CN111784204A - 一种基于用户用电行为画像的优质用户挖掘方法及系统 - Google Patents
一种基于用户用电行为画像的优质用户挖掘方法及系统 Download PDFInfo
- Publication number
- CN111784204A CN111784204A CN202010741004.0A CN202010741004A CN111784204A CN 111784204 A CN111784204 A CN 111784204A CN 202010741004 A CN202010741004 A CN 202010741004A CN 111784204 A CN111784204 A CN 111784204A
- Authority
- CN
- China
- Prior art keywords
- user
- consumption behavior
- electricity consumption
- electricity
- index
- 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 71
- 238000005065 mining Methods 0.000 title claims abstract description 59
- 230000005611 electricity Effects 0.000 claims abstract description 189
- 238000011156 evaluation Methods 0.000 claims abstract description 35
- 230000006399 behavior Effects 0.000 claims description 108
- 230000035945 sensitivity Effects 0.000 claims description 48
- 238000012546 transfer Methods 0.000 claims description 25
- 238000004458 analytical method Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 5
- 125000004122 cyclic group Chemical group 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 4
- 230000003442 weekly effect Effects 0.000 description 4
- 238000009412 basement excavation Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000005612 types of electricity Effects 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000005728 strengthening 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] 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
- G06F16/906—Clustering; Classification
-
- 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)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Databases & Information Systems (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于用户用电行为画像的优质用户挖掘方法及系统，所述方法包括：采集电力用户的基本信息以及对应的用户历史用电数据，提取出代表用户的用电行为特性指标后进行综合评估；根据用电行为特性指标构建用户用电行为画像，并按照预设的等级划分原则将所述用电行为特性指标进行等级划分；根据不同挖掘目标，选取对应的用电行为特性指标进行模糊聚类，得到对应的聚类结果；从聚类结果中选取各项用电行为特性指标中表现最优的用户，汇集得到优质用户群组，并保存至优质用户数据库中。本发明通过构建用户用电行为画像，能够从用户群组中挖掘出在各项用电特性指标下的特定优质用电用户，便于售电公司为其定制差异化服务，增强客户粘性。
Description
技术领域
本发明涉及电力系统技术领域，尤其是涉及一种基于用户用电行为画像的优质用户挖掘方法及系统。
背景技术
随着电力市场的发展，在当前的政策条件和市场竞争环境下，越来越多的社会资本将要组建售电公司，售电公司数量迅速膨胀。为提高售电公司竞争力，增加售电公司收益，优质的电力用户将成为各类型售电公司抢占的对象，如何根据用户的基本负荷信息挖掘出优质用户，从而为用户提供差异化服务，增强用户粘性是售电公司重点关注的问题。
但是，对现有技术的研究与实践的过程中，本发明的发明人发现，目前的用户信息挖掘技术多是针对用户的负荷曲线聚类，将用户分成不同类型的用户，无法体现售电公司所关心的用户各项特性，且无法根据不同的目标，挖掘特定的优质用户群组。因此，亟需一种能够克服上述缺陷的优质电力用户挖掘方法。
发明内容
本发明实施例所要解决的技术问题在于，提供一种基于用户用电行为画像的优质用户挖掘方法及系统，能够为售电公司挖掘在各项用电特性指标下最符合售电公司期望的优质用户，从而便于售电公司为其定制差异化服务，增强客户粘性，提高售电公司收益，增强自身的市场竞争力。
为解决上述问题，本发明的一个实施例提供了一种基于用户用电行为画像的优质用户挖掘方法，至少包括如下步骤：
采集电力用户的基本信息以及对应的用户历史用电数据，提取出代表用户的用电行为特性指标后进行综合评估；
根据所述用电行为特性指标构建对应的用户用电行为画像，并按照预设的等级划分原则将所述用电行为特性指标进行等级划分；
根据不同挖掘目标，选取对应的用电行为特性指标进行模糊聚类，得到对应的聚类结果；
从所述聚类结果中选取各项用电行为特性指标中表现最优的用户，汇集得到优质用户群组，并保存至优质用户数据库中。
作为优选方案，所述用电行为特性指标，具体包括合同容量指标、用电类型指标、峰谷特性指标、温度敏感性指标、电价敏感性指标、负荷稳定性指标、电量增长率指标、绿电偏好指标和欠费记录指标。
作为优选方案，所述温度敏感性指标的综合评估方式，具体为：
采用灰色关联度分析法分析用户典型日最大负荷分别与当日的最低温度、平均温度和最高温度的灰色关联度，并采用熵权法进行权重分析，在得到对应的权重后，采用TOPSIS法对用户的温度敏感性指标进行综合评估。
作为优选方案，所述电价敏感性指标的综合评估方式，具体为：
根据实施峰谷电价后用户负荷从电价高处转移至电价低处的比例，分别选择用户的峰平负荷转移率、峰谷负荷转移率以及平谷负荷转移率，采用熵权法进行权重分析，在得到对应的权重后，采用TOPSIS法对用户的温度敏感性指标进行综合评估。
作为优选方案，所述用电稳定性指标的综合评估方式，具体为：
分别选用用户的典型负荷日峰谷差率、典型负荷日负荷波动率、平均周负荷波动率、周末负荷率、月负荷率以及月平均负荷率，采用熵权法进行权重分析，在得到对应的权重后，采用TOPSIS法对用户的温度敏感性指标进行综合评估。
作为优选方案，在选取对应的用电行为特性指标进行模糊聚类之前，还包括：
针对每一个用电行为特性指标进行数值标准化处理。
作为优选方案，所述根据不同挖掘目标，选取对应的用电行为特性指标进行模糊聚类，得到对应的聚类结果，具体为：
根据不同的挖掘目标确定用于聚类的特性指标数量，根据选中的特性指标的画像结果的等级数量进行模糊聚类，得到聚类的结果数量。
本发明的一个实施例还提供了一种基于用户用电行为画像的优质用户挖掘系统，包括：
特性指标提取模块，用于采集电力用户的基本信息以及对应的用户历史用电数据，提取出代表用户的用电行为特性指标后进行综合评估；
用户画像构建模块，用于根据所述用电行为特性指标构建对应的用户用电行为画像，并按照预设的等级划分原则将所述用电行为特性指标进行等级划分；
聚类模块，用户根据不同挖掘目标，选取对应的用电行为特性指标进行模糊聚类，得到对应的聚类结果；
优质用户挖掘模块，用于从所述聚类结果中选取各项用电行为特性指标中表现最优的用户，汇集得到优质用户群组，并保存至优质用户数据库中。
本发明的一个实施例还提供了一种基于用户用电行为画像的优质用户挖掘的终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的基于用户用电行为画像的优质用户挖掘方法。
本发明的一个实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上所述的基于用户用电行为画像的优质用户挖掘方法。
实施本发明实施例，具有如下有益效果：
本发明实施例提供的一种基于用户用电行为画像的优质用户挖掘方法及系统，所述方法包括：采集电力用户的基本信息以及对应的用户历史用电数据，提取出代表用户的用电行为特性指标后进行综合评估；根据所述用电行为特性指标构建对应的用户用电行为画像，并按照预设的等级划分原则将所述用电行为特性指标进行等级划分；根据不同挖掘目标，选取对应的用电行为特性指标进行模糊聚类，得到对应的聚类结果；从所述聚类结果中选取各项用电行为特性指标中表现最优的用户，汇集得到优质用户群组，并保存至优质用户数据库中。
与现有技术相比，本发明实施例通过提供一种基于用户用电行为画像的优质用户挖掘方法及系统，通过构建用户用电行为画像，得到售电公司所关心的用户包括电价敏感性、温度敏感性、负荷稳定性、用户信用、电量增长率和绿电偏好等各项用电特性指标的情况；并基于用户用电行为画像的进行聚类，帮助售电公司从用户群组中挖掘出在各项用电特性指标下，最契合售电公司期望的优质用户，从而为其定制差异化服务，增强客户粘性，提高售电公司收益。
附图说明
图1为本发明第一实施例提供的一种基于用户用电行为画像的优质用户挖掘方法的流程示意图；
图2为本发明第一实施例提供的用电特性指标划划分等级表的示意图；
图3为本发明第一实施例提供的用户用电行为特性指标表的示意图；
图4为本发明第一实施例提供的峰谷转移率的示意图；
图5为本发明第一实施例提供的用电稳定性指标及含义的示意图；
图6为本发明第二实施例提供的一种基于用户用电行为画像的优质用户挖掘系统的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
在本申请的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中，除非另有说明，“多个”的含义是两个或两个以上。
首先介绍本发明可以提供的应用场景，如从用户群组中挖掘出在各项用电特性指标下，最契合售电公司期望的优质用户。
本发明第一实施例：
请参阅图1-6。
如图1所示，本实施例提供了一种基于用户用电行为画像的优质用户挖掘方法，至少包括如下步骤：
S101、采集电力用户的基本信息以及对应的用户历史用电数据，提取出代表用户的用电行为特性指标后进行综合评估；
具体的，对于步骤S101，采集售电公司用户的历史用电数据；根据用户基本的用电数据，提取用户的各项用电特性指标，包括用户的合同容量；用电类型；温度敏感性指标：用户典型负荷日下，最大负荷分别与当日最高温度，最低温度，平均温度的灰色关联度；电价敏感性指标：在实施峰谷分时电价的典型日下用户的峰平负荷转移率，峰谷负荷转移率以及平谷负荷转移率；负荷稳定性指标：典型负荷日负荷波动率，平均周负荷波动率，周末负荷率，月负荷率，以及月平均负荷率；用户电量增长率；绿电偏好；欠费记录。
S102、根据所述用电行为特性指标构建对应的用户用电行为画像，并按照预设的等级划分原则将所述用电行为特性指标进行等级划分；
具体的，对于步骤S102，根据提取出的用户用电特性指标，进行用户用电行为画像，按照一定的原则，将所有用电特性指标划分成如图2所示的等级，并对每个等级进行数值标准化处理。
如图2所示，针对不同的用户群组，按照一定原则，将提取得到的用户用电特性指标进行等级划分，将用电容量分为低、中、高三个等级；将用电类型分为大工业、一般工商业、居民用电和其他用电四种类型；将峰谷特性分为峰偏好、谷偏好、峰谷均衡三种情况；将用户的温度敏感性、电价敏感性、负荷稳定性分别分成低、中、高三个等级；用户的电量增长率分为下降、持平、上升三个等级；将用户的绿电偏好分为有偏好、无偏好两种情况；欠费记录分为：有记录、无记录两种情况。
S103、根据不同挖掘目标，选取对应的用电行为特性指标进行模糊聚类，得到对应的聚类结果；
在优选的实施例中，所述根据不同挖掘目标，选取对应的用电行为特性指标进行模糊聚类，得到对应的聚类结果，具体为：
根据不同的挖掘目标确定用于聚类的特性指标数量，根据选中的特性指标的画像结果的等级数量进行模糊聚类，得到聚类的结果数量。
具体的，对于步骤S103，根据挖掘目标的不同，选取不同的特性指标进行模糊聚类。首先根据挖掘目标，确定进行聚类用电特性指标，如需挖掘电价敏感性性低的大型工业有绿电偏好需求用户，则选择用电容量、用电类型、电价敏感性、绿电偏好四个特性指标进行模糊聚类，将上述指标数值化的结果参与聚类，聚类结果参数的设定方法为：确定用于聚类的特性指标数量n，其次根据选中的特性指标的画像结果的等级数量{k1,k2,...,kn}，得到聚类的结果数量M＝k1×k2×...×kn。
S104、从所述聚类结果中选取各项用电行为特性指标中表现最优的用户，汇集得到优质用户群组，并保存至优质用户数据库中。
具体的，对于步骤S104，根据步骤S103中的聚类结果，选择各项特性指标中表现最优的用户，将其数据保存至优质用户数据库，从而便于售电公司定制差异化服务，增强客户粘性。
在优选的实施例中，如图3所示，所述用电行为特性指标，具体包括合同容量指标、用电类型指标、峰谷特性指标、温度敏感性指标、电价敏感性指标、负荷稳定性指标、电量增长率指标、绿电偏好指标和欠费记录指标。
在优选的实施例中，在提取出代表用户的用电行为特性指标之后，还包括：
获取用电行为特性指标中的温度敏感性指标、电价敏感性指标和负荷稳定性指标，分别根据熵权法进行权重分析后确定对应的权重，并采用TOPSIS法分别对温度敏感性指标、电价敏感性指标和负荷稳定性指标进行综合评估。
具体的，根据获得的温度敏感性、电价敏感性和负荷稳定性指标，采用熵权法进行权重分析，并使用TOPSIS法进行综合评价。
在优选的实施例中，所述温度敏感性指标的综合评估方式，具体为：
采用灰色关联度分析法分析用户典型日最大负荷分别与当日的最低温度、平均温度和最高温度的灰色关联度，并采用熵权法进行权重分析，在得到对应的权重后，采用TOPSIS法对用户的温度敏感性指标进行综合评估。
具体的，针对温度敏感性指标计算方法包括如下步骤：提取多组典型日负荷数据及当日最大温度，最低温度，平均温度，进行规范化处理，设有n组数据，规范化后的数据为X0,X1,X2,X3 Xi＝[xi(1),xi(2),...,xi(n)],i＝1,2,3。
其中，负荷数据X0为主序列，Xi＝[xi(1),xi(2),...,xi(n)],i＝1,2,3分别为最大温度，平均温度，最小温度数据，则X0与Xi关于第k各元素的关联系数为：
其中
ρ为分辨系数，取值区间为[0,1]。
第i个序列与主序列的关联度为
之后，采用熵权法确定权重，并采用TOPSIS法进行综合评价。
其中，采用熵权法确定权重方法包括如下步骤：
设由m个评价方案n项指标构成的评价矩阵为：
X＝(xij)m×n,i＝1,2,...,m；j＝1,2,...,n；
指标标准化方法如下：
式中Pij为标准化的指标数据。各评价指标的熵为：
计算权重wj：
而TOPSIS综合评价方法步骤具体包括：
(a)针对所有指标建立标准化矩阵：
rij表示归一化第i个选择方案的属性值j。
(b)计算加权标准化决策矩阵：
vij＝wi·rij,i＝1,...,n；
wi是属性值j的权重。
(c)确定正理想解和负理想解：
A+代表正理想解，A-代表负理想解。如果属性j是正特性指标，那么
相反，如果属性值j是负特性指标，
(d)计算每个备选方案到正理想解和负理想解的距离：
(e)计算最接近理想解的方案：
(f)方案排序，按照Ci依次递减的排序排列。
在优选的实施例中，所述电价敏感性指标的综合评估方式，具体为：
根据实施峰谷电价后用户负荷从电价高处转移至电价低处的比例，分别选择用户的峰平负荷转移率、峰谷负荷转移率以及平谷负荷转移率，采用熵权法进行权重分析，在得到对应的权重后，采用TOPSIS法对用户的温度敏感性指标进行综合评估。
具体的，针对电价敏感性指标，则需要考虑负荷转移率概念，即实施峰谷电价后用户负荷从电价高处转移至电价低处的比例，分别选择用户的峰平负荷转移率，峰谷负荷转移率以及平谷负荷转移率，并采用熵权法得到合适的权重对用户的电价敏感性指标进行综合评价，如图4所示，以峰谷转移率为例，计算公式为：
式中：j代表第j类用户；λpv为峰时段到谷时段的转移率；Δpv为峰时段电价pp与谷时段电价pv之差；点(apv,0)为分段线性峰谷时段转移率曲线的死区拐点，apv为死区阈值；点
为分段线性峰谷时段转移率曲线的饱和区拐点，bpv为饱和区阈值，
为在峰谷电价差变化下峰时段到谷时段的最大负荷转移率；Kpv为分段线性峰谷时段转移率曲线线性区的斜率；M、N分别为死区拐点和饱和区拐点。
得到峰平、峰谷、平谷转移率后，采用熵权法确定权重，并采用TOPSIS法进行综合评价。
在优选的实施例中，所述用电稳定性指标的综合评估方式，具体为：
分别选用用户的典型负荷日峰谷差率、典型负荷日负荷波动率、平均周负荷波动率、周末负荷率、月负荷率以及月平均负荷率，采用熵权法进行权重分析，在得到对应的权重后，采用TOPSIS法对用户的温度敏感性指标进行综合评估。
具体的，针对用电稳定性指标，分别从日尺度，周尺度，月尺度进行考虑，分别选用典型负荷日峰谷差率、典型负荷日负荷波动率、平均周负荷波动率、周末负荷率、月负荷率以及月平均负荷率，并采用熵权法得到合适的权重对用户负荷稳定性指标进行综合评价。其中，用电稳定性指标中的各指标含义如图5所示。
在优选的实施例中，在选取对应的用电行为特性指标进行模糊聚类之前，还包括：
针对每一个用电行为特性指标进行数值标准化处理。
具体的，针对每一个特性指标进行数值标准化处理并进行保存，针对无数值特性，即用电类型、峰谷特性、绿电偏好和欠费记录四项，按照不同等级分别赋值1，2，3，4；针对合同容量，对所有用户进行标准化处理，即用户的归一化容量：
其中Ck代表第k个用户的归一化合同容量，CK代表第k个用户的合同容量，Cmax代表用户群中最大合同户容量；针对温度敏感性、电价敏感性和负荷稳定性，采用上述的综合评价方法得到的标准化分数。
本实施例提供的一种基于用户用电行为画像的优质用户挖掘方法包括：采集电力用户的基本信息以及对应的用户历史用电数据，提取出代表用户的用电行为特性指标后进行综合评估；根据所述用电行为特性指标构建对应的用户用电行为画像，并按照预设的等级划分原则将所述用电行为特性指标进行等级划分；根据不同挖掘目标，选取对应的用电行为特性指标进行模糊聚类，得到对应的聚类结果；从所述聚类结果中选取各项用电行为特性指标中表现最优的用户，汇集得到优质用户群组，并保存至优质用户数据库中。
与现有技术相比，本实施例通过提供一种基于用户用电行为画像的优质用户挖掘方法，通过构建用户用电行为画像，得到售电公司所关心的用户包括电价敏感性、温度敏感性、负荷稳定性、用户信用、电量增长率和绿电偏好等各项用电特性指标的情况；并基于用户用电行为画像的进行聚类，帮助售电公司从用户群组中挖掘出在各项用电特性指标下，最契合售电公司期望的优质用户，从而为其定制差异化服务，增强客户粘性，提高售电公司收益。
本发明第二实施例：
请参阅图6。
如图6所示，本实施例提供了一种基于用户用电行为画像的优质用户挖掘系统，包括：
特性指标提取模块100，用于采集电力用户的基本信息以及对应的用户历史用电数据，提取出代表用户的用电行为特性指标后进行综合评估；
具体的，对于特性指标提取模块100，采集售电公司用户的历史用电数据；根据用户基本的用电数据，提取用户的各项用电特性指标，包括用户的合同容量；用电类型；温度敏感性指标：用户典型负荷日下，最大负荷分别与当日最高温度，最低温度，平均温度的灰色关联度；电价敏感性指标：在实施峰谷分时电价的典型日下用户的峰平负荷转移率，峰谷负荷转移率以及平谷负荷转移率；负荷稳定性指标：典型负荷日负荷波动率，平均周负荷波动率，周末负荷率，月负荷率，以及月平均负荷率；用户电量增长率；绿电偏好；欠费记录。
用户画像构建模块200，用于根据所述用电行为特性指标构建对应的用户用电行为画像，并按照预设的等级划分原则将所述用电行为特性指标进行等级划分；
具体的，对于用户画像构建模块200，根据提取出的用户用电特性指标，进行用户用电行为画像，按照一定的原则，将所有用电特性指标划分成等级，并对每个等级进行数值标准化处理。
聚类模块300，用户根据不同挖掘目标，选取对应的用电行为特性指标进行模糊聚类，得到对应的聚类结果；
具体的，对于聚类模块300，根据挖掘目标的不同，选取不同的特性指标进行模糊聚类。首先根据挖掘目标，确定进行聚类用电特性指标，如需挖掘电价敏感性性低的大型工业有绿电偏好需求用户，则选择用电容量、用电类型、电价敏感性、绿电偏好四个特性指标进行模糊聚类，将上述指标数值化的结果参与聚类，聚类结果参数的设定方法为：确定用于聚类的特性指标数量n，其次根据选中的特性指标的画像结果的等级数量{k1,k2,...,kn}，得到聚类的结果数量M＝k1×k2×...×kn。
优质用户挖掘模块400，用于从所述聚类结果中选取各项用电行为特性指标中表现最优的用户，汇集得到优质用户群组，并保存至优质用户数据库中。
具体的，对于优质用户挖掘模块400，根据聚类结果选择各项特性指标中表现最优的用户，将其数据保存至优质用户数据库，从而便于售电公司定制差异化服务，增强客户粘性。
本实施例提供的一种基于用户用电行为画像的优质用户挖掘系统，包括：特性指标提取模块100，用于采集电力用户的基本信息以及对应的用户历史用电数据，提取出代表用户的用电行为特性指标后进行综合评估；用户画像构建模块200，用于根据所述用电行为特性指标构建对应的用户用电行为画像，并按照预设的等级划分原则将所述用电行为特性指标进行等级划分；聚类模块300，用户根据不同挖掘目标，选取对应的用电行为特性指标进行模糊聚类，得到对应的聚类结果；优质用户挖掘模块400，用于从所述聚类结果中选取各项用电行为特性指标中表现最优的用户，汇集得到优质用户群组，并保存至优质用户数据库中。
本实施例通过提供一种基于用户用电行为画像的优质用户挖掘系统，通过构建用户用电行为画像，得到售电公司所关心的用户包括电价敏感性、温度敏感性、负荷稳定性、用户信用、电量增长率和绿电偏好等各项用电特性指标的情况；并基于用户用电行为画像的进行聚类，帮助售电公司从用户群组中挖掘出在各项用电特性指标下，最契合售电公司期望的优质用户，从而为其定制差异化服务，增强客户粘性，提高售电公司收益。
本发明的一个实施例还提供了一种基于用户用电行为画像的优质用户挖掘的终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的基于用户用电行为画像的优质用户挖掘方法。
本发明的一个实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上所述的基于用户用电行为画像的优质用户挖掘方法。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的系统实施例仅仅是示意性的，例如所述模块的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和变形，这些改进和变形也视为本发明的保护范围。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random AccessMemory，RAM)等。
Claims (10)
1.一种基于用户用电行为画像的优质用户挖掘方法，其特征在于，至少包括如下步骤：
采集电力用户的基本信息以及对应的用户历史用电数据，提取出代表用户的用电行为特性指标后进行综合评估；
根据所述用电行为特性指标构建对应的用户用电行为画像，并按照预设的等级划分原则将所述用电行为特性指标进行等级划分；
根据不同挖掘目标，选取对应的用电行为特性指标进行模糊聚类，得到对应的聚类结果；
从所述聚类结果中选取各项用电行为特性指标中表现最优的用户，汇集得到优质用户群组，并保存至优质用户数据库中。
2.根据权利要求1所述的基于用户用电行为画像的优质用户挖掘方法，其特征在于，所述用电行为特性指标，具体包括合同容量指标、用电类型指标、峰谷特性指标、温度敏感性指标、电价敏感性指标、负荷稳定性指标、电量增长率指标、绿电偏好指标和欠费记录指标。
3.根据权利要求2所述的基于用户用电行为画像的优质用户挖掘方法，其特征在于，所述温度敏感性指标的综合评估方式，具体为：
采用灰色关联度分析法分析用户典型日最大负荷分别与当日的最低温度、平均温度和最高温度的灰色关联度，并采用熵权法进行权重分析，在得到对应的权重后，采用TOPSIS法对用户的温度敏感性指标进行综合评估。
4.根据权利要求2所述的基于用户用电行为画像的优质用户挖掘方法，其特征在于，所述电价敏感性指标的综合评估方式，具体为：
根据实施峰谷电价后用户负荷从电价高处转移至电价低处的比例，分别选择用户的峰平负荷转移率、峰谷负荷转移率以及平谷负荷转移率，采用熵权法进行权重分析，在得到对应的权重后，采用TOPSIS法对用户的温度敏感性指标进行综合评估。
5.根据权利要求2所述的基于用户用电行为画像的优质用户挖掘方法，其特征在于，所述用电稳定性指标的综合评估方式，具体为：
分别选用用户的典型负荷日峰谷差率、典型负荷日负荷波动率、平均周负荷波动率、周末负荷率、月负荷率以及月平均负荷率，采用熵权法进行权重分析，在得到对应的权重后，采用TOPSIS法对用户的温度敏感性指标进行综合评估。
6.根据权利要求1所述的基于用户用电行为画像的优质用户挖掘方法，其特征在于，在选取对应的用电行为特性指标进行模糊聚类之前，还包括：
针对每一个用电行为特性指标进行数值标准化处理。
7.根据权利要求1所述的基于用户用电行为画像的优质用户挖掘方法，其特征在于，所述根据不同挖掘目标，选取对应的用电行为特性指标进行模糊聚类，得到对应的聚类结果，具体为：
根据不同的挖掘目标确定用于聚类的特性指标数量，根据选中的特性指标的画像结果的等级数量进行模糊聚类，得到聚类的结果数量。
8.一种基于用户用电行为画像的优质用户挖掘系统，其特征在于，包括：
特性指标提取模块，用于采集电力用户的基本信息以及对应的用户历史用电数据，提取出代表用户的用电行为特性指标后进行综合评估；
用户画像构建模块，用于根据所述用电行为特性指标构建对应的用户用电行为画像，并按照预设的等级划分原则将所述用电行为特性指标进行等级划分；
聚类模块，用户根据不同挖掘目标，选取对应的用电行为特性指标进行模糊聚类，得到对应的聚类结果；
优质用户挖掘模块，用于从所述聚类结果中选取各项用电行为特性指标中表现最优的用户，汇集得到优质用户群组，并保存至优质用户数据库中。
9.一种基于用户用电行为画像的优质用户挖掘的终端设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7中任意一项所述的基于用户用电行为画像的优质用户挖掘方法。
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包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至7中任意一项所述的基于用户用电行为画像的优质用户挖掘方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010741004.0A CN111784204A (zh) | 2020-07-28 | 2020-07-28 | 一种基于用户用电行为画像的优质用户挖掘方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010741004.0A CN111784204A (zh) | 2020-07-28 | 2020-07-28 | 一种基于用户用电行为画像的优质用户挖掘方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111784204A true CN111784204A (zh) | 2020-10-16 |
Family
ID=72765140
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010741004.0A Pending CN111784204A (zh) | 2020-07-28 | 2020-07-28 | 一种基于用户用电行为画像的优质用户挖掘方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111784204A (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113269660A (zh) * | 2021-06-08 | 2021-08-17 | 建投河北热力有限公司 | 供热控制方法、装置、电子设备及计算机可读存储介质 |
| CN113468402A (zh) * | 2021-05-25 | 2021-10-01 | 北京达佳互联信息技术有限公司 | 目标对象确定方法、装置及存储介质 |
| CN113469835A (zh) * | 2021-05-10 | 2021-10-01 | 国网浙江省电力有限公司双创中心 | 基于用户用电情况的光伏发电站资产评估方法及装置 |
| CN114219241A (zh) * | 2021-12-01 | 2022-03-22 | 深圳供电局有限公司 | 一种客户用电行为分析方法及系统 |
| CN115018198A (zh) * | 2022-06-30 | 2022-09-06 | 国网河南省电力公司经济技术研究院 | 一种考虑差异化需求响应方案的居民用户用电优化策略 |
| CN115081893A (zh) * | 2022-06-27 | 2022-09-20 | 国网湖北省电力有限公司电力科学研究院 | 用户用电数据分析方法、装置、电子设备及可读存储介质 |
| CN115130006A (zh) * | 2022-08-04 | 2022-09-30 | 北京富通智康科技有限公司 | 一种基于健康管理标签的用户画像方法 |
| CN116050946A (zh) * | 2023-03-29 | 2023-05-02 | 东莞先知大数据有限公司 | 一种水务用户催收管理方法、装置、电子设备和存储介质 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104881706A (zh) * | 2014-12-31 | 2015-09-02 | 天津弘源慧能科技有限公司 | 一种基于大数据技术的电力系统短期负荷预测方法 |
| CN105023065A (zh) * | 2015-07-24 | 2015-11-04 | 国网山东省电力公司经济技术研究院 | 基于灰色关联度topsis的电网规划风险评估系统及方法 |
| CN105335902A (zh) * | 2015-11-27 | 2016-02-17 | 国家电网公司 | 电力通信网的可靠性确定方法及装置 |
| CN108764984A (zh) * | 2018-05-17 | 2018-11-06 | 国网冀北电力有限公司电力科学研究院 | 一种基于大数据的电力用户画像构建方法及系统 |
| CN109191189A (zh) * | 2018-08-20 | 2019-01-11 | 国网河南省电力公司经济技术研究院 | 售电市场放开下电力客户价值评价方法 |
| CN109636146A (zh) * | 2018-11-28 | 2019-04-16 | 东南大学 | 一种用户需求响应潜力画像方法 |
| CN109685567A (zh) * | 2018-12-20 | 2019-04-26 | 长沙理工大学 | 一种基于卷积神经网络和模糊聚类的用电客户画像新方法 |
| CN109949004A (zh) * | 2019-03-01 | 2019-06-28 | 长沙理工大学 | 一种客户快速故障定位和聚类算法的用电客户画像新方法 |
| CN110826886A (zh) * | 2019-10-29 | 2020-02-21 | 南京华盾电力信息安全测评有限公司 | 一种基于聚类算法和主成分分析的电力客户画像构建方法 |
-
2020
- 2020-07-28 CN CN202010741004.0A patent/CN111784204A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104881706A (zh) * | 2014-12-31 | 2015-09-02 | 天津弘源慧能科技有限公司 | 一种基于大数据技术的电力系统短期负荷预测方法 |
| CN105023065A (zh) * | 2015-07-24 | 2015-11-04 | 国网山东省电力公司经济技术研究院 | 基于灰色关联度topsis的电网规划风险评估系统及方法 |
| CN105335902A (zh) * | 2015-11-27 | 2016-02-17 | 国家电网公司 | 电力通信网的可靠性确定方法及装置 |
| CN108764984A (zh) * | 2018-05-17 | 2018-11-06 | 国网冀北电力有限公司电力科学研究院 | 一种基于大数据的电力用户画像构建方法及系统 |
| CN109191189A (zh) * | 2018-08-20 | 2019-01-11 | 国网河南省电力公司经济技术研究院 | 售电市场放开下电力客户价值评价方法 |
| CN109636146A (zh) * | 2018-11-28 | 2019-04-16 | 东南大学 | 一种用户需求响应潜力画像方法 |
| CN109685567A (zh) * | 2018-12-20 | 2019-04-26 | 长沙理工大学 | 一种基于卷积神经网络和模糊聚类的用电客户画像新方法 |
| CN109949004A (zh) * | 2019-03-01 | 2019-06-28 | 长沙理工大学 | 一种客户快速故障定位和聚类算法的用电客户画像新方法 |
| CN110826886A (zh) * | 2019-10-29 | 2020-02-21 | 南京华盾电力信息安全测评有限公司 | 一种基于聚类算法和主成分分析的电力客户画像构建方法 |
Non-Patent Citations (1)
| Title |
|---|
| 李创等: "《技术经济评价专题研究》", 30 September 2008 * |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113469835A (zh) * | 2021-05-10 | 2021-10-01 | 国网浙江省电力有限公司双创中心 | 基于用户用电情况的光伏发电站资产评估方法及装置 |
| CN113468402A (zh) * | 2021-05-25 | 2021-10-01 | 北京达佳互联信息技术有限公司 | 目标对象确定方法、装置及存储介质 |
| CN113468402B (zh) * | 2021-05-25 | 2024-05-17 | 北京达佳互联信息技术有限公司 | 目标对象确定方法、装置及存储介质 |
| CN113269660A (zh) * | 2021-06-08 | 2021-08-17 | 建投河北热力有限公司 | 供热控制方法、装置、电子设备及计算机可读存储介质 |
| CN114219241A (zh) * | 2021-12-01 | 2022-03-22 | 深圳供电局有限公司 | 一种客户用电行为分析方法及系统 |
| CN115081893A (zh) * | 2022-06-27 | 2022-09-20 | 国网湖北省电力有限公司电力科学研究院 | 用户用电数据分析方法、装置、电子设备及可读存储介质 |
| CN115018198A (zh) * | 2022-06-30 | 2022-09-06 | 国网河南省电力公司经济技术研究院 | 一种考虑差异化需求响应方案的居民用户用电优化策略 |
| CN115018198B (zh) * | 2022-06-30 | 2024-08-09 | 国网河南省电力公司经济技术研究院 | 一种考虑差异化需求响应方案的居民用户用电优化方法 |
| CN115130006A (zh) * | 2022-08-04 | 2022-09-30 | 北京富通智康科技有限公司 | 一种基于健康管理标签的用户画像方法 |
| CN116050946A (zh) * | 2023-03-29 | 2023-05-02 | 东莞先知大数据有限公司 | 一种水务用户催收管理方法、装置、电子设备和存储介质 |
| CN116050946B (zh) * | 2023-03-29 | 2023-06-16 | 东莞先知大数据有限公司 | 一种水务用户催收管理方法、装置、电子设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111784204A (zh) | 一种基于用户用电行为画像的优质用户挖掘方法及系统 | |
| CN106067088A (zh) | 电子银行访问行为的检测方法和装置 | |
| CN111144468A (zh) | 电力用户信息标签化方法和装置、电子设备以及存储介质 | |
| CN111507470A (zh) | 一种异常账户的识别方法及装置 | |
| CN108345908A (zh) | 电网数据的分类方法、分类设备及存储介质 | |
| CN107622326A (zh) | 用户分类、可用资源预测方法、装置及设备 | |
| CN109389517B (zh) | 一种量化线路损耗影响因素的分析方法及装置 | |
| CN109902868A (zh) | 一种基于负荷特性的大用户业扩辅助分析方法和装置 | |
| CN110610431A (zh) | 基于大数据的智能理赔方法及智能理赔系统 | |
| CN110796159A (zh) | 基于k-means算法的电力数据分类方法及系统 | |
| CN112614007A (zh) | 充电潜力小区的识别方法和装置 | |
| CN105359172A (zh) | 计算企业存在拖欠的概率 | |
| CN111311276B (zh) | 一种异常用户团体的识别方法、识别装置及可读存储介质 | |
| CN100511241C (zh) | 用于周期现象的聚类技术 | |
| CN113450004A (zh) | 电力信用报告生成方法、装置、电子设备及可读存储介质 | |
| CN109992592B (zh) | 基于校园消费卡流水数据的高校贫困生识别方法 | |
| CN114372835B (zh) | 综合能源服务潜力客户识别方法、系统及计算机设备 | |
| CN111476657A (zh) | 信息推送方法、装置及系统 | |
| CN113298442B (zh) | 客户数据的聚类分析方法、装置、设备及存储介质 | |
| CN115689713A (zh) | 异常风险数据处理方法、装置、计算机设备和存储介质 | |
| CN115358797A (zh) | 基于聚类分析法的综合能源用户用能行为分析方法、系统及存储介质 | |
| CN115099933A (zh) | 一种业务预算方法、装置及设备 | |
| CN114841490A (zh) | 一种生态保护优先区识别方法、系统、装置及存储介质 | |
| CN113191570A (zh) | 基于深度学习的资金规划推荐方法、装置和设备 | |
| CN114970928A (zh) | 一种电力数据能耗分析预测方法 |
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: 20201016 |
|
| RJ01 | Rejection of invention patent application after publication |