量化分析细化管理预警风险

　　国网福建电力利用大数据提升精益管理水平

　　林梅妹

　　传统用电行为分析过程中，存在定量特征分析工具匮乏、客户细分深度不够等不足，导致出现分析结果度、颗粒度和针对性不高等问题。针对这些问题，作为国网总部运监大数据应用试点的国网福建省电力有限公司，依托大数据平台，在国网系统率先开展基于大数据挖掘的客户用电行为分析，建立客户用电行为分析模型，以庞大海量的客户用电行为数据为基础，对不同客户群体的用电行为特征进行识别，推进客户细分管理、欠费和用电风险有效预测、移峰填谷科学管理，实现科学的客户认知、风险管理和个性化服务。从2015年1月该成果投入应用至今，该公司通过全面开展用电负荷特性分析、电费回收分析及客户缴费行为偏好分析等工作，有效促进了服务质量和防范风险能力的不断提升。

　　区分不同客户群提供差异化服务

　　“通过客户用电行为聚类分析得知，发展型客户共21户，占所有大客户的3。该类客户存在用电不安全情形，应不定期派专人上门走访，了解客户需求，提高客户满意度;对于稳定型客户，双方要建立通畅的沟通机制，加大主动服务频次，帮助客户降低用电成本……”这是2月2日从国网福建电力2013～2016年大客户用电行为分析成果中了解到的一组客户用电行为特征和采取的差异化服务措施。

　　国网福建电力以大客户为分析对象，建立客户用电行为特征数据挖掘库和大客户价值细分模型，对大客户基本信息、用电量、业务办理、违约违章、缴欠费、渠道沟通等方面的用电行为特征进行大数据挖掘、聚类分析，将相同特征属性的客户群进行归类，根据大客户对公司的贡献度、用电变化趋势、风险程度等情况，将其分为发展型客户、稳定型客户、高贡献度客户、波动型客户4类。

　　国网福建电力运监中心占彤平介绍，发展型客户占总的大客户数量的3，总体发展趋势相对较好，用电增长率高，年平均增长率达51.79，用电需求量也相对较高，谷时段用电占比高为47.14，对高压增容业务需求量大，但违约用电次数高，需要特别关注。稳定型客户占总的大客户数量的72，用电量及合同容量都不高，用电需求波动小，四季度用电占比和峰谷平3个时段用电占比都趋于平均，用电负荷率高，平均电价也高，这类客户信誉度高，拖欠电费次数极少，2016年平均拖欠次数为0.13次。高贡献度客户占总的大客户数量的14，用电量及合同容量都非常大，且发展势头较好，各类业务需求量大，但欠费严重，平均拖欠次数为1.58次，电费回收率为86.67。波动型客户占总的大客户数量的11，用电较不稳定，用电波动大且用电需求处于下滑趋势，年均电价低，秋季用电占比和平时段用电占比高，高压新装业务需求大，缴欠费风险较低，信誉度良好。

　　国网福建电力通过分析不同客户群的用电行为特征，深度挖掘客户价值，并针对性地提供差异化、个性化服务，适应快速变化的客户需求，不断提升客户服务水平。

　　分析负荷特性促进有序用电管理

　　国网福建电力还运用大数据挖掘技术　 实现客户用电负荷特性的分析，科学有序开展用电管理。

　　每年，福建电网用电高负荷都会出现在7、8月。2017年1月，国网福建电力在开展大客户负荷特性分析时，选择582户大客户，根据2016年8月的月平均负荷数据进行聚类分析，按大客户的用电特性分为高用电双峰型、避峰型、多段式不规则型、两段式不规则型、三段式不规则型、单谷型、单峰型、低用电双峰型等8类。

　　国网福建电力通过收集大客户的24小时用电负荷及所属行业、所属地区、用电特征、地区单位变电容量所需投资等数据，将具有相同用电特征的客户聚集在一块，对比客户用电负荷特性分析模型聚类后的各类重点大客户的负荷曲线及其聚类中心、用电特征、可中断负荷及其代价，对不同负荷特性的重点客户进行移峰填谷潜力分析及错峰用电建议，为科学有序用电管理提供支持。

　　该公司还从行业和地区的角度，分析可中断负荷规模及其代价，将地区移峰填谷潜力代价与电网建设投资进行对比分析，为电网规划与建设管理提供意见建议，实现电网建设投资效益大化。

　　预测用电风险有效防范经营风险

　　预测客户用电风险，有效防范供电企业经营风险，这是国网福建电力开展用电行为分析的主要成效之一。

　　国网福建电力通过建立电费回收风险预测模型，对客户缴欠费数据进行分析，实现对客户未来按期缴费行为的提前预测，针对高欠费风险客户，通过差异化提醒等　 方式，提高电费回收率;通过建立用电检查风险预测模型，对客户用电检查数据进行分析，实现对客户用电风险的提前预测，在实际执行用电检查工作时，按照客户风险度，针对重点客户优先、重点进行检查，提高用电检查工作效率，有效降低企业经营风险。

　　2016年，国网福建电力总体电费回收情况较好。截至2017年1月6日，该公司2016年1~11月电费回收率99.99，高于年度目标值0.04个百分点。从区域年度电费回收情况来看，福州、南平的电费回收工作需要加强……

　　在对2016年客户欠费、用电检查风险预测分析中，该公司以全量客户为分析对象，根据客户缴欠费等方面的用电行为，通过大数据挖掘，分析客户的电费回收情况及缴费渠道偏好。同时，采用决策树算法，预判客户未来一年的用电风险，并采取针对性预防措施，提升企业风险管理和防控能力。

　　从风险客户的用电类别看，该公司下一步应该持续重点关注商业用电、普通工业用电等低压非居民客户的缴费情况。

　　据占彤平介绍，与传统的客户用电行为分析相比,基于大数据挖掘的客户用电行为分析能够提高客户行为分析的度,并实现对客户的用电行为进行定量化描述;与专业部门开展的分析相比，基于数据挖掘的客户用电行为分析，更加注重对客户用电风险的预测和大客户用电效益的挖掘，促进公司运营效率和服务水平实现双提升。