基于大数据技术的电力用户画像分析

王飞飞，周少华，韩迎军

（国网山西省电力公司客户服务中心，山西 太原 030008）

0 引言

在智能电网和大数据背景下，电网用电信息采集系统、客户服务信息系统积累了海量的用电数据，数据逐渐呈现出存储周期长、处理复杂计算频率高等特征。用户是用电信息数据产生的主体，如何有序高效、节能环保地引导用户用电意义重大。因此，基于95598大数据平台分析电力用户信息和用电特性，对电力用户本身及供电公司有着重要意义。

电力用户画像分析是建立在海量用电数据的基础上，以电力用户为主体，通过对用户个人特征及用户用电行为数据进行信息挖掘，从用户特征出发，赋予用户画像标签，分析不同用户的用电行为差异特征，进而挖掘用户行为的差异，为电力公司智能化管理提供理论依据。目前对用户用电行为分析的研究还不够深入[1-3]，用户用电信息数据的价值还没有被充分运用。因此，本文基于电力用户大数据平台，以用户特征为主体，从画像的角度挖掘用户差异，并分析验证电力用户画像在业务系统平台中的场景应用。

1 主要数据来源及技术框架

1.1 主要数据来源

以某省电力用户的数据作为主要研究对象，用户的用电测量原始数据非常大且相对比较分散，必须经过筛选才能应用到实际中[4]。本文对原始数据进行剔除或者补充操作等相关预处理（包括数据的修复和剔除以及数据的归一化处理等）后，形成相关数据集。表1为用户的用电测量数据来源，数据分为两大部分，一部分为用户基础数据，另一部分为电力用户的增量数据[5]，根据目前导入的数据推算月增量数据在42.85 GB，算上备份数据总共月增量数据为128.55 GB，现有大数据平台理论上能支撑5年的数据增长。

1.2 技术架构

本文采用架构形式的构建技术来实现架构技术系统的松耦合[6]，如图1所示。本文将系统层次结构划分为5层：应用层、服务层、平台层、采集层、数据源。各层次之间的业务调用、业务处理和数据映射分离，将系统服务功能承接，实现了系统内部的灵活响应。

表1 用户的用电测量数据来源

图1 技术架构图

应用层：提供统一的业务应用操作界面和信息展示窗口，是系统直接面向操作用户的部分；服务层：实现具体提取标签业务，提供标签获取接口、标签综合展示以及标签通道支撑；平台层：提供大数据存储、备份、查询以及运算服务，承担标签提取业务的核心运算功能；采集层：提供提取、清洗数据能力，将数据提取并传送到大数据平台；数据源层：包括基础平台数据、营销系统数据、95598工单数据以及短信数据等。

2 电力用户标签

电力用户群体基数很大，要运用大数据收集和掌握电力用户信息，对电力用户数据进行处理。基于电力客户信息为客户构建全方位的画像，分析从原有的客户群细分到每个客户的个体分析。

2.1 标签分类方法

采用分面组配式分类法构建三级标签库，即标签主题+标签维度+具体标签，通过分层级捕捉客户特征[7]，能较为全面地描绘客户标签画像全貌。

2.2 标签生成规则

标签规则根据实际需求可分为简单抽取、统计性获取和模型算法生成。如客户电压等级直接从营销系统抽取相应字段，供电质量投诉敏感直接统计客户投诉供电质量问题的量，这类型标签为抽取统计型标签；而停电后客户故障报修可能性，该标签需要使用回归算法构建标签模型进行计算得出，这类型标签为模型算法型标签。

2.3 标签全生命周期管理

标签提取来源于各个业务系统，数据通过ETL抽取后，经过数据清洗、提取，制定标签规则，根据规则从数据中提取对应用户并打标签，打完标签后要经过评估，评估通过后可以进行规则微调，最后将标签应用于网格化服务平台、供电服务指挥平台和微信等业务系统中，在应用过程中可以收集使用反馈意见，进而调整标签规则和更新标签。标签全生命周期管理如图2所示。

图2 标签的全生命周期管理

2.4 用户标签体系构建

基于电力营销业务应用系统、95598业务辅助分析平台、微信公众号、网格化服务平台等系统数据，挖掘客户基础档案、用电行为、交费行为及渠道偏好、95598交互行为等数据，构建立体式电力客户画像，形成集数据汇聚、标签管理、标签库、服务策略、场景输出于一体的电力客户标签管理体系。在信息精准推送，线上渠道高效引流，大客户电费增值服务，停电后客户反应预测等方面进行探索应用，提升电力优质服务水平。

2.4.1 数据提取层

对接各个平台系统，包括基础数据、短信、95598业务辅助以及网格化等。数据预处理后放入大数据平台。

2.4.2 标签库层

标签库层包括标签管理、标签库和标签评估三大块。标签管理主要负责标签分类、标签规则、标签策略、标签结果，当标签规则确定后，将采用离线计算的方式运用规则从大数据中统计汇总出标签数据，并且给用户打上标签；标签库主要提供关系型数据表，用于保存各类标签类别、标签规则以及标签结果等[8]；标签评估则是对标签应用系统开放的一个窗口，让标签管理者获取相关评价与优化建议[9]，通过对外提供接口使得标签建设与使用更加开放共享，让不同平台的人都参与到标签建设中。

参考客户知识构建模型及国内公共服务行业客户画像实践案例，结合用户标签使用场景[10-14]，将标签库划分为3层结构，其中第一层分为用户的个人属性、用户用电、用户交费、客户互动行为，将第二层划分为30个维度，将第三层划分为103种标签。客户标签维度如图3所示。

图3 客户标签维度

基于大数据挖掘理论的客户标签体系建设包含了数据提取层、标签库层、应用层。通过数据的归一化处理，并结合客户标签维度及标签体系的生命周期给用电客户标注标签，进而形成客户画像。客户标签体系如图4所示。

图4 客户标签体系

2.4.3 应用层

应用层包含标签成果查询展示，可以展示个体、群体、分类群体的画像，也可以查询展示具备某一共同特征的自定义群体画像；生成的应用标签可同步至微信公众号、网格化平台、营销业务系统中，嵌入到具体的业务流里，传递至相关角色处，实现服务信息的精准推送，使差异化营销服务有效落地。

3 电力用户画像在业务平台的应用场景

电力系统主要是依托大数据平台搭建前端服务应用，通过后端业务和平台整合，充分考虑系统建设的前瞻性和可扩展性，构建智能服务外部应用一体化服务平台[15]。基于电力大数据，根据客户多维度画像，多方位描述电力用户行为特征，为服务决策提供数据支撑，为客户更好地提供差异化服务。

3.1 微信公众号平台客户细分及精准信息推送

根据客户标签画像，细分微信客户群体，将客户标签划分为政要、企业、大电量和高危等特殊服务群体；交费量大、用电行为优质等正向标签户；长期欠费、违约用电和窃电等负向标签户；以地市区域划分的属地客户以及敏感客户等。

针对政企等特殊服务群体采取用电、用能分析定向推送，停电信息及时通知等精准服务，保证特殊群体在第一时间获取消息；针对交费量大、用电行为优质的正向标签户定向推送用电表扬信、增值服务建议、新业务介绍等服务信息，增加互动性；针对负向标签户定向推送催交费通知书、电量突变提醒、安全用电常识等内容；对敏感客户实时推送停电致歉信、服务成效等内容，从而实现客户服务的差异化。设置电费优化模型，为部分适宜采取居民峰谷电价的大电量居民客户推送调整建议。

3.2 网格化平台的差异化营销服务

以客户标签、网格服务责任区为基础，由网格员组织落实网格内客户差异化精准服务，增强服务的针对性、及时性。对政要客户、商企客户、大电量用户等“正向标签”客户，建立“一对一”大客户经理制，提供优先用电保障、主动推送信息、限时解决诉求等优质服务，依托“三型一化”营业厅，协同开展新业务体验、市场引流服务；对屡次欠费、窃电与违约等“负向标签”客户，提供费控策略、定期核查等标准服务；对投诉客户、用电安全高危客户、孤寡老人等“特性标签”客户，提供常态对接、主动联络、定期上门服务等特殊服务，做到合理诉求及时解决、潜在风险及时化解，确保服务问题不出网格；设置电费优化模型，为部分适宜采取居民峰谷电价的大电量居民客户推送调整建议。

3.3 电力行业大客户增值服务

结合第三方满意度测评报告中企业客户对供电方案答复时间的期望，有效监控大客户新装流程，对答复时间偏长的工单及时生成预警标签，同步至营销业务系统，提示相关工作人员加快工作进度，并主动联系客户说明具体原因，提升客户满意度。

实时监控大客户基本电费情况，结合需量计算和容量计算的差异模型，确定客户最优基本电费计算方案，并推送至客户，降低客户用能成本；设置功率因数阀值，对电费过高的客户推送无功补偿优化方案，在降低客户实际电费的同时，减少电网末端无功消耗，降低配网高压线损，提高电网稳定性。

4 结束语

在“互联网+”的大背景下，电力数据的价值亟待去开发和挖掘。大数据处理技术在各个领域不断推陈出新，而电力行业便民服务技术也在不断升级。智能用电管理利用先进技术触发了电力用户产业更大范围的融合，数据化是未来发展的趋势。电力用户多维度画像研究，有利于充分利用数据资源，挖掘数据价值，为电力公司智能化发展提供支撑，并通过电力用户画像研究，发掘不同标签用户的用电行为差异，有效实现用户用电管理的精准营销和个性化服务，为丰富电力行业增值服务提供有力支撑。