基于预测模型的电力精准营销框架研究_温兵兵.pdf

理论研究 论点 ARGUMENT105基于预测模型的电力精准营销框架研究 文/温兵兵，李凡，廖玉坤，李松，刘奕电力资源的合理调配是保障社会生产力、满足人民群众日常用电需求的关键。因此，电力营销部门有必要基于终端用户的差异化用电行为，构建多模式、个性化的电力营销框架，精准分析不同终端用户的用电需求。同时，伴随着以传感测量技术、通信技术、计算机技术、信息技术为支撑的新一代电力服务技术的推广应用，在电力物联网、国网 App、大数据平台等硬软件的支持下，电力营销部门实现了实时获取所有终端用户的用电数据等目的，这为电力部门用电、供电的精准营销提供了科学的数据支撑。一、研究现状目前，国内外已有不少学者围绕电力精准营销进行了深入而广泛的研究。其中，于松青等人以系统动力学为基础，对社会用电行为进行了系统分析，构建了电力需求预测的动力学模型，为电力营销的预测分析和科学决策提供了技术支持；宋玉坤等人构建了影响北京市电力需求的数量化因素对象集，并利用相关性分析和格兰杰因果检验这两种大数据挖掘技术，筛选出影响北京市电力需求的主要因素，为电力营销部门实现电力精准营销指明了方向。二、基于 k 均值聚类算法的用户用电行为分析（一）构建 k 均值聚类模型k 均值聚类算法（k-means clustering algorithm）是一种通过多轮迭代实现目标对象聚类的聚类方法。该算法的原理是：首先，初始化 k 个簇类中心；其次，测算每个样本与簇类中心的直线距离；再次，根据测算的直线距离，将各个样本分别归为 k 个簇类；最后，通过反复迭代实现每个样本与其所归类的簇类中心距离达到最小值的目标。该目标函数的表达式如下：式中，xi表示第 i 个样本；ci为 xi所 属 的 簇；ci代表簇所对应的中心点；M 为样本总数；c 表示 x 对应的簇；表示中心点。具体实现步骤为：（1）数据预处理。此环节的主要任务是数据的标准化和异常点的过滤清洗；（2）针对用电服务现有的泛营销等问题，本文利用大数据技术和人工智能技术，提出了一种基于预测模型的电力精准营销框架。该精准营销框架可以通过分析用户的用电历史，为其提供更合理、经济适用的用电建议和服务，进而有效提高售供电公司的品牌形象和服务质量。论点 ARGUMENT 理论研究106随机选取 k 个中心，对应表达式如式所示；（3）定义损失函数，该损失函数的表达式如式所示。随后，令 t=0,1,2,为迭代步数，重复以下步骤直至 J收敛。（1）根据式将每个样本xi重新分配到距离最近的簇；（2）根据式重新计算每个类中心 k 的值。式、式中，c ti示距离对应 x 最近的簇；t 表示迭代步数。（二）用户用电行为数据归一化用户用电行为数据能够直观地反映对应用户的用电时段和用电量变化规律。基于此，本文借助 z-score（标准分数）方法对采集到的用户用电行为数据进行归一化处理。详细步骤如下：首先根据用户日用电量曲线计算出不同时刻用户用电量数据的平均值和方差；其次，将原始用电量数据映射到-1,1 内，进而得到式。式中，xmin为用户日用电量曲线中的最小值；xmax为用户日用电量曲线中的最大值。三、电力精准营销框架设计（一）技术框架设计本文设计的电力精准营销框架的核心需求主要包含两个方面：一是在框架内部实现相关用电数据的高效存储和管理；二是基于前文构建的 k 均值聚类方法，实现对用户用电行为数据的系统、科学分析。1.用电数据管理框架笔者通过对海量多源异构的用电数据进行集中存储管理，实现了用电数据管理框架的搭建。首先，笔者从电力用户端获取了用户的账户数据、用电行为数据（如用电量、用电时段等信息）、用户端传感器数据以及流式数据。其次，笔者在开展集中入库管理前，对所有采集到的用电数据进行了数据清洗和数据归一化处理。其中，对于历史累计的用电数据，笔者采用的是批量导入的方式；对于实时新增的用电数据，笔者采用的是流式导入的方式。最后，笔者根据用电数据的类型选用了不同的存储方式和结构：用户数据和用电行为数据采用轻量级关系数据库存储；电力传感器数据采用时序数据库存储；考虑到流式数据是实时采集并使用的，笔者并未对其进行严格的数据清洗处理，而是将其存储于临时数据库中。此外，上述数据库均采用统一的数据访问接口与外界对接，以确保数据存储的安全性。2.短期负荷预测框架用户短期负荷（用电量）预测框架是电力精准营销框架的核心内容之一，其主要通过分析用户用电行为等方式来实现。在实际运行过程中，该框架首先将用户用电行为聚类，以便根据用户用电行为的粗粒度实现进一步划分；其次，该框架将同时结合用户数据以及用户端的电力传感器数据、流式数据，实现对个体用户用电行为的合理预测。3.供电辅助决策框架供电辅助决策框架将结合用户用电行为分析和短期负荷预测结果，为电力调度和阶梯电价的制定提供决策支撑。由于电价直接影响电力的销售情况，决定售供电公司的最终效益，如何提高分时电价方案的合理性成为售供电公司最关键的业务需求。本文设计的供电辅助决策框架能够基于海量用电数据和预测平台，实现任意区域供电量的统计和预测，以及用户个性化用电行为的分析和预测。更重要的是，该框架还能以预测结果为参考，在为不同用户提供经济科学的定制化分时电价方案的同时，从整体上提高售供电公司的销售额。（二）电力精准营销框架整体设计理论研究 论点 ARGUMENT107在上述三类技术框架的共同支持下，笔者实现了针对不同用户、不同用电行为的精准营销，该电力精准营销框架的整体设计如图 1 所示。四、结语本文基于用电数据的整理和分析，构建了 k 均值聚类模型，实现了对不同用电行为用户 的 聚 类。随 后，本 文 系 统研究并构建了电力精准营销框架，实现了针对不同用电行为、不同电力用户的精准营销。需要注意的是，本文设计的电力精准营销框架和框架构建方法，存在未考虑区域差异、实时天气等客观因素的问题。因此，该框架在对用户用电行为的实时预测方面可能存在一定偏差。在后续研究中，笔者将考虑引入实时天气影响因子，以进一步优化预测模型和营销框架。参考文献：1 于松青,侯承昊,孙英涛.基于系统动力学的山东省电力需求预测 J.山东大学学报(工学版),2015,45(06).2 宋玉坤.基于复合知识挖掘的北京市中长期电力需求预测 D.北京：华北电力大学(北京),2016.3 薄林,颜中原,李翼铭,等.数据挖掘和区块链技术的电力营销信息平台J.信息技术,2020,44(06).4 汪建均,胡宗义.ARMA 模型在我国电力需求预测中的应用 J.经济数学,2006(01).5 尹立.基于支持向量机的某区域电网电力需求的预测研究 D.北京：北京交通大学,2014.（本文作者温兵兵、李凡、廖玉坤、李松、刘奕，就职于湖北华中电力科技开发有限责任公司）