国网福建电力开展客户用电行为大数据分析

　　12月2日，在国网福建省电力公司运营监测（控）中心运营监测人员通过大数据平台,运用客户用电行为分析模型，根据客户前六个月的用电和缴欠费等情况，挖掘客户用电行为特征，识别高价值客户和高风险欠费客户。

　　针对传统用电行为分析过程中，定量特征分析工具匮乏、客户细分深度不足，导致分析结果精确度、颗粒度和针对性不高等问题，国网福建电力在国家电网公司运监中心的指导下，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，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、个性化营销和服务，促进服务质量和防范风险能力的不断提升。

　　国网福建电力建立客户用电行为特征数据挖掘库，抽取1187名大客户的用电信息数据，通过大客户价值细分模型，对客户基本信息、用电量、违章情况等6个方面的用电行为特征进行大数据挖掘、聚类分析，根据大客户对该公司的贡献度、用电变化趋势、风险程度等情况，将大客户细分为优质型、发展型、风险型、普通型等四大类，并针对不同的客户群，分析其用电行为特征，深度挖掘客户价值，提供差异化、个性化服务。

　　“提前进行客户用电风险预测，是我们运用大数据挖掘技术开展客户用电行为分析的重要任务之一。”该公司运营监测（控）中心主任李晖介绍。国网福建电力通过建立电费回收风险预测模型，从欠费记录、 缴费习惯、违约用电情况等三个方面，分析客户历史用电行为特征，提前预测用户未来按期缴费行为，针对高欠费风险客户通过差异化提醒和账单等方式，提高电费回收率；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，提前预测客户用电风险，针对重点用户优先、重点进行用电检查，并通过电费回收、安全用电预警，防止用户欠费、违规用电。通过用电风险预测模型预测，国网福建电力非居民客户的电费回收、用电检查风险识别效率提升了9.54倍、10.6倍，居民客户的电费回收风险识别效率提升了4.92倍，预测准确率超过 60%。

　　该公司还建立客户用电负荷特性分析模型，抽取夏季7月份用电量排名前400名重点大客户日实际负荷数据，将客户按其用电负荷数据进行聚类分析，分为避峰型、高峰型、高波动型等八类。该公司针对用户用电特征、可中断负荷及其代价特性，逐一提出黑色金属冶炼及压延加工业、纺织业等12个行业944户大客户的移峰填谷潜力分析报告和错峰用电建议；并从行业和地区的角度分析其可中断负荷规模及其代价，为电网规划与建设管理提供决策支持，有效降低电网建设投资。

　　李晖介绍，与传统的客户用电行为分析相比,基于数据挖掘的客户用电行为分析能够提高客户行为分析的精确度,并实现对客户用电行为的定量化描述；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的提升。