分析,在熟悉业务的目标及具体内容后,先确立多个一级标签,在其下属进行层次细分,确定每个一级标签包含的二级标签,最后形成个体画像标签体系,为保证个体画像标签体系的全面性,应保证标签的多维度、多层次,使其具备科学性和完整性。例如,根据数据中提取出的信息,可以结合业务的特定需求,将数据分为用户的基本属性、用电习惯、信用程度、诉求信息等模块,在每一个一级标签下开展特性的分类和分级,抽取其共同典型特征作为某一二级标签的用户标签。在此基础上,结合前一步中处理后的数据,需提取重点标签进行相似归类,通常采用聚类技术,形成用户的群体画像,从而实现用户分类、市场细分等目标。用户画像为企业提供了足够的信息基础,能够帮助企业快速找到精准用户群体以及用户需求等更为广泛的反馈信息。
在此基础上,对于上述步骤S104,聚类处理可以采用K-means算法,K-means算法具有收敛速度快的有点,能应用于大规模的数据集,聚类结果误差较小,且类与类之间区别明显。K-means算法的主要思想是:从数据集中随机选定k个数据对象作为初始聚类中心,然后根据相似性度量方式计算其他数据对象与初始聚类中心的距离或是其他相似性的测度,然后将其他对象分配到与初始聚类中心最相似的分组里,分配完后重新计算每个分组的聚类中心(该分组中所有数据对象的均值),再进行下一轮迭代,直到满足某种终止条件为止。基于此,本发明实施例还提供了一种基于第一电力用户画像对目标用户进行聚类处理,确定至少一个用户群体的实施方式,参见如下步骤a至步骤c:
步骤a,随机选择多个目标用户作为聚类中心。假设给定数据样本X,包含n个目标用户的用电数据,即X={X1,X2,X3,…,Xn},其中,每个用电数据都具有m个维度的聚类属性,从数据样本中随机选择k个目标用户,将上述k个目标对像作为初始化的聚类中心,记为{C1,C2,C3,…,Ck},1<k≤n。
步骤b,基于聚类中心的第一电力用户画像和每个目标用户的第一电力用户画像,确定每个目标用户所属的用户群体。在一种实施方式中,对于每个目标用户,可以基于聚类中心的第一电力用户画像和该目标用户的第一电力用户画像,计算该目标用户与聚类中心之间的欧式距离,并基于欧式距离确定该目标用户所属的用户群体。示例性的,欧式距离计算公式如下所示:
其中,Xi表示第i个目标用户,Cj表示第j个聚类中心;Xit表示第i个目标用户的第t个聚类属性,1≤t≤m;Cjt表示第j个聚类中心的第t个聚类属性。依次比较每一个目标用户到每一个聚类中心的欧式距离,将目标用户分配到距离最近的聚类中心的类簇中,得到k个用户群体{S1,S2,S3,…,Sk}。
步骤c,对于每个用户群体,基于该用户群体包含的每个目标用户的第一电力用户画像,更新该用户群体的聚类中心,并基于更新后的聚类中心的第一电力用户画像和每个目标用户的第一电力用户画像,调整每个目标用户所属的用户群体,直至满足预设聚类迭代条件。其中,预设聚类迭代条件可以为迭代次数条件,或聚类中心无变化。在实际应用中,类簇中心就是类簇内所有对象在各个维度的均值,其计算公式如下:
式中,Cl表示第l个用户群体的聚类中心,1≤l≤k,Sl表示第l个用户群体中目标用户的个数,Xi表示第l个用户群体中第i个目标用户,1≤i≤Sl。可以按照上述公式计算每个用户群体各个维度的均值,得到新聚类中心,重复上述步骤直至满足预设聚类迭代条件。
对于上述步骤S106,本发明实施例还提供了一种提取每个用户群体的第二用电特征,并基于每个第二用电特征分别建立每个用户群体的第二电力用户画像的实施方式:(1)根据每个第一电力用户画像内各个体画像标签对应的目标数据的离散程度确定目标聚类指标,例如,某用户群体中电压等级标签对应的用户数据较为离散(也即,该用户群体内个目标用户的电压等级差距较大),则不将电压等级作为目标聚类指标,某用户群体中电压暂降敏感度对应的用户数据较为相近,则将电压暂降敏感度作为目标聚类指标;(2)基于目标聚类指标提取每个用户群体的第二用电特征,在一种实施方式中,可以提取每个目标聚类指标对应的具体用户数据,该具体用户数据即为上述第二用电特征;(3)比对每个用户群体的第二用电特性,确定每个用户群体的群体画像标签,例如,根据每个用户群体的电压暂降损失的相对大小关系,确定每个用户群体对应的群体标签为“暂降损失低”或“暂降损失高”;(4)基于每个用户群体的群体画像标签,建立每个用户群体的第二电力用户画像。
在完成电力用户画像(包括个体画像和群体画像)后,可作为一种快速、精准的数据分析工具,分析用户的行为模式,消费习惯和其他信息,为企业执行准确的营销策略、套餐规划设计、个性化定制服务、提升用户体验奠定了基础。
本发明实施例提供的电力用户画像的建立方法,群体画像研究是在构建个体画像的基础上,通过特征属性归纳或相似度计算进行聚类,形成不同的用户群体,以实现用户分类、市场细分等目标。在此基础上,可以实现用户和资源的精准匹配,提供以用户为中心、以需求为导向的个性化服务,还可以制定差异化与精准化的套餐与服务策略,满足电力客户日益多样化的用电服务需求。本发明结合K-means算法对目标用户进行聚类处理,完成群体画像,为便于理解,本发明实施例还提供了另一种电力用户画像的建立方法,参见图5所示的另一种电力用户画像的建立方法的流程示意图,该方法主要包括以下步骤S502至步骤S518:
步骤S502,建立个人画像标签体系。
步骤S504,收集目标用户的用电数据流。
步骤S506,输入聚类参数。其中,聚类参数包括目标用户总数量n和聚类中心数量k。
步骤S508,随机选择k个目标用户作为初始的聚类中心。
步骤S510,计算目标用户到各个聚类中心的欧式距离。
步骤S512,将目标用户分配到距离最近的用户群体。
步骤S514,更新每个用户群体的聚类中心。
步骤S516,判断每个用户群体的聚类中心是否变化。如果是,执行步骤S510;如果否,执行步骤S518。
步骤S518,建立群体画像。
本发明实施例提供的上述电力用户画像的建立方法,能够直观、准确、全面地展现用户的用电特征、用电偏好、需求信息等,可以为电力公司开展优质电力相关服务提供有力支撑,为发掘目标客户与潜在用户、制定相关精准服务提供依据,具体的应用场景如下:
(1)制定电能质量治理方案。随着高新技术产业的发展,这些企业对于电能质量的要求越来越高,且不同类型的企业用户对电能质量的要求差异很大。优质电力画像的开展,能够高效、精准地实现电力用户群体化,基于不同用户群的特点,制定响应的治理方案,不仅可以使资源利用合理经济化,还可以最大限度地满足用户需求。
(2)辅助确定优质电力定价。由于不同用户的优质电力需求不同,相应的优质供电成本也不同,通过优质电力用户画像,可以更加了解相应用户的支付意愿、为其制定合理的治理方案及优质电力定价,实现供用电双方优质电力收益的合理分配,为实行优质电力服务的按质定价提供有效途径。
(3)辅助制定相关增值服务。用户对于优质电力的需求不仅限于提升电能质量,对于用电体验和相关服务,也有了更为多样的诉求。优质电力用户画像可以反映用户除电能质量需求外的其它需求,例如对于敏感设备的检测运维、优质电力的保险业务等。增设更加个性化的套餐服务,不仅可以提升用户满意度,还可以增加用户粘性,提升电力公司的市场竞争力。
为便于对上述实施例提供的电力用户画像的建立方法进行理解,本发明实施例还提供了一种电力用户画像的建立方法的应用示例,本发明实施例以营销系统、计量系统等数据为基础,系统梳理影响用户用电行为分析的大数据,考虑用户多时空维度的信息融合,提取用户用电行为特征,实现对用户的分类、聚类,形成不同的用户群体。
示例性的,本实施例对广州某高新企业开发区进行实地调研,该区域随着高新产业的落户,带来大量对电能质量扰动极为敏感的设备和工业过程,目标用户主要包括汽车行业、半导体行业、电子及通信设备制造业、精细化工等138家高新技术企业。图6为一种电压暂降事件的示意图,图6以某高新区专线供电用户2017-2018年间35kV、10kV进线处的电压暂降事件,依据前述实施例提供的标签体系进行数据收集,对于基本属性、用电特性及信用交易,由供电公司可直接提供相关数据,对于诉求信息,根据用户向公司提供的投诉、建议内容及投诉频率确定,共收集138组数据,并在Matlab平台中进行归一化处理,再基于归一化处理后的数据确定每个目标用户的个人画像,并基于个人画像对目标用户进行聚类处理。
聚类处理主要包括两部分:(1)根据指标数据,对目标用户作聚类分群;(2)结合优质电力业务对每个用户群进行特征分析,即用户群体画像,并对每个用户群进行服务的精准设计。上述实施例已经对收集到的用户数据进行相应处理,考虑在设计套餐(也即,上述电能质量治理方案)时应避免套餐过多而累赘冗余,示例性的,假设k=6,利用k-means聚类将用户分成6类,参见图7所示的一种聚类结果的示意图。
通过以上聚类结果可以发现,6个用户群的特征分离较为明显,聚合效果较好,且未出现某一类别过多,另一类别过少的失衡现象。在每一类别中,通过不同颜色的曲线区分不同用户,其在每一类聚类中,都有高度集中的特征,可作为此类用户的典型特点。
由于用户画像实则需要精炼出刻画用户特性的标签,通过每一种类别用户的共同特征分析,对其进行标签描述。
对于群体1来说,图中第一虚线圈(可通过红色表示)所标识的为聚类集中的指标,其分别代表行业代码、电压等级、合同容量、电压暂降经济损失、PIT、购电增长率、诉求信息及诉求强度;由于集中较于第一虚线圈内较为分散,第二虚线圈(可通过蓝色表示)所标识的为聚类次集中的指标,分别代表年利润、电压暂降敏感度、敏感过程容量、电费回收准时率;在此基础上,根据6个群体在同一指标下数值大小的横向对比以及相关实际收集到的数据范围,即可对其进行共同特征的标签提取对于第一虚线圈内的聚类指标,结合群体1中聚类数据与其它五个群体的对比结果以及实际数据范围可得,其对应的标签特征为“汽车工业、10kV、合同容量2000kVA、暂降损失低、PIT较长、购电增长率低、电能质量诉求一般”;同理,第二虚线圈内的聚类指标可以抽象成的标签特征为“年利润较高、电压暂降敏感度偏高、敏感过程容量较高、信用度高”。以此类推,这六类优质电力群体画像特征描述如表1所示。
表1
以上分析可知,通过对此高新技术园区内138家企业进行聚类分析,完成了优质电力用户群体画像,可根据其标签特征对不同群体进行套餐设计、精准服务。
例如,对于群体1来说,其遭受电压暂降事件而造成的损失较小,对优质电力的诉求不是很高,信用度较低,此类用户为其提供基本服务即可满足其需求,且可通过其余激励或惩罚措施督促其按时缴纳电费;对于群体3来说,其对电压暂降事件的敏感度较高,因此造成的经济损失较大,对优质电力的诉求很高,且其信用度很高,此群体的用户作为优先级较高的用户,可对其进行电能质量治理方案的设计,并提供相关的增值服务,以满足用户需求,提高满意度。
可选的,还可以根据负荷满意度和增值服务性价比的计算公式可得各群体的用户用电满意度,诸如图8所示的一种用户用电满意度的示意图。如图8所示,根据上诉分析可知,群体1、群体4、群体6的用户仅需要基本服务即可满足其需求,若为其提供优质电力增值服务,会导致用户支付多余的服务费,造成增值服务性价比降低,从而出现用户用电满意度下降的现象。而其他群体,以群体3为例,群体3的用户对优质电力的需求极高,若给予用户的优质电力增值服务为中等需求用户类型的,会导致用户支付了服务费,而电能质量依然无法满足用户需求,用户用电满意度不进则退;而若给予用户的优质电力增值服务与其需求匹配,则用户用电满意度明显优于基础服务的用电满意度。由此可见,正确合理的用户画像结果可避免购买错误的优质电力增值服务,减少不必要的投资,并且对于优质电力增值服务的实施和提升用户用电满意度均起着关键性作用。
本发明实施例将用户画像理论、相关数据挖掘方法与优质电力相结合,构建了优质电力用户画像标签体系,结合具体实际业务需求,用k-means聚类的方法进行群体用户画像的刻画,通过实际算例验证,可以得到以下结论:
(1)将大数据背景下的用户画像理论应用于优质电力领域,通过构建个体优质电力用户画像标签体系,并通过实际数据聚类形成用户群体画像,对不同用户群体形成了差异化的标签描述,对用户信息与需求有更为全面的了解,在开展不同业务时,用户画像成为可以借鉴的一手资料。
(2)构建优质电力用户画像,可以实现用户和资源的精准匹配,提供以用户为中心、以需求为导向的个性化服务,制定差异化与精准化的套餐与服务策略,提高产品和服务的竞争力,满足电力客户日益多样化的用电服务需求。在未来数据激增的时代,具有更为广泛的适用价值和意义。
对于前述实施例提供的电力用户画像的建立的方法,本发明实施例提供了一种电力用户画像的建立装置,参见图9所示的一种电力用户画像的建立装置的结构示意图,该装置主要包括以下部分:
第一画像建立模块902,用于采集目标用户对应的用电数据流,并基于用电数据流和预设标签架构建立目标用户的第一电力用户画像;其中,第一电力用户画像用于体现目标用户的第一用电特征;
聚类模块904,用于基于第一电力用户画像对目标用户进行聚类处理,确定至少一个用户群体;
第二画像建立模块906,用于提取每个用户群体的第二用电特征,并基于每个第二用电特征分别建立每个用户群体的第二电力用户画像,以根据第二电力用户画像为每个用户群体提供电能质量治理方案。
本发明实施例提供的上述电力用户画像的建立装置,构建每个目标用户的第一电力用户画像,从而明确每个目标用户的第一用电特征,再通过聚类算法将目标用户划分为多个用户群体,基于用户群体的第二用电特征建立相应的第二电力用户画像,从而对不同用户群体形成了差异化的标签描述,进而对用户群体有更为全面的了解,本发明实施例可以通过电力用户画像直观地体现电力用户需求,从而便于电网企业为用户提供满足自身需求的电能质量治理方案,有效改善了用户体验。
在一种实施方式中,第一画像建立模块902还用于:对用电数据流进行预处理得到用电数据集合;其中,预处理包括数据清洗处理、数据变换处理、数据规约处理、数据归一化处理中的一种或多种;基于预设标签架构确定用电数据集合内至少一个目标数据对应的个体画像标签;其中,预设标签架构包括多个一级标签,每个一级标签均包括多个二级标签;基于个体画像标签建立目标用户的第一电力用户画像。
在一种实施方式中,第一画像建立模块902还用于:从二级标签中确定用电数据集合内至少一个目标数据对应的个体画像标签。
在一种实施方式中,聚类模块904还用于:随机选择多个目标用户作为聚类中心;基于聚类中心的第一电力用户画像和每个目标用户的第一电力用户画像,确定每个目标用户所属的用户群体;对于每个用户群体,基于该用户群体包含的每个目标用户的第一电力用户画像,更新该用户群体的聚类中心,并基于更新后的聚类中心的第一电力用户画像和每个目标用户的第一电力用户画像,调整每个目标用户所属的用户群体,直至满足预设聚类迭代条件。
在一种实施方式中,聚类模块904还用于:对于每个目标用户,基于聚类中心的第一电力用户画像和该目标用户的第一电力用户画像,计算该目标用户与聚类中心之间的欧式距离,并基于欧式距离确定该目标用户所属的用户群体。
在一种实施方式中,第二画像建立模块906还用于:根据每个第一电力用户画像内各个体画像标签对应的目标数据的离散程度确定目标聚类指标;基于目标聚类指标提取每个用户群体的第二用电特征;比对每个用户群体的第二用电特性,确定每个用户群体的群体画像标签;基于每个用户群体的群体画像标签,建立每个用户群体的第二电力用户画像。
在一种实施方式中,一级标签包括基本属性标签、用电标签、信用交易标签和诉求信息标签中的一种或多种;基本属性标签包括行业代码标签、电压等级标签、合同容量标签、收益标签中的一种或多种;用电标签包括电压暂降敏感度标签、敏感过程容量标签、电压暂降损失标签和PIT标签中的一种或多种;信用交易标签包括电费回收准时率标签和/或购电增长率标签;诉求信息标签包括诉求内容偏好标签和/或诉求强度标签。
本发明实施例所提供的装置,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。
本发明实施例提供了一种电子设备,具体的,该电子设备包括处理器和存储装置;存储装置上存储有计算机程序,计算机程序在被所述处理器运行时执行如上所述实施方式的任一项所述的方法。
图10为本发明实施例提供的一种电子设备的结构示意图,该电子设备100包括:处理器10,存储器11,总线12和通信接口13,所述处理器10、通信接口13和存储器11通过总线12连接;处理器10用于执行存储器11中存储的可执行模块,例如计算机程序。
其中,存储器11可能包含高速随机存取存储器(RAM,Random Access Memory),也可能还包括非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。通过至少一个通信接口13(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接,可以使用互联网,广域网,本地网,城域网等。
总线12可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图10中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
其中,存储器11用于存储程序,所述处理器10在接收到执行指令后,执行所述程序,前述本发明实施例任一实施例揭示的流过程定义的装置所执行的方法可以应用于处理器10中,或者由处理器10实现。
处理器10可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器10中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器10可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital SignalProcessing,简称DSP)、专用集成电路(Application Specific Integrated Circuit,简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器11,处理器10读取存储器11中的信息,结合其硬件完成上述方法的步骤。
本发明实施例所提供的可读存储介质的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见前述方法实施例,在此不再赘述。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种电力用户画像的建立方法,其特征在于,包括:
采集目标用户对应的用电数据流,并基于所述用电数据流和预设标签架构建立所述目标用户的第一电力用户画像;其中,所述第一电力用户画像用于体现所述目标用户的第一用电特征;
基于所述第一电力用户画像对所述目标用户进行聚类处理,确定至少一个用户群体;
提取每个所述用户群体的第二用电特征,并基于每个所述第二用电特征分别建立每个所述用户群体的第二电力用户画像,以根据所述第二电力用户画像为每个所述用户群体提供电能质量治理方案。
2.根据权利要求1所述的方法,其特征在于,所述基于所述用电数据流和预设标签架构建立所述目标用户的第一电力用户画像的步骤,包括:
对所述用电数据流进行预处理得到用电数据集合;其中,所述预处理包括数据清洗处理、数据变换处理、数据规约处理、数据归一化处理中的一种或多种;
基于预设标签架构确定所述用电数据集合内至少一个目标数据对应的个体画像标签;其中,所述预设标签架构包括多个一级标签,每个所述一级标签均包括多个二级标签;
基于所述个体画像标签建立所述目标用户的第一电力用户画像。
3.根据权利要求2所述的方法,其特征在于,所述基于预设标签架构确定所述用电数据集合内至少一个目标数据对应的个体画像标签的步骤,包括:
从所述二级标签中确定所述用电数据集合内至少一个目标数据对应的个体画像标签。
4.根据权利要求1所述的方法,其特征在于,所述基于所述第一电力用户画像对所述目标用户进行聚类处理,确定至少一个用户群体的步骤,包括:
随机选择多个所述目标用户作为聚类中心;
基于所述聚类中心的第一电力用户画像和每个所述目标用户的第一电力用户画像,确定每个所述目标用户所属的用户群体;
对于每个所述用户群体,基于该用户群体包含的每个目标用户的第一电力用户画像,更新该用户群体的聚类中心,并基于更新后的聚类中心的第一电力用户画像和每个所述目标用户的第一电力用户画像,调整每个所述目标用户所属的用户群体,直至满足预设聚类迭代条件。
5.根据权利要求4所述的方法,其特征在于,所述基于所述聚类中心的第一电力用户画像和每个所述目标用户的第一电力用户画像,确定每个所述目标用户所属的用户群体的步骤,包括:
对于每个所述目标用户,基于所述聚类中心的第一电力用户画像和该目标用户的第一电力用户画像,计算该目标用户与所述聚类中心之间的欧式距离,并基于所述欧式距离确定该目标用户所属的用户群体。
6.根据权利要求1所述的方法,其特征在于,所述提取每个所述用户群体的第二用电特征,并基于每个所述第二用电特征分别建立每个所述用户群体的第二电力用户画像的步骤,包括:
根据每个所述第一电力用户画像内各个体画像标签对应的目标数据的离散程度确定目标聚类指标;
基于所述目标聚类指标提取每个所述用户群体的第二用电特征;
比对每个所述用户群体的第二用电特性,确定每个所述用户群体的群体画像标签;
基于每个所述用户群体的所述群体画像标签,建立每个所述用户群体的第二电力用户画像。
7.根据权利要求2所述的方法,其特征在于,所述一级标签包括基本属性标签、用电标签、信用交易标签和诉求信息标签中的一种或多种;
所述基本属性标签包括行业代码标签、电压等级标签、合同容量标签、收益标签中的一种或多种;所述用电标签包括电压暂降敏感度标签、敏感过程容量标签、电压暂降损失标签和PIT标签中的一种或多种;所述信用交易标签包括电费回收准时率标签和/或购电增长率标签;所述诉求信息标签包括诉求内容偏好标签和/或诉求强度标签。
8.一种电力用户画像的建立装置,其特征在于,包括:
第一画像建立模块,用于采集目标用户对应的用电数据流,并基于所述用电数据流和预设标签架构建立所述目标用户的第一电力用户画像;其中,所述第一电力用户画像用于体现所述目标用户的第一用电特征;
聚类模块,用于基于所述第一电力用户画像对所述目标用户进行聚类处理,确定至少一个用户群体;
第二画像建立模块,用于提取每个所述用户群体的第二用电特征,并基于每个所述第二用电特征分别建立每个所述用户群体的第二电力用户画像,以根据所述第二电力用户画像为每个所述用户群体提供电能质量治理方案。
9.一种电子设备,其特征在于,包括处理器和存储器,所述存储器存储有能够被所述处理器执行的计算机可执行指令,所述处理器执行所述计算机可执行指令以实现权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令在被处理器调用和执行时,计算机可执行指令促使处理器实现权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210378156.8A CN115130811A (zh) | 2022-04-12 | 2022-04-12 | 电力用户画像的建立方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210378156.8A CN115130811A (zh) | 2022-04-12 | 2022-04-12 | 电力用户画像的建立方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115130811A true CN115130811A (zh) | 2022-09-30 |
Family
ID=83375902
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210378156.8A Pending CN115130811A (zh) | 2022-04-12 | 2022-04-12 | 电力用户画像的建立方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115130811A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116468460A (zh) * | 2023-04-27 | 2023-07-21 | 苏银凯基消费金融有限公司 | 基于人工智能的消费金融客户画像识别系统及其方法 |
CN116521908A (zh) * | 2023-06-28 | 2023-08-01 | 图林科技(深圳)有限公司 | 一种基于人工智能的多媒体内容个性化推荐方法 |
-
2022
- 2022-04-12 CN CN202210378156.8A patent/CN115130811A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116468460A (zh) * | 2023-04-27 | 2023-07-21 | 苏银凯基消费金融有限公司 | 基于人工智能的消费金融客户画像识别系统及其方法 |
CN116521908A (zh) * | 2023-06-28 | 2023-08-01 | 图林科技(深圳)有限公司 | 一种基于人工智能的多媒体内容个性化推荐方法 |
CN116521908B (zh) * | 2023-06-28 | 2024-01-09 | 图林科技(深圳)有限公司 | 一种基于人工智能的多媒体内容个性化推荐方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109063945B (zh) | 一种基于价值评估体系的售电公司360度客户画像构建方法 | |
CN111062757B (zh) | 基于多路径寻优匹配的信息推荐方法及系统 | |
CN106651424B (zh) | 基于大数据技术的电力用户画像建立与分析方法 | |
CN109460795A (zh) | 分类器训练方法、装置、电子设备及计算机可读介质 | |
CN108280541A (zh) | 基于随机森林和决策树的客户服务策略制定方法、装置 | |
CN108388974A (zh) | 基于随机森林和决策树的优质客户优化识别方法及装置 | |
CN115130811A (zh) | 电力用户画像的建立方法、装置及电子设备 | |
CN108154311A (zh) | 基于随机森林和决策树的优质客户识别方法及装置 | |
CN108596467B (zh) | 一种适于售电公司的市场运营模拟交易仿真系统 | |
CN108401459A (zh) | 能源消费者的预测性细分 | |
CN102262664A (zh) | 一种质量评价的方法和装置 | |
Li et al. | Crowdsourcing logistics pricing optimization model based on DBSCAN clustering algorithm | |
CN115391669B (zh) | 一种智能推荐方法、装置、电子设备 | |
CN110427418A (zh) | 一种基于客户能源价值指标体系的客户分析分群方法 | |
CN114372731B (zh) | 基于大数据的岗位目标制定方法、装置,设备及存储介质 | |
CN106372964A (zh) | 一种行为忠诚度的识别及管理方法、系统和终端 | |
CN110188255A (zh) | 基于业务数据共享融合的电力用户行为挖掘方法及系统 | |
CN112258067A (zh) | 基于高斯混合模型聚类算法的低压用户缴费行为分类方法 | |
Chen et al. | A power line loss analysis method based on boost clustering | |
CN114723554B (zh) | 异常账户识别方法及装置 | |
CN110796381A (zh) | 建模数据评价指标的处理方法、装置、终端设备及介质 | |
CN116187808A (zh) | 一种基于虚拟电厂用户-套餐标签画像的电力套餐推荐方法 | |
CN108647887A (zh) | 发电企业行为分析方法、装置以及电子设备 | |
CN113191570A (zh) | 基于深度学习的资金规划推荐方法、装置和设备 | |
CN110533334A (zh) | 一种电网企业成本先进性评估的方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |