CN117391473A - 一种基于大数据的电力营销智能化管理方法 - Google Patents
一种基于大数据的电力营销智能化管理方法 Download PDFInfo
- Publication number
- CN117391473A CN117391473A CN202311402818.1A CN202311402818A CN117391473A CN 117391473 A CN117391473 A CN 117391473A CN 202311402818 A CN202311402818 A CN 202311402818A CN 117391473 A CN117391473 A CN 117391473A
- Authority
- CN
- China
- Prior art keywords
- user
- users
- data
- electricity consumption
- electric power
- 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 56
- 230000005611 electricity Effects 0.000 claims description 127
- 230000002159 abnormal effect Effects 0.000 claims description 20
- 230000004069 differentiation Effects 0.000 claims description 19
- 238000009826 distribution Methods 0.000 claims description 12
- 238000007405 data analysis Methods 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 9
- 238000010248 power generation Methods 0.000 claims description 9
- 238000012544 monitoring process Methods 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 7
- 230000005856 abnormality Effects 0.000 claims description 6
- 230000008901 benefit Effects 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000009434 installation Methods 0.000 claims description 3
- 230000001932 seasonal effect Effects 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000010200 validation analysis Methods 0.000 claims description 3
- 239000002699 waste material Substances 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000000034 method Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000006854 communication Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000003306 harvesting Methods 0.000 description 2
- 238000012271 agricultural production Methods 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007175 bidirectional communication Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
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
- G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
-
- 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
- G06Q30/00—Commerce
- G06Q30/01—Customer relationship services
-
- 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
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- 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
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
- G06Q30/0208—Trade or exchange of goods or services in exchange for incentives or rewards
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
Abstract
本发明涉及电力营销管理技术领域,公开了一种基于大数据的电力营销智能化管理方法,通过收集与电力营销相关的数据,保证数据的完整性,对收集到的数据进行清洗和整理,以便能更好地对数据进行数据分析,进行趋势预测与需求预测,对用户的用电趋势和需求模式进行识别和挖掘,基于数据分析的结果进行用户分类,精准定位目标用户,根据用户分类制定符合不同用户的电力价格分化策略,实现对电力价格的智能分化,根据数据、用户分类和电力价格分化策略,提供智能推荐方式。
Description
技术领域
本发明涉及电力营销管理技术领域,尤其涉及一种基于大数据的电力营销智能化管理方法。
背景技术
随着信息技术的发展,大数据技术的成熟和广泛应用为电力营销智能化管理提供了数据基础和技术支持,同时,消费者对电力产品和服务的需求越来越个性化,个性化的电力产品和服务可以提高用户满意度和忠诚度,但是大多数并没有对电力价格实行智能分化,也没有对用户的用电趋势和需求模式进行识别和挖掘。
如申请公开号为CN112561350A公开了一种电力营销系统数据的市场化建立方法,构建面向电力需求侧的电力营销智能化系统,该系统包含客户知识管理、客户负荷管控、客户信用风险管理、客户关系管理和客户资源价值评价五个子模块,并以智能控制中心、智能交互终端、通信网络以及数据挖掘智能设备为硬件支持;所述电力营销智能化系统以客户知识管理子模块为中心,客户负荷管控子模块、客户信用风险管理子模块、客户关系管理子模块、客户资源价值评价子模块通过与客户知识管理子模块相连构成完整的智能化营销系统;通过对电力营销智能化体系的综合分析,提升了我国电力营销智能化管理水平,保证智能电网环境下的高效运行,同时为营销部门的电力营销工作提供市场数据支撑。
如申请公开号为CN110766565A公开了一种电力营销全程一体化智能管理方法,包括步骤为:S1、智能数据收集;S2、建立通信网络,其为双向通信;S3、数据管理,实时储存和处理用户智能电表信息,对数据中心的数据进行在线分析,建立用户信息系统;S4、通过网关或用户入口将智能电表与户内可控电器连接;S5、远程控制,通过电脑、手机对可控电器进行远程控制;S6、信息的整合及发布,实时发布电价、价格趋势、分布式电源并网离网信息、购售电情况、系统稳定安全裕度;S7、建立电力微信营销平台,用于电费电量查询、计划停电信息查询、营业网点查询、服务资讯宣传;S8、建立电力大数据系统;具有高效智能且准确的特点,适用于电力营销智能化管理技术领域。
以上专利存在本背景技术提出的问题:并没有对用户进行分类,也没有对电力价格实行智能分化,对不同的用户没有实现个性化电力推荐。为解决这一问题,本发明提出一种基于大数据的电力营销智能化管理方法。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊,而这种简化或省略不能用于限制本发明的范围。
鉴于上述现有基于大数据的电力营销智能化管理方法存在的问题,提出了本发明。
因此,本发明目的是提供一种基于大数据的电力营销智能化管理方法。
为解决上述技术问题,本发明提供如下技术方案:收集与电力营销相关的数据;
对收集到的所述数据进行清洗和整理;
对所述数据进行数据分析,进行趋势预测与需求预测;
基于所述数据分析的结果进行用户分类;
根据所述用户分类制定符合不同用户的电力价格分化策略;
根据所述数据、所述用户分类和所述电力价格分化策略,提供智能推荐方式。
作为本发明所述一种基于大数据的电力营销智能化管理方法的一种优选方案,其中:所述数据包括用电数据、用户信息数据和市场竞争数据;
所述数据的收集函数表达式如下所示:
式中,x1,x2,…,xk表示每个用户的数据,c1,c2,…,ck表示每个用户中的用户代号,a1,a2,…,ak表示每个用户中的用户所在区域,v1,v2,…,vk表示每个用户中的用户行业类型,p1,p2,…,pk表示每个用户中的用户用电性质,e1,e2,…,ek表示每个用户中的用户用电量,t1,t2,…,tk表示每个用户中的用户用电时间分布,d1,d2,…,dk表示每个用户中的用户用电峰谷差,s表示竞争对手的价格策略。
作为本发明所述一种基于大数据的电力营销智能化管理方法的一种优选方案,其中:所述数据的异常性计算公式如下所示:
式中,u(1,2,…,k)表示所述数据的异常性,k表示用户总数,d表示所述数据的平均值,表示给定所述数据的总条数后的平均值;
判定所述数据的异常性的规则如下所示:
若d→0,则u(1,2,…,k)→1,表示所述数据是异常数据;
若则u(1,2,…,k)→0.5,表示所述数据需要进一步确认异常性;
若d→k-1,则u(1,2,…,k)→0,表示所述数据是正常数据。
作为本发明所述一种基于大数据的电力营销智能化管理方法的一种优选方案,其中:对所述数据进行数据分析,进而进行分段,所述分段的函数表达式如下所示:
式中,D表示进行所述分段的结果,Δe表示所述用户用电量的平均值,Δt表示所述用户时间分布的平均值,Δd表示所述用户用电峰谷差的平均值;
对所述数据进行预测,函数表达式如下所示:
式中,C表示所述预测权重,μ表示所述预测的偏差,n表示所述预测的次数,λ表示所述预测的学习率。
作为本发明所述一种基于大数据的电力营销智能化管理方法的一种优选方案,其中:所述用户分类的函数表达式如下所示:
A=sort(e,v);
式中,A表示所述用户分类的结果,sort(·)是指根据所述用户用电量进行从小到大排序,e表示所述用户用电量的每月总量,v表示所述用户行业类型的分级;
其中,将所述用户行业类型分为五大类,包括工商业用户、居民用户、政府和公共机构用户、农业用户和特殊行业用户。
作为本发明所述一种基于大数据的电力营销智能化管理方法的一种优选方案,其中:所述电力价格分化策略的内容如下所示:
若所述用户分类为所述工商业用户,则执行策略一;
若所述用户分类为所述居民用户,则执行策略二;
若所述用户分类为所述政府和公共机构用户,则执行策略三;
若所述用户分类为所述农业用户,则执行策略四;
若所述用户分类为所述特殊行业用户,则执行策略五;
所述策略一是指对于小型工商业用户给予0.66元/kWh的优惠,对于中大型工商业用户给予每多花费10千伏优惠0.02元/kWh;所述策略二是指对于小型家庭给予0.54元/kWh的优惠,对于大型家庭给予0.53元/kWh的优惠;所述策略三是指对于所述政府和公共机构用户给予0.64元/kWh的优惠,每多花费10千伏优惠0.02元/kWh;所述策略四是指对于所述农业用户给予0.5元/kWh的优惠,每多花费10千伏优惠0.01元/kWh;所述策略五是指对于所述特殊行业用户给予0.6元/kWh的优惠,每多花费10千伏优惠0.01元/kWh,达到110千伏给予0.55元/kWh的优惠,之后每多花费10千伏优惠0.03元/kWh;
其中,所述策略二还要依据所述居民用户的所述用户用电时间分布改变价格;
若为正常期,则所述优惠不变;
若为低谷期,则在所述优惠的基础上再减去0.3元/kWh;
若为高峰期,则在所述优惠的基础上再加上0.3元/kWh;
若为尖峰期,则在所述优惠的基础上再加上0.5元/kWh。
作为本发明所述一种基于大数据的电力营销智能化管理方法的一种优选方案,其中:根据所述用户分类区分所述用户用电性质;
若所述用户分类为所述工商业用户,则所述用户用电性质为需求大且时段波动型;
若所述用户分类为所述居民用户,则所述用户用电性质为需求小且时段波动型;
若所述用户分类为所述政府和公共机构用户,则所述用户用电性质为需求大且时段稳定型;
若所述用户分类为所述农业用户,则所述用户用电性质为需求大且季节波动型;
若所述用户分类为所述特殊行业用户,则所述用户用电性质为需求大且持续稳定型。
作为本发明所述一种基于大数据的电力营销智能化管理方法的一种优选方案,其中:智能推荐方式基于所述数据、所述用户分类和所述电力价格分化策略进行区分,具体方式如下所示:
若所述用户用电性质为需求大且时段波动型,则执行推荐一;
若所述用户用电性质为需求小且时段波动型,则执行推荐二;
若所述用户用电性质为需求大且时段稳定型,则执行推荐三;
若所述用户用电性质为需求大且季节波动型,则执行推荐四;
若所述用户用电性质为需求大且持续稳定型,则执行推荐五;
所述推荐一是指给予所述工商业用户一些错峰用电使用的价格优惠,并将没有用完的能源存储起来,在季节波动时进行释放;所述推荐二是指给予所述居民用户一些节能设备的选择,并根据智能电表的监测功能监测用电异常信息,及时发送给用户进行预警,并根据每一个用户实行不同的分时电价;所述推荐三是指给予所述政府和公共机构用户一些建筑节能措施,包括安装太阳能光伏板和小型风力发电设备,将没有利用的能源存储起来,在需要时释放,并建立应急发电设备;所述推荐四是指给予所述农业用户一些高效且节能的设备推荐,并充分利用太阳能,安装太阳能光伏板,存储多余的电力和太阳能发电,以及结合附近的农业园区,共享能源设备和资源;所述推荐五是指给予所述特殊行业用户一些智能监测设备,出现能源浪费问题及时进行预警,并安装大型太阳能光伏设施和风力发电机。
一种计算机设备,包括,存储器,用于存储指令;处理器,用于执行所述指令,使得所述设备执行实现一种基于大数据的电力营销智能化管理方法。
一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被所述处理器执行时,实现一种基于大数据的电力营销智能化管理方法。
本发明的有益效果:本发明通过收集与电力营销相关的数据,保证数据的完整性,对收集到的数据进行清洗和整理,以便能更好地对数据进行数据分析,进行趋势预测与需求预测,对用户的用电趋势和需求模式进行识别和挖掘,基于数据分析的结果进行用户分类,精准定位目标用户,根据用户分类制定符合不同用户的电力价格分化策略,实现对电力价格的智能分化,根据数据、用户分类和电力价格分化策略,提供智能推荐方式。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例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,还可以根据这些附图获得其它的附图。其中:
图1为本发明一种基于大数据的电力营销智能化管理方法的方法流程图;
图2为本发明一种基于大数据的电力营销智能化管理方法所述的异常数据分布图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。
再其次,本发明结合示意图进行详细描述,在详述本发明实施例时,为便于说明,表示器件结构的剖面图会不依一般比例作局部放大,而且所述示意图只是示例,其在此不应限制本发明保护的范围。此外,在实际制作中应包含长度、宽度及深度的三维空间尺寸。
实施例1
本实施例中,提供了一种基于大数据的电力营销智能化管理方法的方法流程图,如图1所示,一种基于大数据的电力营销智能化管理方法包括:
S1、收集与电力营销相关的数据。
数据包括用电数据、用户信息数据和市场竞争数据;
数据的收集函数表达式如下所示:
式中,x1,x2,…,xk表示每个用户的数据,c1,c2,…,ck表示每个用户中的用户代号,a1,a2,…,ak表示每个用户中的用户所在区域,v1,v2,…,vk表示每个用户中的用户行业类型,p1,p2,…,pk表示每个用户中的用户用电性质,e1,e2,…,ek表示每个用户中的用户用电量,t1,t2,…,tk表示每个用户中的用户用电时间分布,d1,d2,…,dk表示每个用户中的用户用电峰谷差,s表示竞争对手的价格策略;
电力行业的数据来源广泛且多样,包括智能电表、移动应用程序、社交媒体等,其中用电数据包括用电量、用电时间分布、峰谷差等,这些可以帮助电力公司了解用户的用电特征和需求模式,用户信息数据包括用户名称、地址、行业类型、用电性质等,提供了关于用户身份和属性的基本信息,市场竞争数据包括竞争对手的价格策略、市场份额、市场趋势等,可以帮助电力公司制定合理的竞争策略。
具体应用中,从智能电表和客户管理系统中收集用电数据和用户信息数据,从社交媒体中抓取市场竞争数据,在收集用电数据和用户信息数据时要明确告知用电数据和用户信息数据的用途和范围,并获得用户的同意,在使用用电数据和用户信息数据的时候,进行隐私模糊化处理,保护所有用户的隐私,这里收集了100位用户中1年的用电数据。
S2、对收集到的数据进行清洗和整理。
数据的异常性计算公式如下所示:
式中,u(1,2,…,k)表示数据的异常性,k表示用户总数,d表示数据的平均值,表示给定数据的总条数后的平均值;
判定数据的异常性的规则如下所示:
若d→0,则u(1,2,…,k)→1,表示数据是异常数据;
若则u(1,2,…,k)→0.5,表示数据需要进一步确认异常性;
若d→k-1,则u(1,2,…,k)→0,表示数据是正常数据;
利用正常数据之间的集中性,来确认异常数据,只要是孤立的点就代表该数据是异常数据,如果计算出来异常数据较少就可以直接删除,如果计算出来异常值较多,则将异常数据以平均值代替,计算出来的异常数据分布图如图2所示;
收集的数据中存在缺失数据是普遍事件,在缺失数据较少的时候可以直接用平均值填补,若是一列数据中的缺失值较多,则直接删除这一列数据。
具体应用中,100位用户中1年的用电数据大概有8640条数据,其中算出来异常数据大概有40条,因为异常数据的条数比较少,所以这边直接将这40条异常数据删除。
S3、对数据进行数据分析,进行趋势预测与需求预测。
对数据进行数据分析,进而进行分段,分段的函数表达式如下所示:
式中,D表示进行分段的结果,Δe表示用户用电量的平均值,Δt表示用户时间分布的平均值,Δd表示用户用电峰谷差的平均值;
对数据进行预测,函数表达式如下所示:
式中,C表示预测权重,μ表示预测的偏差,n表示预测的次数,λ表示预测的学习率;
根据预测权重的偏重占比,划定预测的方向和范围,逐步完善预测结构,方便精确进行预测。
具体应用中,利用数据分析模型分析出居家办公行业类型的用电量会更多,在工位上工作的大多都是7点至10点是用电高峰期,23点至7点的时候是用电低谷期,用电量较大的基本是工商业用户、政府和公共机构用户以及特殊行业用户的用电需求较大,其中农业用户会由于季节性和气候影响决定用电量。
S4、基于数据分析的结果进行用户分类,精准定位目标用户。
用户分类的函数表达式如下所示:
A=sort(e,v);
式中,A表示用户分类的结果,sort(·)是指根据用户用电量进行从小到大排序,e表示用户用电量的每月总量,v表示用户行业类型的分级;
其中,将用户行业类型分为五大类,包括工商业用户、居民用户、政府和公共机构用户、农业用户和特殊行业用户;
需要解释的是:工商业用户是指各类企事业单位及商业性质的用户,如制造业、服务业、零售业等;居民用户是指居住在城市或农村的家庭和个人用户,只需要简单的照明、空调、家电等;政府和公共机构用户主要包括政府部门、学校、医院、公共交通等单位;农业用户主要指农田灌溉、农产品加工等与农业生产相关的用户;特殊行业用户指一些特定的用户群体,如大型工矿企业、铁路、航空、海运等行业;
其中,现实过程中工商业用户的用电量分为小型工商业用户几百至几千千伏和中大型工商业用户几千至几十万千伏;居民用户的用电量分为小型家庭几百至一千千伏和大型家庭一千至几千千伏;政府和公共机构用户的用电量达到几千至几万千伏;农业用户的用电量可能在几千至几十万千伏;特殊行业用户的用电量大概在几十万至几百万千伏。
具体应用中,这100位用户中大概有20位是工商业用户,40位居民用户,20位政府和公共机构用户,15位农业用户,5位特殊行业用户,可以明显的看出居民用户一年中的用电量比较稳定,大多是10点至12点以及17至19点是用电高峰期,而二十三点至七点是用电低谷期,农业用户一年中的用电量会随着种植的气候变化,比如在春天更多的是浇水时的用电,在夏天和秋天更多是收割时的用电,在冬天更多是大棚保暖的用电,工商业用户一年内的用电量会依据生产需求进行变化,一般用电量较大的会集中在9点至12点以及14点至20点,政府和公共机构用户一年内的用电量比较稳定,基本是周末与节假日用电量较少,工作日基本是9点至12点以及14点至17点,特殊行业用户的用电量非常大且会根据生产需求不固定时间。
S5、根据用户分类制定符合不同用户的电力价格分化策略。
电力价格分化策略的内容如下所示:
若用户分类为工商业用户,则执行策略一;
若用户分类为居民用户,则执行策略二;
若用户分类为政府和公共机构用户,则执行策略三;
若用户分类为农业用户,则执行策略四;
若用户分类为特殊行业用户,则执行策略五;
策略一是指对于小型工商业用户给予0.66元/kWh的优惠,对于中大型工商业用户给予每多花费10千伏优惠0.02元/kWh;策略二是指对于小型家庭给予0.54元/kWh的优惠,对于大型家庭给予0.53元/kWh的优惠;策略三是指对于政府和公共机构用户给予0.64元/kWh的优惠,每多花费10千伏优惠0.02元/kWh;策略四是指对于农业用户给予0.5元/kWh的优惠,每多花费10千伏优惠0.01元/kWh;策略五是指对于特殊行业用户给予0.6元/kWh的优惠,每多花费10千伏优惠0.01元/kWh,达到110千伏给予0.55元/kWh的优惠,之后每多花费10千伏优惠0.03元/kWh;
其中,策略二还要依据居民用户的用户用电时间分布改变价格;
若为正常期,则优惠不变;
若为低谷期,则在优惠的基础上再减去0.3元/kWh;
若为高峰期,则在优惠的基础上再加上0.3元/kWh;
若为尖峰期,则在优惠的基础上再加上0.5元/kWh;
需要解释的是:正常期是指相对平稳和稳定的用电负荷情况,在一天的大部分时间内,用电需求相对稳定,处于相对较低的水平;低谷期是指一天中用电需求最低的时间段,通常出现在深夜或凌晨的时段,人们的用电活动非常少;高峰期指的是一天中负荷最高、用电需求最强的时间段;尖峰期是指在高峰用电时间段内,出现短暂的用电峰值,这种情况通常出现在高峰期的某个特定时间点,由于某些特殊原因导致用电需求突然增加。
具体应用中,20位工商业用户基本是小型工商业用户,大概能保持在一个月一千千伏的用电量,40位居民用户分为28位小型家庭和12位大型家庭,小型家庭基本是一个月三百千伏的用电量,而大型家庭基本是一个月一千千伏的用电量,20位政府和公共机构用户,15位农业用户在用电高峰期基本都能达到一个月一万千伏的用电量,5位特殊行业用户基本都能达到一个月一百万千伏的用电量。
S6、根据数据、用户分类和电力价格分化策略,提供智能推荐方式。
根据用户分类区分用户用电性质;
若用户分类为工商业用户,则用户用电性质为需求大且时段波动型;
若用户分类为居民用户,则用户用电性质为需求小且时段波动型;
若用户分类为政府和公共机构用户,则用户用电性质为需求大且时段稳定型;
若用户分类为农业用户,则用户用电性质为需求大且季节波动型;
若用户分类为特殊行业用户,则用户用电性质为需求大且持续稳定型;
需要解释的是:需求大且时段波动型是指不同的生产活动存在着时段的差异,导致用电需求的时段和强度也不尽相同,但是该工商业用户普遍用电需求量大;需求小且时段波动型是指居民用户在一天不同时段的用电需求量是不同的,但该居民用户普遍用电需求量小;需求大且时段稳定型是指政府和公共机构用户的用电需求量相对较为稳定,不受季节和市场因素的影响,但该政府和公共机构用户普遍用电需求量大;需求大且季节波动型是指农业用户在春夏季需要灌溉,在夏秋季需要农机进行播种和收割,导致不同季节的用电需求量不相同,但该农业用户普遍用电需求量大;需求大且持续稳定型是指特殊行业用户使用各种大型设备和机器,用电需求量相对稳定,但该特殊行业用户普遍用电需求量大;
智能推荐方式基于数据、用户分类和电力价格分化策略进行区分,具体方式如下所示:
若用户用电性质为需求大且时段波动型,则执行推荐一;
若用户用电性质为需求小且时段波动型,则执行推荐二;
若用户用电性质为需求大且时段稳定型,则执行推荐三;
若用户用电性质为需求大且季节波动型,则执行推荐四;
若用户用电性质为需求大且持续稳定型,则执行推荐五;
推荐一是指给予工商业用户一些错峰用电使用的价格优惠,并将没有用完的能源存储起来,在时段波动时进行释放;推荐二是指给予居民用户一些节能设备的选择,并根据智能电表的监测功能监测用电异常信息,及时发送给用户进行预警,并根据每一个用户实行不同的分时电价;推荐三是指给予政府和公共机构用户一些建筑节能措施,包括安装太阳能光伏板和小型风力发电设备,将没有利用的能源存储起来,在需要时释放,并建立应急发电设备;推荐四是指给予农业用户一些高效且节能的设备推荐,并充分利用太阳能,安装太阳能光伏板,存储多余的电力和太阳能发电,以及结合附近的农业园区,共享能源设备和资源;推荐五是指给予特殊行业用户一些智能监测设备,出现能源浪费问题及时进行预警,并安装大型太阳能光伏设施和风力发电机;
需要解释的是:分时电价是根据智能电表对每位居民用户的用电监测,将一天24小时分为正常期、低谷期、高峰期和尖峰期,并根据不同的时期给予不同的价格优惠。
具体应用中,为不同的用户制定不同的推荐方式,实现智能化推荐,对每个行业进行能源评估,并执行电力价格分化策略,再将该电力价格分化策略与竞争对手的营销策略进行对比公开,并且对每个咨询的用户提供用电分析,以提高用户满意度和可信度。
实施例2
本实施例中,提供了一种计算机设备,包括存储器和处理器,存储器用于存储指令,处理器用于执行该指令,使得计算机设备执行实现上述一种基于大数据的电力营销智能化管理方法的步骤。
实施例3
本实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时,计算机程序被处理器执行时实现上述一种基于大数据的电力营销智能化管理方法的步骤。
该计算机可读存储介质可以包括:U盘、移动硬盘、只读存储器、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。
应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.一种基于大数据的电力营销智能化管理方法,其特征在于:包括,
收集与电力营销相关的数据;
对收集到的所述数据进行清洗和整理;
对所述数据进行数据分析,进行趋势预测与需求预测;
基于所述数据分析的结果进行用户分类;
根据所述用户分类制定符合不同用户的电力价格分化策略;
根据所述数据、所述用户分类和所述电力价格分化策略,提供智能推荐方式。
2.如权利要求1所述的一种基于大数据的电力营销智能化管理方法,其特征在于:所述数据包括用电数据、用户信息数据和市场竞争数据;
所述数据的收集函数表达式如下所示:
式中,x1,x2,…,xk表示每个用户的数据,c1,c2,…,ck表示每个用户中的用户代号,a1,a2,…,ak表示每个用户中的用户所在区域,v1,v2,…,vk表示每个用户中的用户行业类型,p1,p2,…,pk表示每个用户中的用户用电性质,e1,e2,…,ek表示每个用户中的用户用电量,t1,t2,…,tk表示每个用户中的用户用电时间分布,d1,d2,…,dk表示每个用户中的用户用电峰谷差,s表示竞争对手的价格策略。
3.如权利要求2所述的一种基于大数据的电力营销智能化管理方法,其特征在于:所述数据的异常性计算公式如下所示:
式中,u(1,2,…,k)表示所述数据的异常性,k表示用户总数,d表示所述数据的平均值,表示给定所述数据的总条数后的平均值;
判定所述数据的异常性的规则如下所示:
若d→0,则u(1,2,…,k)→1,表示所述数据是异常数据;
若则u(1,2,…,k)→0.5,表示所述数据需要进一步确认异常性;
若d→k-1,则u(1,2,…,k)→0,表示所述数据是正常数据。
4.如权利要求3所述的一种基于大数据的电力营销智能化管理方法,其特征在于:对所述数据进行数据分析,进而进行分段,所述分段的函数表达式如下所示:
式中,D表示进行所述分段的结果,Δe表示所述用户用电量的平均值,Δt表示所述用户时间分布的平均值,Δd表示所述用户用电峰谷差的平均值;
对所述数据进行预测,函数表达式如下所示:
式中,C表示所述预测权重,μ表示所述预测的偏差,n表示所述预测的次数,λ表示所述预测的学习率。
5.如权利要求4所述的一种基于大数据的电力营销智能化管理方法,其特征在于:所述用户分类的函数表达式如下所示:
A=sort(e,v);
式中,A表示所述用户分类的结果,sort(·)是指根据所述用户用电量进行从小到大排序,e表示所述用户用电量的每月总量,v表示所述用户行业类型的分级;
其中,将所述用户行业类型分为五大类,包括工商业用户、居民用户、政府和公共机构用户、农业用户和特殊行业用户。
6.如权利要求5所述的一种基于大数据的电力营销智能化管理方法,其特征在于:所述电力价格分化策略的内容如下所示:
若所述用户分类为所述工商业用户,则执行策略一;
若所述用户分类为所述居民用户,则执行策略二;
若所述用户分类为所述政府和公共机构用户,则执行策略三;
若所述用户分类为所述农业用户,则执行策略四;
若所述用户分类为所述特殊行业用户,则执行策略五;
所述策略一是指对于小型工商业用户给予0.66元/kWh的优惠,对于中大型工商业用户给予每多花费10千伏优惠0.02元/kWh;所述策略二是指对于小型家庭给予0.54元/kWh的优惠,对于大型家庭给予0.53元/kWh的优惠;所述策略三是指对于所述政府和公共机构用户给予0.64元/kWh的优惠,每多花费10千伏优惠0.02元/kWh;所述策略四是指对于所述农业用户给予0.5元/kWh的优惠,每多花费10千伏优惠0.01元/kWh;所述策略五是指对于所述特殊行业用户给予0.6元/kWh的优惠,每多花费10千伏优惠0.01元/kWh,达到110千伏给予0.55元/kWh的优惠,之后每多花费10千伏优惠0.03元/kWh;
其中,所述策略二还要依据所述居民用户的所述用户用电时间分布改变价格;
若为正常期,则所述优惠不变;
若为低谷期,则在所述优惠的基础上再减去0.3元/kWh;
若为高峰期,则在所述优惠的基础上再加上0.3元/kWh;
若为尖峰期,则在所述优惠的基础上再加上0.5元/kWh。
7.如权利要求6所述的一种基于大数据的电力营销智能化管理方法,其特征在于:根据所述用户分类区分所述用户用电性质;
若所述用户分类为所述工商业用户,则所述用户用电性质为需求大且时段波动型;
若所述用户分类为所述居民用户,则所述用户用电性质为需求小且时段波动型;
若所述用户分类为所述政府和公共机构用户,则所述用户用电性质为需求大且时段稳定型;
若所述用户分类为所述农业用户,则所述用户用电性质为需求大且季节波动型;
若所述用户分类为所述特殊行业用户,则所述用户用电性质为需求大且持续稳定型。
8.如权利要求7所述的一种基于大数据的电力营销智能化管理方法,其特征在于:智能推荐方式基于所述数据、所述用户分类和所述电力价格分化策略进行区分,具体方式如下所示:
若所述用户用电性质为需求大且时段波动型,则执行推荐一;
若所述用户用电性质为需求小且时段波动型,则执行推荐二;
若所述用户用电性质为需求大且时段稳定型,则执行推荐三;
若所述用户用电性质为需求大且季节波动型,则执行推荐四;
若所述用户用电性质为需求大且持续稳定型,则执行推荐五;
所述推荐一是指给予所述工商业用户一些错峰用电使用的价格优惠,并将没有用完的能源存储起来,在季节波动时进行释放;所述推荐二是指给予所述居民用户一些节能设备的选择,并根据智能电表的监测功能监测用电异常信息,及时发送给用户进行预警,并根据每一个用户实行不同的分时电价;所述推荐三是指给予所述政府和公共机构用户一些建筑节能措施,包括安装太阳能光伏板和小型风力发电设备,将没有利用的能源存储起来,在需要时释放,并建立应急发电设备;所述推荐四是指给予所述农业用户一些高效且节能的设备推荐,并充分利用太阳能,安装太阳能光伏板,存储多余的电力和太阳能发电,以及结合附近的农业园区,共享能源设备和资源;所述推荐五是指给予所述特殊行业用户一些智能监测设备,出现能源浪费问题及时进行预警,并安装大型太阳能光伏设施和风力发电机。
9.一种计算机设备,其特征在于:包括,
存储器,用于存储指令;
处理器,用于执行所述指令,使得所述设备执行实现如权利要求1-8任一项所述的一种基于大数据的电力营销智能化管理方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于:该计算机程序被所述处理器执行时,实现如权利要求1-8任一项所述的一种基于大数据的电力营销智能化管理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311402818.1A CN117391473A (zh) | 2023-10-25 | 2023-10-25 | 一种基于大数据的电力营销智能化管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311402818.1A CN117391473A (zh) | 2023-10-25 | 2023-10-25 | 一种基于大数据的电力营销智能化管理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117391473A true CN117391473A (zh) | 2024-01-12 |
Family
ID=89462672
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311402818.1A Pending CN117391473A (zh) | 2023-10-25 | 2023-10-25 | 一种基于大数据的电力营销智能化管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117391473A (zh) |
-
2023
- 2023-10-25 CN CN202311402818.1A patent/CN117391473A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Schivley et al. | Assessing the evolution of power sector carbon intensity in the United States | |
Burillo et al. | Electricity demand planning forecasts should consider climate non-stationarity to maintain reserve margins during heat waves | |
Lorenzoni et al. | Classification and modeling of load profiles of isolated mini-grids in developing countries: A data-driven approach | |
CN101167029A (zh) | 提高可再生能源系统的性能度量的计算机实施系统和方法 | |
Morva et al. | Effects of COVID-19 on the electricity sectors of Ukraine and Hungary: challenges of energy demand and renewables integration | |
CN112766570A (zh) | 居民海量细粒度用电数据融合挖掘与多元应用方法 | |
Zhao et al. | Design of low-energy buildings in densely populated urban areas based on IoT | |
Hu et al. | An approach to assess the responsive residential demand to financial incentives | |
Klingler et al. | Residential photovoltaic self-consumption: Identifying representative household groups based on a cluster analysis of hourly smart-meter data | |
Ida et al. | Electricity demand response in Japan: Experimental evidence from a residential photovoltaic power-generation system | |
Eichinger et al. | Data analysis challenges in the future energy domain | |
Goodall et al. | Characterizing solutions in optimal microgrid procurement and dispatch strategies | |
Guo et al. | Predicting residential electricity consumption patterns based on smart meter and household data: A case study from the Republic of Ireland | |
Zhang et al. | A review of publicly available data sources for models to study renewables integration in China's power system | |
Soto et al. | Identification of target market transformation efforts for solar energy adoption | |
CN112465661A (zh) | 基于用例图的资源统一规划系统及其工作方法 | |
Yu et al. | Estimating power demand shaving capacity of buildings on an urban scale using extracted demand response profiles through machine learning models | |
Perera et al. | Optimal design of microgrids to improve wildfire resilience for vulnerable communities at the wildland-urban interface | |
Zhou et al. | A novel stochastic model for hourly electricity load profile analysis of rural districts in Fujian, China | |
Maqelepo et al. | Rural electrification subsidy estimation: a spatial model development and case study | |
Anukoolthamchote et al. | Net electricity load profiles: Shape and variability considering customer-mix at transformers on the island of Oahu, Hawai'i | |
CN117391473A (zh) | 一种基于大数据的电力营销智能化管理方法 | |
Qu et al. | Electricity consumption analysis and applications based on smart grid big data | |
Parra et al. | Customers' demand clustering analysis—A case study using smart meter data | |
Liu et al. | A decision-making model for efficient fair electricity rationing under major power outrage emergencies |
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 |