CN110555782A - 一种基于大数据的科学用电模型构建系统及方法 - Google Patents

Abstract

本发明公开了一种基于大数据的科学用电模型构建系统及方法，涉及用电模型构建领域。目前，需要满足优质大客户的差异化服务需求，优化企业用电。本技术方案从数据库中提取大客户基础信息、用电行为、负荷信息，把模型按照电费的构成分为三部分，根据每部分占总电费的比例赋予权重；同时将模型对应指标进行离散化，对每个指标区间进行打分；根据指标权重对指标区间得分加权计算，输出模型的科学用电指数得分，根据得分分布确定等级阈值，输出用电特征标签。本技术方案从基本电费、电度电费、力调电费三个维度构建大客户用电成本的综合评价得分模型对企业客户的用电成本进行合理优化，增强公司配售电市场竞争能力，满足优质大客户的差异化服务需求。

Description

一种基于大数据的科学用电模型构建系统及方法

技术领域

本发明涉及用电模型构建领域，尤其涉及一种基于大数据的科学用电模型构建系统及方法。

背景技术

当前，在大用户直购电改革方面要求：建立多买多卖的电力市场，用电企业和发电企业绕过电网自主交易，并拥有自主选择权，实现电力交易市场化，逐步形成发电和售电价格由市场决定、输配电价由政府制定的价格机制。

在此环境下，为增强公司配售电市场竞争能力，需要满足优质大客户的差异化服务需求，优化企业用电。

发明内容

本发明要解决的技术问题和提出的技术任务是对现有技术方案进行完善与改进，提供一种基于大数据的科学用电模型构建系统及方法，以优化企业用电，减少不必要的电费支出，安全用电、有效用电为目的。为此，本发明采取以下技术方案。

一种基于大数据的科学用电模型构建系统，包括依次相连的数据汇总模块、标签库模块和标签应用模块；

数据汇总模块：用于从基础数据平台获取数据，为标签库模块提供基础数据来源；数据包括客户档案、电量、电费和负荷；

标签库模块：与数据汇总模块相连以获取数据，并根据获取数据进行标签的分析、判断，得到科学用电模型；标签库模块包含标签管理、客户属性及客户标签三个子模块；标签管理子模块以标签元数据为基础，进行标签查询、分析、评估、推送服务；客户属性子模块组织、存储、管理客户数据，数据包括基础信息、用电行为、接触记录、业务办理；客户标签子模块组织、存储、管理客户标签；客户属性子模块与客户标签模块形成完整的客户全景视图，全方位、多层次、立体化地描述客户，为标签应用提供基础；

标签应用模块：与标签库模块相连；其包括信息输出子模块及系统应用子模块。信息输出子模块用于输出展现，展现的内容包括分析报表、推送包、客户群画像、客户画像；系统应用子模块用于信息输出层的内容在各业务系统的应用。

作为优选技术手段：所述的标签库模块从基本电费、电度电费、力调电费三个维度构建大客户用电成本的综合评价得分模型，并根据实际的企业的用电成本，对综合评价得分模型输出的数据进行校对，若两者的差值小于设定值，则认为综合评价得分模型为科学用电模型，否则进行重新调整设置；直至通过综合评价得分模型计算获得的数据值与实际测量值的差值小于设定值。

本发明的另一个目的是提供一种科学用电模型构建方法，其包括以下步骤：

1)获取数据及并预处理；

101)数据获取

从营销业务应用系统中提取近2年内相关字段信息，其中字段主要包括：

基本属性：用户编号、用户名称、立户日期、户名、供电单位、合同容量、行业类别、基本电费计算规则、费率选择；

交费行为：电费发行日、实收日期、实收电费、实收电量、功率因数、尖电量占比、峰电量占比、谷电量占比；

负荷信息：最大负荷、平均负荷历史记录；

对提取出来的原始数据进行处理和加工，以获取更有预测力和解释性的衍生指标，将衍生指标包括三费率计算电度电费金额、尖25％的值、尖50％的值、尖75％的值、谷25％的值、谷50％的值、谷75％的值；

102)数据清洗及预处理

获取数据后，首先应对数据质量进行检验，包括：

a)用户ID的唯一性：建模基础数据集中，每个用户为一条观测数据，因此每个ID变量应该仅出现一次，否则需要核查原因，调整数据。

b)缺失值：将缺失值调整为某个固定值，如对于暂时缺失社会价值指标的企业，将其设置为一个固定的基准值。

c)异常值：对于存在异常值的电量、年用电增长率指标，将异常值设置为该类客户群对应属性的均值、中位数；

2)科学用电指数模型构建

将获取的数据放入模型中；模型对电费的组成模块进行：

201)权重设定：

电费由基本电费、电度电费、功率因数调整电费组成，利用3大部分占总电费的比例作为指标的权重。

202)区间打分：

基本电费按照相关指标用最优值进行打分；功率因数调整电费按照功率因数调整电费奖惩系数作为标准进行打分；电度电费按照三费率占比和行业均值对比进行打分。

203)加权得分

按照每部分电费构成的权重*该区间对用的分值，得到这部分的得分，最终将三部分的分值相加得到科学用电指数的得分；

3)科学用电指数模型输出

利用行业的平均电价进行调优，对平均电价高于行业电价，模型算出来的得分高于80分，进行调减；对平均电价低于行业电价，模型算出来的得分低于60分，进行调增；得到模型输出值；

4)校验

获取多个用户的平均电价，进行模型输出值的评价，若实际电价与模型输出值的趋势一致，则认为综合评价得分模型为科学用电模型，否则对科学用电模型重新进行配置。

4、根据权利要求3所述的一种基于大数据的科学用电模型构建系统及方法，其特征在于：在步骤201)中，按以下进行权重设定：

基本电费的权重公式＝基本电费/电费；

电度电费的权重公式＝电度电费/电费；

功率因数调整电费的权重公式＝功率因数调整电费/电费。

作为优选技术手段：在步骤2)中，对数据进行处理分为基本电费、电度电费、功率因数调整电费3大部分。按照不同时的计算方式赋予不同的区间值，基本电费部分按照容量、需量、不计算来赋值。电度电费部分按照单费率计算和三费率计算来赋值，同时三费率按照阈值和绝对值双重标准判断。功率因数调整电费部分按照考核和不考核功率因数划分；

a)基本电费

按照容量计算的按照最优的负载率比较；

按照需量计算的用户，采用需量值和最大负荷进行对比l；

不计算的用户直接赋值为0；

初始，基本电费阈值输出如下表所示：

基本电费阈值输出表

b)电度电费

单费率用户通过三费率对比，进行赋值。

使用三费率用户，基于行业不同、大工业、一般工商业电价差异较大，故将对不同行业、不同类型的电价分布比较：

根据数据分布，先把谷占比较高的，尖占比较小的用户群1拿出来，给出的权重，尖的部分权重小，谷的部分权重大；

非用户群1部分，增加尖的权重。

在打分方面尖占比越高，得分越低；谷占比越高，得分越高。

计算的阈值是根据行业、用电类别、电压等级分类；最终得出5个行业、2个用电类别，分为10类，按照每类用户计算四分位值、中位值。

初始，电度电费阈值输出下表所示：

电度电费阈值输出表

c)功率因数调整电费

在考核功率因数的用户中，功率因数调整电费为负的，用户电度电费权重也为负数，直接赋值为负数，最终得分为正；如果功率因数调整电费为正，直接赋值为0，最终在总分这部分分数将扣除。

不考核功率因数的用户，直接赋值为0。

初始，功率因数调整电费阈值输出如下表所示：

表6功率因数调整电费阈值输出表

作为优选技术手段：在步骤3)中：

a)对平均电价高于行业电价，模型算出来的得分高于80分；

企业平均电价-行业平均电价>0.1置60否则70+(行业平均电价-企业平均电价)*100；

b)对平均电价低于行业电价，模型算出来的得分低于60分

行业平均电价-企业平均电价>0.1置85否则75+(行业平均电价-企业平均电价)*100。

有益效果：本技术方案从基本电费、电度电费、力调电费三个维度构建大客户用电成本的综合评价得分模型对企业客户的用电成本进行合理优化，增强公司配售电市场竞争能力，满足优质大客户的差异化服务需求。

附图说明

图1是本发明的结构原理图。

图2是本发明的思维导图。

图3是本发明的总体架构图。

图4是本发明的建模流程图。

图5是本发明的等级分布图。

图6是本发明的区段输出比例图。

具体实施方式

以下结合说明书附图对本发明的技术方案做进一步的详细说明。

如图1所示，一种基于大数据的科学用电模型构建系统，包括依次相连的数据汇总模块、标签库模块和标签应用模块；

数据汇总模块：用于从基础数据平台获取数据，为标签库模块提供基础数据来源；数据包括客户档案、电量、电费和负荷；

标签库模块：与数据汇总模块相连以获取数据，并根据获取数据进行标签的分析、判断，得到科学用电模型；标签库模块包含标签管理、客户属性及客户标签三个子模块；标签管理子模块以标签元数据为基础，进行标签查询、分析、评估、推送服务；客户属性子模块组织、存储、管理客户数据，数据包括基础信息、用电行为、接触记录、业务办理；客户标签子模块组织、存储、管理客户标签；客户属性子模块与客户标签模块形成完整的客户全景视图，全方位、多层次、立体化地描述客户，为标签应用提供基础；标签库模块从基本电费、电度电费、力调电费三个维度构建大客户用电成本的综合评价得分模型；基于获取的数据值，综合评价得分模型给三大指标赋予权重，并对影响企业用电成本的相关指标进行离散化处理，给指标设置分箱阈值，进行区间打分，最后根据各个指标权重对指标区间得分进行加权计算，输出企业用电成本的综合评价得分；根据得分确定等级阈值，输出等级标签；

标签应用模块：与标签库模块相连；其包括信息输出子模块及系统应用子模块。信息输出子模块用于输出展现，展现的内容包括分析报表、推送包、客户群画像、客户画像；系统应用子模块用于信息输出层的内容在各业务系统的应用。

本技术方案在大数据的基础上，通过数据挖掘技术，借助R工具，构建了综合打分的用户电费成本综合评分模型，本发明从数据仓库中提取大客户基础信息、用电行为、负荷信息等衍生信息，从基本电费、电度电费、力调电费三个维度构建大客户用电成本的综合评价模型。首先按照统计分析规则给三大指标赋予权重，其次对影响企业用电成本的相关指标进行离散化处理，给指标设置分箱阈值，进行区间打分，最后根据各个指标权重对指标区间得分进行加权计算，输出企业用电成本的综合评价得分。根据得分确定等级阈值，输出等级标签。

具体架构建立时分为：数据汇总层、标签库层和标签应用层。数据汇总层：从基础数据平台获取客户档案、电量、电费和负荷等数据，为标签库提供基础数据来源。标签库层：包含标签管理、客户属性及客户标签三个子层。标签管理子层以标签元数据为基础，提供标签查询、分析、评估、推送服务；客户属性子层组织、存储、管理客户基础信息、用电行为、接触记录、业务办理等数据；客户标签子层组织、存储、管理客户标签。客户属性与客户标签形成完整的客户全景视图，全方位、多层次、立体化地描述客户，为标签应用提供基础。标签应用层：包括信息输出层及系统应用层。信息输出层提供分析报表、推送包、客户群画像、客户画像等输出展现功能；系统应用层实现信息输出层的内容在各业务系统的应用。

以下对科学用电模型构建方法作具体的说明：

1、简述

如图1所示，科学用电模型构建主要包括以下步骤：从数据库中提取大客户基础信息、用电行为、负荷等信息，把模型按照电费的构成分为三部分，根据每部分占总电费的比例赋予权重；同时将模型对应指标进行离散化，对每个指标区间进行打分；根据指标权重对指标区间得分加权计算，输出模型的科学用电指数得分，根据得分分布确定等级阈值，输出用电特征标签。

如图2所示，模型的核心算法分为三大步骤，权重设定，区间打分，加权得分，具体如下：

(1)权重设定：

电费由基本电费、电度电费、功率因数调整电费组成，利用3大部分占总电费的比例作为指标的权重。

(2)区间打分规则：

基本电费按照相关指标用最优值进行打分；功率因数调整电费按照功率因数调整电费奖惩系数作为标准进行打分；电度电费按照三费率占比和行业均值对比进行打分。

(3)加权得分

按照每部分电费构成的权重*该区间对用的分值，得到这部分的得分，最终将三部分的分值相加得到科学用电指数的得分。

2.数据及预处理

(1)数据获取方式

从营销业务应用系统中提取近2年内相关字段信息，其中字段主要包括：

基本属性：用户编号、用户名称、立户日期、户名、供电单位、合同容量、行业类别、基本电费计算规则、费率选择等；

交费行为：电费发行日、实收日期、实收电费、实收电量、功率因数、尖电量占比、峰电量占比、谷电量占比等；

负荷信息：最大负荷、平均负荷历史记录等。

详情字段参见表1。

表1取数需求表

对最终提取出来的166万条原始数据进行处理和加工，以获取更有预测力和解释性的衍生指标。衍生指标来源于原始数据，有较明确的业务含义，对模型的效果往往优于原始数据。最终模型输入数据：

表2模型输入数据表

(2)数据清洗及预处理

获取数据后，首先应对数据质量进行检验，包括：

1)用户ID的唯一性：建模基础数据集中，每个用户为一条观测数据(observation)，因此每个ID变量应该仅出现一次，否则需要核查原因，调整数据。

2)缺失值：将缺失值调整为某个固定值，如对于暂时缺失社会价值指标的企业，将其设置为一个固定的基准值。

3)异常值：对于存在异常值的电量、年用电增长率等指标，可按照其他属性进行分类，将异常值设置为该类客户群对应属性的均值、中位数等。

3.科学用电指数模型构建

(1)权重设置

基本电费的权重公式＝基本电费/电费；

电度电费的权重公式＝电度电费/电费；

功率因数调整电费的权重公式＝功率因数调整电费/电费

(2)具体算法

如图4所示，对数据进行处理分为基本电费、电度电费、功率因数调整电费3大部分。按照不同时的计算方式赋予不同的区间值，基本电费部分按照容量、需量、不计算来赋值。电度电费部分按照单费率计算和三费率计算(同时三费率按照阈值和绝对值双重标准判断)来赋值。功率因数调整电费部分按照考核和不考核功率因数划分。

1)基本电费

按照容量计算的按照最优的负载率比较；一些关键点阈值，是按照统计工具算出来。

按照需量计算的用户，采用需量值和最大负荷进行对比，比较需量值设置的时候合理

不计算的用户直接赋值为0。

基本电费阈值输出如表4所示：

表4基本电费阈值输出表

2)电度电费

单费率用户通过三费率对比，进行赋值。

使用三费率用户，考虑到行业不同、大工业、一般工商业电价差异较大，将对不同行业、不同类型的电价分布比较，具体思想如下：

根据数据分布，先把谷占比较高的，尖占比较小的用户群1拿出来，给出的权重，尖的部分权重小，谷的部分权重大；

非用户群1部分，略微增加尖的权重。

在打分方面尖占比越高，得分越低；谷占比越高，得分越高。

计算的阈值是根据行业、用电类别、电压等级分类；最终得出5个行业、2个用电类别，分为10类，按照每类用户计算四分位值、中位值等。

电度电费阈值输出如表5所示：

表5电度电费阈值输出表

涉及到R语言中把行业尖、峰的占比值取出来R脚本如下：

3)功率因数调整电费

在考核功率因数的用户中，功率因数调整电费为负的，用户电度电费权重也为负数，直接赋值为负数，最终得分为正；如果功率因数调整电费为正，直接赋值为0，最终在总分这部分分数将扣除。

不考核功率因数的用户，直接赋值为0。

功率因数调整电费阈值输出如表6所示：

表6功率因数调整电费阈值输出表

4.科学用电指数模型输出

因为高压客户的电价影响因素，例如退补、电价策略调整，大工业直够电价等多种因素的影响，所以单单靠模型输出的科学用电指数，会存在偏差，因此需要利用行业的平均电价进行调优，对平均电价高于行业电价，模型算出来的得分高于80分，进行调减；对平均电价低于行业电价，模型算出来的得分低于60分，进行调增。

(1)对平均电价高于行业电价，模型算出来的得分高于80分

企业平均电价-行业平均电价>0.1置60否则70+(行业平均电价-企业平均电价)*100

(2)对平均电价低于行业电价，模型算出来的得分低于60分

行业平均电价-企业平均电价>0.1置85否则75+(行业平均电价-企业平均电价)*100

根据事实大客户样本评价模型结果，可知

1)分数较低客户(得分<60)

共计1203户，占到事实大客户群的24.5％。

2)分数居中客户(得分在60-80分之间)

共计2129户，占到事实大客户群的44.5％。

3)分数较高客户(得分80-100分之间)

共计1526户，占到事实大客户群的31.0％。其中分数较高的用户 (80-90)用户417，占比8.5％；分数高的用户(90-100)1109，占比22.5％。如图5所示。

选择电气机械及器材制造业的1556个用户，由图6可以看出分数越高，平均电价越低，满足科学用电指数是评价客户用电成本的综合得分，且趋势大致合理。

表7指标区段划分表

以上图1-4所示的一种基于大数据的科学用电模型构建系统及方法是本发明的具体实施例，已经体现出本发明实质性特点和进步，可根据实际的使用需要，在本发明的启示下，对其进行形状、结构等方面的等同修改，均在本方案的保护范围之列。

Claims (6)

1.一种基于大数据的科学用电模型构建系统，其特征在于：包括依次相连的数据汇总模块、标签库模块和标签应用模块；

数据汇总模块：用于从基础数据平台获取数据，为标签库模块提供基础数据来源；数据包括客户档案、电量、电费和负荷；

标签库模块：与数据汇总模块相连以获取数据，并根据获取数据进行标签的分析、判断，得到科学用电模型；标签库模块包含标签管理、客户属性及客户标签三个子模块；标签管理子模块以标签元数据为基础，进行标签查询、分析、评估、推送服务；客户属性子模块组织、存储、管理客户数据，数据包括基础信息、用电行为、接触记录、业务办理；客户标签子模块组织、存储、管理客户标签；客户属性子模块与客户标签模块形成完整的客户全景视图，全方位、多层次、立体化地描述客户，为标签应用提供基础；

标签应用模块：与标签库模块相连；其包括信息输出子模块及系统应用子模块；信息输出子模块用于输出展现，展现的内容包括分析报表、推送包、客户群画像、客户画像；系统应用子模块用于信息输出层的内容在各业务系统的应用。

2.根据权利要求1所述的一种基于大数据的科学用电模型构建系统，其特征在于：所述的标签库模块从基本电费、电度电费、力调电费三个维度构建大客户用电成本的综合评价得分模型；基于获取的数据值，综合评价得分模型给三大指标赋予权重，并对影响企业用电成本的相关指标进行离散化处理，给指标设置分箱阈值，进行区间打分，最后根据各个指标权重对指标区间得分进行加权计算，输出企业用电成本的综合评价得分；根据得分确定等级阈值，输出等级标签。

3.采用权利要求1-2任一权利要求所述的一种基于大数据的科学用电模型构建系统的科学用电模型构建方法，其特征在于包括以下步骤：

1)获取数据及并预处理；

101)数据获取

从营销业务应用系统中提取近2年内相关字段信息，其中字段主要包括：

基本属性：用户编号、用户名称、立户日期、户名、供电单位、合同容量、行业类别、基本电费计算规则、费率选择；

交费行为：电费发行日、实收日期、实收电费、实收电量、功率因数、尖电量占比、峰电量占比、谷电量占比；

负荷信息：最大负荷、平均负荷历史记录；

对提取出来的原始数据进行处理和加工，以获取更有预测力和解释性的衍生指标，将衍生指标包括三费率计算电度电费金额、尖25％的值、尖50％的值、尖75％的值、谷25％的值、谷50％的值、谷75％的值；

102)数据清洗及预处理

获取数据后，首先应对数据质量进行检验，包括：

a)用户ID的唯一性：建模基础数据集中，每个用户为一条观测数据，因此每个ID变量应该仅出现一次，否则需要核查原因，调整数据；

b)缺失值：将缺失值调整为某个固定值，如对于暂时缺失社会价值指标的企业，将其设置为一个固定的基准值；

c)异常值：对于存在异常值的电量、年用电增长率指标，将异常值设置为该类客户群对应属性的均值、中位数；

2)科学用电指数模型构建

将获取的数据放入模型中；模型对电费的组成模块进行：

201)权重设定：

电费由基本电费、电度电费、功率因数调整电费组成，利用3大部分占总电费的比例作为指标的权重；

202)区间打分：

基本电费按照相关指标用最优值进行打分；功率因数调整电费按照功率因数调整电费奖惩系数作为标准进行打分；电度电费按照三费率占比和行业均值对比进行打分；

203)加权得分

按照每部分电费构成的权重*该区间对用的分值，得到这部分的得分，最终将三部分的分值相加得到科学用电指数的初始得分；

3)科学用电指数模型输出

利用行业的平均电价进行调优，对平均电价高于行业电价，模型算出来的得分高于80分，进行调减；对平均电价低于行业电价，模型算出来的得分低于60分，进行调增；得到模型输出的科学用电指数值；

4)校验

获取多个用户的平均电价，进行模型输出值的科学用电指数值评价，若各用户的实际电价与科学用电指数值的趋势一致，则认为综合评价得分模型为科学用电模型，否则对科学用电模型重新进行配置。

4.根据权利要求3所述的科学用电模型构建方法，其特征在于：在步骤201)中，按以下进行权重设定：

基本电费的权重公式＝基本电费/电费；

电度电费的权重公式＝电度电费/电费；

功率因数调整电费的权重公式＝功率因数调整电费/电费。

5.根据权利要求4所述的科学用电模型构建方法，其特征在于：在步骤2)中，对数据进行处理分为基本电费、电度电费、功率因数调整电费3大部分；按照不同时的计算方式赋予不同的区间值，基本电费部分按照容量、需量、不计算来赋值；电度电费部分按照单费率计算和三费率计算来赋值，同时三费率按照阈值和绝对值双重标准判断；功率因数调整电费部分按照考核和不考核功率因数划分；

a)基本电费

按照容量计算的按照最优的负载率比较；

按照需量计算的用户，采用需量值和最大负荷进行对比l；

不计算的用户直接赋值为0；

初始，基本电费阈值输出如下表所示：

基本电费阈值输出表

b)电度电费

单费率用户通过三费率对比，进行赋值；

使用三费率用户，基于行业不同、大工业、一般工商业电价差异较大，故将对不同行业、不同类型的电价分布比较：

根据数据分布，先把谷占比较高的，尖占比较小的用户群1拿出来，给出的权重，尖的部分权重小，谷的部分权重大；

非用户群1部分，增加尖的权重；

在打分方面尖占比越高，得分越低；谷占比越高，得分越高；

计算的阈值是根据行业、用电类别、电压等级分类；最终得出5个行业、2个用电类别，分为10类，按照每类用户计算四分位值、中位值；

初始，电度电费阈值输出下表所示：

电度电费阈值输出表

c)功率因数调整电费

在考核功率因数的用户中，功率因数调整电费为负的，用户电度电费权重也为负数，直接赋值为负数，最终得分为正；如果功率因数调整电费为正，直接赋值为0，最终在总分这部分分数将扣除；

不考核功率因数的用户，直接赋值为0；

初始，功率因数调整电费阈值输出如下表所示：

表6 功率因数调整电费阈值输出表

6.根据权利要求5所述的科学用电模型构建方法，其特征在于：在步骤3)中：

a)对平均电价高于行业电价，模型算出来的得分高于80分；

企业平均电价-行业平均电价>0.1置60否则70+(行业平均电价-企业平均电价)*100；

b)对平均电价低于行业电价，模型算出来的得分低于60分

行业平均电价-企业平均电价>0.1置85否则75+(行业平均电价-企业平均电价)*100。