CN112184486A - 一种电力用户成本管理方法 - Google Patents
一种电力用户成本管理方法 Download PDFInfo
- Publication number
- CN112184486A CN112184486A CN202011060640.3A CN202011060640A CN112184486A CN 112184486 A CN112184486 A CN 112184486A CN 202011060640 A CN202011060640 A CN 202011060640A CN 112184486 A CN112184486 A CN 112184486A
- Authority
- CN
- China
- Prior art keywords
- user
- cost
- data
- level
- time
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 17
- 238000006243 chemical reaction Methods 0.000 claims abstract description 17
- 230000002159 abnormal effect Effects 0.000 claims abstract description 9
- 238000001914 filtration Methods 0.000 claims abstract description 4
- 230000005611 electricity Effects 0.000 claims description 23
- 230000008439 repair process Effects 0.000 claims description 22
- 238000000034 method Methods 0.000 claims description 10
- 238000007689 inspection Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 7
- 238000009434 installation Methods 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 238000007477 logistic regression Methods 0.000 description 4
- 230000004069 differentiation Effects 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000013468 resource allocation Methods 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012950 reanalysis Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 239000002699 waste material Substances 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Educational Administration (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (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
本发明提供一种电力用户成本管理方法,包括,步骤S1,获取待处理用户的信用等级数据及用户的侧数据;所述信用等级包括高风险或中等风险或低风险;步骤S2,对所述侧数据进行异常数据处理,过滤其内的干扰数据并填充相应的缺失值;步骤S3,根据第一预设规则对异常数据处理后的侧数据进行特征值转化,特征转化结果;并根据所述特征转化结果划分所述待处理用户的成本等级;所述成本等级包括高成本或低成本;步骤S4,根据所述待处理用户的信用等级和成本等级按照第二预设规则确定所述待处理用户的服务等级;所述服务等级包括保留客户或一般客户或潜力客户或重要客户。本发明精细化服务成本管理,合理摊销到每个客户,制定差异化的服务策略。
Description
技术领域
本发明涉及电力系统自动化技术领域,特别是涉及一种电力用户成本管理方法。
背景技术
企业的良好服务不仅会给企业带来众多的客户、广阔的市场和可观的利润,还会对树立企业形象、建立产品信誉起到极为重要的作用。企业无论借助何种差异化工具,均应了解并满足目标市场的需要。因此,企业应根据客户的服务管理成本消耗指定相应的资源分配策略,结合客户价值和资源分配情况制定差异化服务策略,并且能够更合理地反映电力客户在各项服务作业中应该分摊的成本,可以根据二次分析问题的原因,针对不同价值的客户适当调整服务策略,降低服务成本,减少服务中的资源无效投入,从而提高企业的经济效益。
当前国内一些企业的差异化服务策略主要是基于用户区域、信用等级、规模等进行客户细分,指定相应服务策略,这种差异化服务方式在提升服务质量方面取得一定的成果,但是并未很好的考虑服务的经济效应,通过成本动因再次分析为解决服务的经济学提供了新的思路。
当前电力企业差异化服务策略输出:传统的差异化服务策略未从企业经济效应出发;传统的服务成本管理没有精细化,没有合理摊销到每个客户当中,无法制定差异化的服务策略,造成无效资源的浪费。
发明内容
本发明的目的在于,提出一种电力用户成本管理方法,解决现有成本管理精细化程度低,定制差异化服务能力差的技术问题。
本发明的一方面,提供一种电力用户成本管理方法,包括:
步骤S1,获取待处理用户的信用等级数据及用户的侧数据;所述信用等级包括高风险或中等风险或低风险;
步骤S2,对所述侧数据进行异常数据处理,过滤其内的干扰数据并填充相应的缺失值;
步骤S3,根据第一预设规则对异常数据处理后的侧数据进行特征值转化,特征转化结果;并根据所述特征转化结果划分所述待处理用户的成本等级;所述成本等级包括高成本或低成本;
步骤S4,根据所述待处理用户的信用等级和成本等级按照第二预设规则确定所述待处理用户的服务等级;所述服务等级包括保留客户或一般客户或潜力客户或重要客户。
优选的,所述步骤S1包括:采集的所述侧数据至少包括报装及变更次数数据、抄表收费次数数据、故障抢修次数及时间数据、电能计量次数数据、用电检查次数及时间数据、投诉处理次数及时间数据、需要采集侧数据的用户数量。
优选的,所述步骤S3包括:将故障抢修时间数据分别归入预设的三个时间段,根据与时间段对应的参考值确定任一故障抢修时间的参考值并计算所有故障抢修时间对应的总参考值;以及将故障抢修时间的总参考值归一化处理,统计所述故障抢修时间的概率分布,作为特征转化结果。
优选的,所述步骤S3包括:将投诉时间数据分别归入预设的三个时间段,根据与时间段对应的参考值确定任一投诉时间的参考值并计算所有投诉时间对应的总参考值;以及将投诉时间的总参考值归一化处理,统计所述投诉时间的概率分布,作为特征转化结果。
优选的,所述步骤S3包括:将用电检查时间数据分别归入预设的三个时间段,根据与时间段对应的参考值确定任一用电检查时间的参考值并计算所有用电检查时间对应的总参考值;以及将用电检查时间的总参考值归一化处理,统计所述用电检查时间的概率分布,作为特征转化结果。
优选的,所述步骤S3包括:将报装及变更次数数据、抄表收费次数数据、故障抢修次数数据、电能计量次数数据、用电检查次数数据及投诉处理次数数据分别进行归一化处理,统计相应的概率分布,作为特征转化结果。
优选的,所述步骤S4包括:当所述待处理用户的信用等级为高风险且成本等级为高成本时,则判定该用户为保留客户;当所述待处理用户的信用等级为高风险且成本等级为低成本时,则判定该用户为一般客户。
优选的,所述步骤S4包括:当所述待处理用户的信用等级为中等风险且成本等级为高成本时,则判定该用户为一般客户;当所述待处理用户的信用等级为中等风险且成本等级为低成本时,则判定该用户为潜力客户。
优选的,所述步骤S4包括:当所述待处理用户的信用等级为低风险且成本等级为高成本时,则判定该用户为一般客户;当所述待处理用户的信用等级为低风险且成本等级为低成本时,则判定该用户为重要客户。
综上,实施本发明的实施例,具有如下的有益效果:
本发明提供的电力用户成本管理方法,通过收集用户的用电服务等数据,经过数据预处理和特征该工程,利用算法确定用户服务成本等级,完成对客户的服务成本等级分类。从企业经济效应出发确定准确的客户服务等级,进一步提供差异化服务策略;精细化服务成本管理,合理摊销到每个客户定位,制定差异化的服务策略,有效节约资源。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例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,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,根据这些附图获得其他的附图仍属于本发明的范畴。
图1为本发明实施例中一种电力用户成本管理方法的主流程示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述。
如图1所示,为本发明提供的一种电力用户成本管理方法的一个实施例的示意图。在该实施例中,所述方法包括以下步骤:
步骤S1,获取待处理用户的信用等级数据及用户的侧数据;所述信用等级包括高风险或中等风险或低风险;可以理解的,侧数据是确认和计量服务成本的衡量指标,也就是客户服务的成本动因。
具体实施例中,采集的所述侧数据至少包括报装及变更次数数据、抄表收费次数数据、故障抢修次数及时间数据、电能计量次数数据、用电检查次数及时间数据、投诉处理次数及时间数据、需要采集侧数据的用户数量等。
步骤S2,对所述侧数据进行异常数据处理,过滤其内的干扰数据并填充相应的缺失值;可以理解的,为对数据预处理,更具体的,是对数据中的脏数据以及异常数据进行处理,对缺失值进行填充等。
步骤S3,根据第一预设规则对异常数据处理后的侧数据进行特征值转化,特征转化结果;并根据所述特征转化结果划分所述待处理用户的成本等级;所述成本等级包括高成本或低成本;可以理解的,就是对数据进行转化为特征,使得这些特征可以更好地像预测模型描述潜在问题,提高模型对未见数据的准确性。
具体实施例中,将故障抢修时间数据分别归入预设的三个时间段,根据与时间段对应的参考值确定任一故障抢修时间的参考值并计算所有故障抢修时间对应的总参考值;以及将故障抢修时间的总参考值归一化处理,统计所述故障抢修时间的概率分布,作为特征转化结果;可以理解的,将故障抢修时间转化为白天、晚上、凌晨这3个时间段,并对单个用户的所有抢修时间分段并分别进行累和,并归一化至0-1区间。
将投诉时间数据分别归入预设的三个时间段,根据与时间段对应的参考值确定任一投诉时间的参考值并计算所有投诉时间对应的总参考值;以及将投诉时间的总参考值归一化处理,统计所述投诉时间的概率分布,作为特征转化结果;可以理解的,将投诉时间转化为白天、晚上、凌晨这3个时间段,并对单个用户的所有调投诉时间分段并分别进行累和,并归一化至0-1区间。
将用电检查时间数据分别归入预设的三个时间段,根据与时间段对应的参考值确定任一用电检查时间的参考值并计算所有用电检查时间对应的总参考值;以及将用电检查时间的总参考值归一化处理,统计所述用电检查时间的概率分布,作为特征转化结果;可以理解的,将用电检查时间转化为白天、晚上、凌晨这3个时间段,并对单个用户的所有检查时间分段并分别进行累和,并归一化至0-1区间。
将报装及变更次数数据、抄表收费次数数据、故障抢修次数数据、电能计量次数数据、用电检查次数数据及投诉处理次数数据分别进行归一化处理,统计相应的概率分布,作为特征转化结果;可以理解的,用户报装及变更的业务次数、抄表收费次数、故障抢修次数、电能计量次数、用电检查次数及投诉处理次数为数值型数据,直接进行归一化至0-1区间将。
再具体的,根据以下公式分别评估所述用户为高成本等级的概率θ:
p(y=1|x;θ)=θ(x)
其中,x为特征变量,即特征转化结果参数值;g为逻辑函数;p(y=1|x;θ)代表当输入值x分类的类别为1时,即当x分类的类别为高成本等级;T表示矩阵转置。
根据以下公式所述用户为高成本等级的概率θ进行优化:
其中,l(θ)为θ的优化结果,即评估结果,m为特征变量总数,xi为第i个特征变量,yi为第i个特征变量所对应的成本等级类别。
可以理解的,利用逻辑回归将用户服务成本等级划分为高成本和低成本两个等级。逻辑回归是机器学习中常见的分类模型,其用于二分类问题,它将特征空间映射为0到1的概率。模型假设特征变量x与成本等级类别y服从伯努利分布,通过构造预测函数hθ(x):其中,x代表输入变量(特征变量),g代表逻辑函数(sigmod函数),其公式为:
那么,对于输入x分类结果为类别1为p(y=1|x;θ)=hθ(x),最后,通过极大似然估计可得到逻辑回归模型的代价函数l(θ):
步骤S4,根据所述待处理用户的信用等级和成本等级按照第二预设规则确定所述待处理用户的服务等级;所述服务等级包括保留客户或一般客户或潜力客户或重要客户。可以理解的,通过七个指标将原本的信用等级上进行划分服务成本高低。
具体实施例中,当所述待处理用户的信用等级为高风险且成本等级为高成本时,则判定该用户为保留客户;当所述待处理用户的信用等级为高风险且成本等级为低成本时,则判定该用户为一般客户。当所述待处理用户的信用等级为中等风险且成本等级为高成本时,则判定该用户为一般客户;当所述待处理用户的信用等级为中等风险且成本等级为低成本时,则判定该用户为潜力客户。当所述待处理用户的信用等级为低风险且成本等级为高成本时,则判定该用户为一般客户;当所述待处理用户的信用等级为低风险且成本等级为低成本时,则判定该用户为重要客户。
综上,实施本发明的实施例,具有如下的有益效果:
本发明提供的电力用户成本管理方法,通过收集用户的用电服务等数据,经过数据预处理和特征该工程,利用算法确定用户服务成本等级,完成对客户的服务成本等级分类。从企业经济效应出发确定准确的客户服务等级,进一步提供差异化服务策略;精细化服务成本管理,合理摊销到每个客户,制定差异化的服务策略,有效节约资源。
以上所揭露的仅为本发明一种较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (9)
1.一种电力用户成本管理方法,其特征在于,包括以下步骤:
步骤S1,获取待处理用户的信用等级数据及用户的侧数据;所述信用等级包括高风险或中等风险或低风险;
步骤S2,对所述侧数据进行异常数据处理,过滤其内的干扰数据并填充相应的缺失值;
步骤S3,根据第一预设规则对异常数据处理后的侧数据进行特征值转化,特征转化结果;并根据所述特征转化结果划分所述待处理用户的成本等级;所述成本等级包括高成本或低成本;
步骤S4,根据所述待处理用户的信用等级和成本等级按照第二预设规则确定所述待处理用户的服务等级;所述服务等级包括保留客户或一般客户或潜力客户或重要客户。
2.如权利要求1所述的方法,其特征在于,所述步骤S1包括:
采集的所述侧数据至少包括报装及变更次数数据、抄表收费次数数据、故障抢修次数及时间数据、电能计量次数数据、用电检查次数及时间数据、投诉处理次数及时间数据、需要采集侧数据的用户数量。
3.如权利要求2所述的方法,其特征在于,所述步骤S3包括:
将故障抢修时间数据分别归入预设的三个时间段,根据与时间段对应的参考值确定任一故障抢修时间的参考值并计算所有故障抢修时间对应的总参考值;以及将故障抢修时间的总参考值归一化处理,统计所述故障抢修时间的概率分布,作为特征转化结果。
4.如权利要求2所述的方法,其特征在于,所述步骤S3包括:
将投诉时间数据分别归入预设的三个时间段,根据与时间段对应的参考值确定任一投诉时间的参考值并计算所有投诉时间对应的总参考值;以及将投诉时间的总参考值归一化处理,统计所述投诉时间的概率分布,作为特征转化结果。
5.如权利要求2所述的方法,其特征在于,所述步骤S3包括:
将用电检查时间数据分别归入预设的三个时间段,根据与时间段对应的参考值确定任一用电检查时间的参考值并计算所有用电检查时间对应的总参考值;以及将用电检查时间的总参考值归一化处理,统计所述用电检查时间的概率分布,作为特征转化结果。
6.如权利要求2所述的方法,其特征在于,所述步骤S3包括:
将报装及变更次数数据、抄表收费次数数据、故障抢修次数数据、电能计量次数数据、用电检查次数数据及投诉处理次数数据分别进行归一化处理,统计相应的概率分布,作为特征转化结果。
7.如权利要求3-6所述的方法,其特征在于,所述步骤S4包括:
当所述待处理用户的信用等级为高风险且成本等级为高成本时,则判定该用户为保留客户;
当所述待处理用户的信用等级为高风险且成本等级为低成本时,则判定该用户为一般客户。
8.如权利要求7所述的方法,其特征在于,所述步骤S4包括:
当所述待处理用户的信用等级为中等风险且成本等级为高成本时,则判定该用户为一般客户;
当所述待处理用户的信用等级为中等风险且成本等级为低成本时,则判定该用户为潜力客户。
9.如权利要求7所述的方法,其特征在于,所述步骤S4包括:
当所述待处理用户的信用等级为低风险且成本等级为高成本时,则判定该用户为一般客户;
当所述待处理用户的信用等级为低风险且成本等级为低成本时,则判定该用户为重要客户。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011060640.3A CN112184486A (zh) | 2020-09-30 | 2020-09-30 | 一种电力用户成本管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011060640.3A CN112184486A (zh) | 2020-09-30 | 2020-09-30 | 一种电力用户成本管理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112184486A true CN112184486A (zh) | 2021-01-05 |
Family
ID=73947099
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011060640.3A Pending CN112184486A (zh) | 2020-09-30 | 2020-09-30 | 一种电力用户成本管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112184486A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103530806A (zh) * | 2013-09-04 | 2014-01-22 | 深圳供电局有限公司 | 一种用电客户信用与电费回收风险预警预测方法及系统 |
CN106780140A (zh) * | 2016-12-15 | 2017-05-31 | 国网浙江省电力公司 | 基于大数据的电力信用评价方法 |
CN106815684A (zh) * | 2017-01-19 | 2017-06-09 | 国网山东省电力公司邹城市供电公司 | 精细化有序用电管理的方法 |
CN110516901A (zh) * | 2019-07-06 | 2019-11-29 | 国网浙江省电力有限公司电力科学研究院 | 基于大数据的客户价值分层模型构建系统及客户分层方法 |
CN110827088A (zh) * | 2019-11-07 | 2020-02-21 | 深圳鼎然信息科技有限公司 | 基于大数据的用车成本预测方法、装置及存储介质 |
CN111353792A (zh) * | 2020-05-25 | 2020-06-30 | 广东电网有限责任公司惠州供电局 | 一种可视化展现与数据分析的客户画像系统 |
-
2020
- 2020-09-30 CN CN202011060640.3A patent/CN112184486A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103530806A (zh) * | 2013-09-04 | 2014-01-22 | 深圳供电局有限公司 | 一种用电客户信用与电费回收风险预警预测方法及系统 |
CN106780140A (zh) * | 2016-12-15 | 2017-05-31 | 国网浙江省电力公司 | 基于大数据的电力信用评价方法 |
CN106815684A (zh) * | 2017-01-19 | 2017-06-09 | 国网山东省电力公司邹城市供电公司 | 精细化有序用电管理的方法 |
CN110516901A (zh) * | 2019-07-06 | 2019-11-29 | 国网浙江省电力有限公司电力科学研究院 | 基于大数据的客户价值分层模型构建系统及客户分层方法 |
CN110827088A (zh) * | 2019-11-07 | 2020-02-21 | 深圳鼎然信息科技有限公司 | 基于大数据的用车成本预测方法、装置及存储介质 |
CN111353792A (zh) * | 2020-05-25 | 2020-06-30 | 广东电网有限责任公司惠州供电局 | 一种可视化展现与数据分析的客户画像系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106384210B (zh) | 一种基于检修风险收益的输变电设备检修优先级排序方法 | |
Gajowniczek et al. | Electricity peak demand classification with artificial neural networks | |
CN103632306A (zh) | 一种基于聚类分析的配电网供电区域划分方法 | |
CN112001441A (zh) | 一种基于Kmeans-AHC混合聚类算法的配电网线损异常检测方法 | |
CN117272850B (zh) | 配电网安全运行调度弹性空间分析方法 | |
CN116976707B (zh) | 基于用电信息采集的用户用电数据异常分析方法及系统 | |
Xue et al. | Adaptive ultra-short-term wind power prediction based on risk assessment | |
Wang et al. | Offshore wind turbine selection with a novel multi-criteria decision-making method based on Dempster-Shafer evidence theory | |
CN114611738A (zh) | 一种基于用户用电行为分析的负荷预测方法 | |
CN113450031B (zh) | 居民智慧用能服务潜在台区选取方法及装置 | |
CN106651093A (zh) | 一种用于低压集抄系统的智能复核管控方法 | |
CN115905319B (zh) | 一种海量用户电费异常的自动识别方法及系统 | |
CN112508254A (zh) | 变电站工程项目投资预测数据的确定方法 | |
CN111861587A (zh) | 一种基于隐马尔可夫模型和向前算法的居民用电行为分析的系统及方法 | |
CN114372835B (zh) | 综合能源服务潜力客户识别方法、系统及计算机设备 | |
CN114219245B (zh) | 基于大数据的乡村电力指数评价方法、装置及存储介质 | |
CN112184486A (zh) | 一种电力用户成本管理方法 | |
CN112488360B (zh) | 基于人工智能的配变异常分析预警方法 | |
CN114048200A (zh) | 一种计及缺失数据补齐的用户用电行为分析方法 | |
CN106886851A (zh) | 基于电能表状态检修的电能表备品备件预测方法 | |
CN114168662A (zh) | 一种基于多数据源的配电网问题梳理分析方法及系统 | |
CN117236532B (zh) | 一种基于负荷数据的用电高峰负荷预测的方法及系统 | |
Li et al. | Multi-source heterogeneous log fusion technology of power information system based on big data and imprecise reasoning theory | |
Wu et al. | A unified model for diagnosing energy usage abnormalities in regional integrated energy service systems | |
CN117691583B (zh) | 一种用于虚拟电厂的电力调度系统及方法 |
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 |