CN107292513A - 一种基于svm分类算法实现电力客户管理的方法 - Google Patents
一种基于svm分类算法实现电力客户管理的方法 Download PDFInfo
- Publication number
- CN107292513A CN107292513A CN201710472887.8A CN201710472887A CN107292513A CN 107292513 A CN107292513 A CN 107292513A CN 201710472887 A CN201710472887 A CN 201710472887A CN 107292513 A CN107292513 A CN 107292513A
- Authority
- CN
- China
- Prior art keywords
- data
- power
- load
- electricity
- customer
- 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
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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/283—Multi-dimensional databases or data warehouses, e.g. MOLAP or ROLAP
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas 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)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- General Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Marketing (AREA)
- Finance (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Primary Health Care (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种基于SVM分类算法实现电力客户管理的方法,本方法利用供电企业已有的用户用电数据,采用基于SVM数据分析的方法,确定用户分类从而进行精准营销,主要特点在于设计的成本低,实现简单。能克服已有数据挖掘方法的固有缺陷,用户分类具有更高的准确性。基于不同用电属性对居民用二次划分的精准营销系统能针对不同用电行为的用户实施有针对性的引导性营销,进一步规范居民的用电行为,削峰填谷,提高电网的安全稳定性,大幅度降低运算时间,多业务系统的数据贯通的联合分析,增加了用电客户分析的合理性及全面性。
Description
技术领域
本发明涉及电力客户管理领域,一种基于SVM分类算法实现电力客户管理的方法。
背景技术
电力企业需要进行客户分类,其原因是为了客户管理的战略性资源配置与战术性服务营销对策应用,以支撑企业建立以客户为中心的个性化服务与专业化营销。
电力客户分类是基于客户的属性特征所进行的有效性识别与差异化区分。客户分类以客户属性为基础的应用,客户分类通常依据客户的社会属性、行为属性和价值属性。
用电需求者本身属性的不同,从而导致对于电力需求关注的需求差异性的问题。从客户分类的定义可以看出,客户分类首先要搞清楚客户的属性,也就是客户在使用企业产品时从多角度表现出来的不同的特点进行分类,对于电网企业来说,就是将这些电力客户通过何种依据进行分类的问题,这种分类的依据就是客户的属性特征。
现在有技术主要是针对客户按照用电客户重要性不同分为高危客户、重要客户及其他客户进行简单分类,这种分类主要是依据当客户停电时造成的损失大小(人身、财产损失)和社会影响确定的,这样分类导致对于电力需求的多样性或者说丰富性难以满足,运算时间延长,从而造成的供用电矛盾。
发明内容
本发明的目的为更好的对用电客户进行分类管理,可以应对实施增长的数据,通过分类的方法,大幅度降低运算时间,同时,多业务系统的数据贯通的联合分析,增加了用电客户分析的合理性及全面性。本发明利用供电企业已有的用户用电数据,采用基于SVM数据分析的方法,确定用户分类从而进行精准营销,主要特点在于设计的成本低,实现简单。用SVM算法进行用户细分,能克服已有数据挖掘方法的固有缺陷,用户分类具有更高的准确性。基于不同用电属性对居民用二次划分的精准营销系统能针对不同用电行为的用户实施有针对性的引导性营销,进一步规范居民的用电行为,削峰填谷,提高电网的安全稳定性。
本发明的技术方案是:一种基于SVM分类算法实现电力客户管理的方法,下面对照附图1,进一步详细的说明,以帮助本领域技术人员对本发明的发明构思、技术方案有更完整、准确和深入的理解。该方法包括以下七个步骤:
收集用电客户信息及其他相关数据,包括调度管理系统、用电采集系统、营销管理系统,其中涉及的数据包括用户基础档案信息、实时负荷数据、用电量;收集并用电客户分类数据;用电客户信息及其他相关数据的统计描述,了解数据的基本状况;用电客户数据及其他相关数据的清洗与转换,为数据建模提供准备;用电客户的相关特征提取,形成指标类数据;通过SVM算法对数据进行建模分类,区分出重点及敏感用户等;完成模型的部署与应用。
通过识别电力客户行为特征,实现对客户认知、风险管理、个性化营销和服务的科学规范管理,同时实现用户用电行为监测。数据展示结果直接与用户交互,是数据挖掘的最终产出物,数据挖掘的展示主要采用以下几种方式:
(1)企业级报表。可以将数据挖掘的结果转化为领导关注的企业层面的战略报表,其中包含领导日常关注的战略性KPI指标数据。
(2)OLAP分析。数据挖掘也可以输出为一个数据立方体,其数据可以用来做OLAP分析。立方体分析就是使用标准的多维分析功能,如分页、旋转、排序、筛选和向上下钻取来浏览报表。立方体分析适用于对指标变化的根本原因或潜在原因比较关注而对数据库技巧不是非常熟悉的人员。能做到快速的报表分析和操作、个性化和安全地共享立方体、自动创建和同步立方体、从汇总数据向详细交易数据任意钻取。
(3)图表。根据数据挖掘的结果数据可以输出为各种形式的图表,如:反应数据绝对量的柱状图、反应数据变化趋势的曲线图、反应数据权重比例的饼状图等等。
(4)数据透视表。以交叉表的形式展现结果数据。
(5)文字说明。用文字简单直接的描述客户所最关心的内容。
本发明的有益效果一方面克服已有数据挖掘方法的固有缺陷,用户分类具有更高的准确性。另一方面可以应对实施增长的数据,通过分类的方法,大幅度降低运算时间,并且,多业务系统的数据贯通的联合分析,增加了用电客户分析的合理性及全面性。基于不同用电属性对居民用二次划分的精准营销系统能针对不同用电行为的用户实施有针对性的引导性营销,进一步规范居民的用电行为,削峰填谷,提高电网的安全稳定性。
附图说明
图1基于SVM分类算法实现电力客户管理方法的总体架构图。
具体实施例
首先,收集用电客户信息及其他相关数据,主要包括调度管理系统、用电采集系统、营销管理系统,其中涉及的数据主要包括用户基础档案信息、实时负荷数据、用电量等;
其次,收集并用电客户分类数据;
第三,用电客户信息及其他相关数据的统计描述,了解数据的基本状况
第四,用电客户数据及其他相关数据的清洗与转换,为数据建模提供准备
第五,用电客户的相关特征提取,形成指标类数据,如用户用电负荷波动幅度、用电量峰谷比、工作日及非工作日等时段的用电差异、峰时耗电率、日负荷峰值时刻、谷时耗电率、日负荷周期、日最小负荷率等;
第六,通过SVM算法对数据进行建模分类,区分出重点及敏感用户等,最终区分的用户可分为5类:第一类用户负荷及用电高峰集中的谷时段,而峰时段用电负荷很低,归为优质型客户,有利于电网负荷整体均衡分配;第二类用户负荷在峰时段呈现缓慢下降趋势,对于整体电网负荷的均衡分配略差于第一类客房;第三类用户负荷及用电高峰在20-23时达到最高,而2-7时出现低负荷用电,其对电网安全运行影响较大,属于重点关注的敏感型客户;第四类用户负荷及用电总体呈现持续高负荷用电特征,对电网运行影响较大,属于次敏感用户;第五类用户负荷及用电总体呈现在峰时段,而平时段和谷时段基本不用电,其最大负荷出现在8-12时及13-16时,属于极敏感用户,应给予重点关注。
第七,完成模型的部署与应用。
通过识别电力客户行为特征,实现对客户认知、风险管理、个性化营销和服务的科学规范管理,同时实现用户用电行为监测。数据展示结果直接与用户交互,是数据挖掘的最终产出物,数据挖掘的展示主要采用以下几种方式:
(1)企业级报表。可以将数据挖掘的结果转化为领导关注的企业层面的战略报表,其中包含领导日常关注的战略性KPI指标数据。
(2)OLAP分析。数据挖掘也可以输出为一个数据立方体,其数据可以用来做OLAP分析。立方体分析就是使用标准的多维分析功能,如分页、旋转、排序、筛选和向上下钻取来浏览报表。立方体分析适用于对指标变化的根本原因或潜在原因比较关注而对数据库技巧不是非常熟悉的人员。能做到快速的报表分析和操作、个性化和安全地共享立方体、自动创建和同步立方体、从汇总数据向详细交易数据任意钻取。
(3)图表。根据数据挖掘的结果数据可以输出为各种形式的图表,如:反应数据绝对量的柱状图、反应数据变化趋势的曲线图、反应数据权重比例的饼状图等等。
(4)数据透视表。以交叉表的形式展现结果数据。
(5)文字说明。用文字简单直接的描述客户所最关心的内容。
Claims (7)
1.一种基于SVM分类算法实现电力客户管理的方法,其特征在于,该方法步骤包括七个步骤:
首先,收集用电客户信息及其他相关数据,包括调度管理系统、用电采集系统、营销管理系统,其中涉及的数据包括用户基础档案信息、实时负荷数据、用电量等;
其次,收集并用电客户分类数据;
第三,用电客户信息及其他相关数据的统计描述,了解数据的基本状况;
第四,用电客户数据及其他相关数据的清洗与转换,为数据建模提供准备;
第五,用电客户的相关特征提取,形成指标类数据,如用户用电负荷波动幅度、用电量峰谷比、工作日及非工作日等时段的用电差异、峰时耗电率、日负荷峰值时刻、谷时耗电率、日负荷周期、日最小负荷率;
第六,通过SVM算法对数据进行建模分类,区分出重点及敏感用户;
第七,完成模型的部署与应用。
2.一种基于SVM分类算法实现电力客户管理的方法,其特征在于,步骤六建模分类中最终区分的用户可分为5类:第一类用户负荷及用电高峰集中的谷时段,而峰时段用电负荷很低,归为优质型客户,有利于电网负荷整体均衡分配;第二类用户负荷在峰时段呈现缓慢下降趋势,对于整体电网负荷的均衡分配略差于第一类客房;第三类用户负荷及用电高峰在20-23时达到最高,而2-7时出现低负荷用电,其对电网安全运行影响较大,属于重点关注的敏感型客户;第四类用户负荷及用电总体呈现持续高负荷用电特征,对电网运行影响较大,属于次敏感用户;第五类用户负荷及用电总体呈现在峰时段,而平时段和谷时段基本不用电,其最大负荷出现在8-12时及13-16时,属于极敏感用户,应给予重点关注。
3.如权利要求1所述一种基于SVM分类算法实现电力客户管理的方法,其特征在于,数据挖掘的展示采用企业级报表形式,将数据挖掘的结果转化为领导关注的企业层面的战略报表,其中包含领导日常关注的战略性KPI指标数据。
4.如权利要求1所述一种基于SVM分类算法实现电力客户管理的方法,其特征在于,数据挖掘的展示采用OLAP分析,数据挖掘输出为一个数据立方体,其数据用来做OLAP分析。
5.如权利要求1所述一种基于SVM分类算法实现电力客户管理的方法,其特征在于,数据挖掘的展示采用图表形式。根据数据挖掘的结果数据可以输出为各种形式的图表。
6.如权利要求1所述一种基于SVM分类算法实现电力客户管理的方法,其特征在于,数据挖掘的展示采用数据透视表形式,以交叉表的形式展现结果数据。
7.如权利要求1所述一种基于SVM分类算法实现电力客户管理的方法,其特征在于,数据挖掘的展示采用文字说明形式,用文字简单直接的描述客户所最关心的内容。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710472887.8A CN107292513A (zh) | 2017-06-21 | 2017-06-21 | 一种基于svm分类算法实现电力客户管理的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710472887.8A CN107292513A (zh) | 2017-06-21 | 2017-06-21 | 一种基于svm分类算法实现电力客户管理的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107292513A true CN107292513A (zh) | 2017-10-24 |
Family
ID=60097559
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710472887.8A Pending CN107292513A (zh) | 2017-06-21 | 2017-06-21 | 一种基于svm分类算法实现电力客户管理的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107292513A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108062560A (zh) * | 2017-12-04 | 2018-05-22 | 贵州电网有限责任公司电力科学研究院 | 一种基于随机森林的电力用户特征识别分类方法 |
CN108846505A (zh) * | 2018-05-25 | 2018-11-20 | 合肥学院 | 可再生能源并网消纳信息多维度校核方法及设备 |
CN109508877A (zh) * | 2018-11-05 | 2019-03-22 | 宁波市胜源技术转移有限公司 | 一种基于聚类对分布式光伏客户进行分类的方法及系统 |
CN109598535A (zh) * | 2018-11-05 | 2019-04-09 | 宁波大红鹰学院 | 一种基于大数据对分布式光伏客户分类的方法及系统 |
CN109949178A (zh) * | 2019-02-22 | 2019-06-28 | 国网安徽省电力公司 | 一种基于支持向量机中压配网停电事件判断及补全方法 |
CN110033307A (zh) * | 2019-01-04 | 2019-07-19 | 国网浙江省电力有限公司电力科学研究院 | 一种基于机器学习模型的电力优质客户筛选方法 |
CN110046796A (zh) * | 2019-01-04 | 2019-07-23 | 国网浙江省电力有限公司 | 一种基于机器学习模型的电力风险客户筛选方法 |
CN110264251A (zh) * | 2019-05-31 | 2019-09-20 | 杭州博钊科技有限公司 | 表征现金流的数据组织形式与基于多任务学习的预测方法 |
CN111445276A (zh) * | 2019-01-17 | 2020-07-24 | 苏州黑牛新媒体有限公司 | 一种可视化的大数据零售行业分析方法 |
CN112200692A (zh) * | 2020-08-27 | 2021-01-08 | 国网山东省电力公司日照供电公司 | 一种基于大数据的电力客户标签体系的构建方法和系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103942606A (zh) * | 2014-03-13 | 2014-07-23 | 国家电网公司 | 基于果蝇智能优化算法的居民用电客户细分方法 |
CN104599159A (zh) * | 2015-02-06 | 2015-05-06 | 浪潮集团有限公司 | 一种基于支持向量机原理的用户行为识别方法 |
CN106022646A (zh) * | 2016-06-08 | 2016-10-12 | 国网上海市电力公司 | 电力用户信息数据分析系统及分析方法 |
CN106570783A (zh) * | 2016-10-27 | 2017-04-19 | 国网江苏省电力公司 | 一种基于大数据思维的客户用电行为分析模型 |
CN106651424A (zh) * | 2016-09-28 | 2017-05-10 | 国网山东省电力公司电力科学研究院 | 基于大数据技术的电力用户画像建立与分析方法 |
-
2017
- 2017-06-21 CN CN201710472887.8A patent/CN107292513A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103942606A (zh) * | 2014-03-13 | 2014-07-23 | 国家电网公司 | 基于果蝇智能优化算法的居民用电客户细分方法 |
CN104599159A (zh) * | 2015-02-06 | 2015-05-06 | 浪潮集团有限公司 | 一种基于支持向量机原理的用户行为识别方法 |
CN106022646A (zh) * | 2016-06-08 | 2016-10-12 | 国网上海市电力公司 | 电力用户信息数据分析系统及分析方法 |
CN106651424A (zh) * | 2016-09-28 | 2017-05-10 | 国网山东省电力公司电力科学研究院 | 基于大数据技术的电力用户画像建立与分析方法 |
CN106570783A (zh) * | 2016-10-27 | 2017-04-19 | 国网江苏省电力公司 | 一种基于大数据思维的客户用电行为分析模型 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108062560A (zh) * | 2017-12-04 | 2018-05-22 | 贵州电网有限责任公司电力科学研究院 | 一种基于随机森林的电力用户特征识别分类方法 |
CN108846505A (zh) * | 2018-05-25 | 2018-11-20 | 合肥学院 | 可再生能源并网消纳信息多维度校核方法及设备 |
CN108846505B (zh) * | 2018-05-25 | 2020-09-25 | 合肥学院 | 可再生能源并网消纳信息多维度校核方法及设备 |
CN109508877A (zh) * | 2018-11-05 | 2019-03-22 | 宁波市胜源技术转移有限公司 | 一种基于聚类对分布式光伏客户进行分类的方法及系统 |
CN109598535A (zh) * | 2018-11-05 | 2019-04-09 | 宁波大红鹰学院 | 一种基于大数据对分布式光伏客户分类的方法及系统 |
CN110033307A (zh) * | 2019-01-04 | 2019-07-19 | 国网浙江省电力有限公司电力科学研究院 | 一种基于机器学习模型的电力优质客户筛选方法 |
CN110046796A (zh) * | 2019-01-04 | 2019-07-23 | 国网浙江省电力有限公司 | 一种基于机器学习模型的电力风险客户筛选方法 |
CN111445276A (zh) * | 2019-01-17 | 2020-07-24 | 苏州黑牛新媒体有限公司 | 一种可视化的大数据零售行业分析方法 |
CN109949178A (zh) * | 2019-02-22 | 2019-06-28 | 国网安徽省电力公司 | 一种基于支持向量机中压配网停电事件判断及补全方法 |
CN110264251A (zh) * | 2019-05-31 | 2019-09-20 | 杭州博钊科技有限公司 | 表征现金流的数据组织形式与基于多任务学习的预测方法 |
CN110264251B (zh) * | 2019-05-31 | 2021-08-10 | 杭州博钊科技有限公司 | 表征现金流的数据组织形式与基于多任务学习的预测方法 |
CN112200692A (zh) * | 2020-08-27 | 2021-01-08 | 国网山东省电力公司日照供电公司 | 一种基于大数据的电力客户标签体系的构建方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107292513A (zh) | 一种基于svm分类算法实现电力客户管理的方法 | |
Stimmel | Big data analytics strategies for the smart grid | |
CN105260803B (zh) | 一种系统用电量预测方法 | |
CN110362894A (zh) | 配电线路、变压器综合降损及节能计算分析方法及系统 | |
Stephen et al. | Domestic load characterization through smart meter advance stratification | |
CN105974869B (zh) | 一种应用于建筑环境自适应节能管理系统的节能监控中心 | |
Babel et al. | Operation of a hydropower system considering environmental flow requirements: A case study in La Nga river basin, Vietnam | |
CN110082699A (zh) | 一种低压台区智能电能表运行误差计算方法及其系统 | |
CN103942606A (zh) | 基于果蝇智能优化算法的居民用电客户细分方法 | |
CN105787071A (zh) | 一种基于信息化标签进行手机用户行为画像的方法 | |
CN110109971A (zh) | 一种低压台区用户用电负荷特性分析方法 | |
CN102982489A (zh) | 一种基于海量计量数据的电力客户在线分群方法 | |
CN107909294A (zh) | 一种基于客户画像技术的供电公司客户价值评价方法 | |
CN109634940A (zh) | 一种基于海量低压台区用电数据的典型低压台区用电模型构建方法 | |
CN104408667A (zh) | 一种电能质量综合评估的方法和系统 | |
CN103729783A (zh) | 二手物品电子商务交易平台中的价格挖掘和审核系统 | |
CN104376502A (zh) | 基于灰色关联度的电力客户信用综合评价方法 | |
CN109376186A (zh) | 一种加油站经营数据的挖掘分析系统及方法 | |
CN105184402A (zh) | 一种基于决策树的个性化用户短期负荷预测算法 | |
CN105488628A (zh) | 一种面向电力大数据可视化的数据挖掘方法 | |
CN108280562A (zh) | 一种规范电力企业数据资源的方法 | |
CN103942266A (zh) | 一种基于olap能自定义复杂业务计算逻辑的数据分析方法 | |
Ren et al. | Customer segmentation of bank based on data warehouse and data mining | |
CN111127099A (zh) | 一种基于大数据的电商用户分析系统及其分析方法 | |
CN103699546B (zh) | 一种生成网吧ip数据库的方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171024 |
|
RJ01 | Rejection of invention patent application after publication |