第 1 章 绪 论
1.1 研究背景及意义
在电力体制改革日渐深化、售电市场逐步放开、经济形势整体下行、产业结构调整处于阵痛期的大环境下,供电企业面临越来越大的售电压力[1],而及时准确掌握用户电量变化则成为了供电企业规避各类营销风险的重要途径[2]。近年来面临经济形势、环保整治、民间资本互保风险增加的多重压力,许多原本资产雄厚的大型纺织印染企业纷纷倒闭,行业用电量呈显著下降趋势,绍兴供电公司面临的电费风险也显著加大。在这样的背景下,如何实时掌握电力用户的用电状态,对用户的电量走势做到较为精确的预测,从而筛选出高风险用户、防范营销风险,就成为了绍兴供电公司提升营销管理水平的重要方向。近些年,随着智能电网概念的提出,电力系统在发、输、变、配、用电等各个环节的信息化进程持续推进[3],以生产管理系统、营销业务应用系统以及用电信息采集系统等为主的信息化系统,由于数据实时性好、采集点多、覆盖面广,积累了大量的数据信息资源,各类业务数据无论从总量和种类上都已颇具规模,为大数据研究工作提供了数据基础[4]。因此,利用大数据分析理念对一个区域电力用户电量数据进行研究,从中挖掘营销风险点并建立相应的防范机制,具有现实意义[5]。2016年,浙江省电力公司开始了营销互联网+工程,旨在构建基于互联网技术的智能化用电体系,从客户需求侧入手,全面结构用户用电特性,采用标签化的方法为用户建立“画像”,对客户行为进行聚类分析,对客户的缴费习惯、信用情况、用电习惯进行标签化管理,以期实现客户行为的全面掌控,防范客户缴费风险,提升主动服务能力。由于用户日电量数据存在数据量大、及时性强、准确性高的特点,通过科学的分析方法,搭建合理的用户电量分析预测模型,则可以实现对用户日电量实时、精准的分析,充分感知用户用电行为,及时发现并预警电量骤变、用户超容用电等风险,相比于以往采用的排查、基于月度用电数据的核查而言,周期短、灵活性强,更精准高效,具备很强的实用性和可推广性。通过在绍兴供电公司近一年的实践,取得了较好的管理成效。
.........
1.2 国内外研究现状
大数据的发源最早可以追溯到 1887-1890 年左右,美国统计学家赫尔曼·霍尔瑞斯为了统计 1890 年的人口普查数据发明了一台电动器来读取卡片上的洞数,该设备让美国用一年时间就完成了原本耗时 8 年的人口普查活动,由此在全球范围内引发了数据处理的新纪元[6]。而后到了 1943 年,二战时期,一家英国工厂为了破译二战期间的纳粹密码,让工程师开发了系列开创性的能进行大规模数据处理的机器,并使用了第一台可编程的电子计算机进行运算。该计算机被命名为“巨人”,为了找出拦截信息中的潜在模式,它以每秒钟 5000字符的速度读取纸卡——将原本需要耗费数周时间才能完成的工作量压缩到了几个小时[7]。破译德国部队前方阵地的信息以后,帮助盟军成功登陆了诺曼底。到了 2009 年,印度政府建立印度唯一的身份识别管理局,对 12 亿人的指纹、照片和虹膜进行扫描,并为每人分配 12 位的数字 ID 号码,将数据汇集到世界最大的生物识别数据库中[8]。近年来,大数据已经成为科技界和产业界共同关注的热点[9]。2012 年 3 月,美国政府宣布投资 2 亿 USD 启动“大数据研究和发展计划”[10]。美国政府认为大数据是“未来的新石油”,将“大数据研究”上升为国家意志,对未来的科技与经济发展必将带来深远影响[11]。一个国家拥有数据的规模和运用数据的能力将成为综合国力的重要组成部分,对数据的占有和控制也将成为国家间和企业间新的争夺焦点[12]。目前全球数据的存储和处理能力已远落后于数据的增长幅度[13]。例如,淘宝网每日新增的交易数据达 10 TB;eBay 分析平台日处理数据量高达 100PB,超过了美国纳斯达克交易所全天的数据处理量;沃尔玛是最早利用大数据分析并因此受益的企业之一,曾创造了“啤酒与尿布”的经典商业案例[33]。现在沃尔玛每小时处理 100 万件交易,将有大 2.5 PB 的数据存入数据库,此数据量是美国国会图书馆的 167 倍[14]。由此可见,在当今世界大数据已经越来越多的融入到人们的日常生活中,如何有效的利用大数据分析法来推动电力企业提升管理水平,则成为了电力企业需要思考的问题[15]。
..........
第 2 章 大数据分析及电力营销风险管控相关理论
2.1 大数据分析相关理论
对于“大数据”(Big data)研究机构 Gartner 给出了这样的定义。“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。[35]。“大数据”概念最早由维克托·迈尔·舍恩伯格和肯尼斯·库克耶在编写《大数据时代》中提出,指不用随机分析法(抽样调查)的捷径,而是采用所有数据进行分析处理[36]。就实际而言,大数据技术的战略意义并不体现在数据信息是否足够庞大,光是有数据是远远不够的,而更多的在于如何利用技术手段对这些有潜在价值的数据进行专业的处理。换言之,如果把大数据看成一种产业,那么这种产业是否能盈利,关键就在于是否能对数据进行有效的“加工”,通过“加工”体现出数据的特征,挖掘出数据的价值,实现数据的“增值”。从技术上看,大数据与云计算是不可分割的。一般来说,大数据无法使用一台计算机进行处理,而必须采用分布式架构。它的特色在于对海量数据进行分布式数据挖掘,但它必须依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术[37]。大数据需要特殊的技术,以有效地处理大量的容忍经过时间内的数据。适用于大数据的技术,包括大规模并行处理(MPP)数据库、数据挖掘电网、分布式文件系统、分布式数据库、云计算平台、互联网和可扩展的存储系统[38]。大数据作为近年来炙手可热的宠儿,其发展趋势也值得人们关注,人们相信,未来大数据将会在人工智能、政府办公、金融产业、新技术企业创业、人才培养、自助服务及物联网等方面有着非常大的前景。一个简单的例子,对于阿里这个国内互联网高科技公司巨头来说,它掌握着非常非常多的数据资源,它旗下的 APP 如天猫、淘宝、支付宝的使用者数量巨大。这样一个客户群庞大的公司,它的数据分析能力极强,比如当客户拨打客服电话时,在客户说话之前,客户人员的电脑上就已经出现了客户拨打这个电话可能会提的问题以及标准答案,这些问题就是根据客户拨打电话前的消费记录及其他相关记录数据计算得出的,正确率达到 50%以上! 其准确性与实时性让人不得不惊叹!可以说,正是由于对大数据技术的深入挖掘和使用,人类生活将会更加的智能、便捷、高效。而目前对数据挖掘分析的方法,从大类来分主要包括聚类分析、因子分析、相关分析、回归分析、神经网络方法、web 数据挖掘等等。而在本文中,将主要会用到聚类分析、线性回归等算法、拉格朗日插值法和 ARIMA 时间序列算法,在后面的文字当中会具体阐述。
........
2.2 电力营销风险管控相关理论
风险是指受到事物内在因素和外在因素互相影响而发生变动,从而使事物的进展或结果发生较坏的不确定性转变,造成损失或损害其利益的事件[39]。造成风险的因素、风险事故的发生和因风险事故造成的损失,是风险的三项内容[40]。可以看到,在理论上只有发生风险事故,才会造成事故损失。这里所说的风险事故,包括在风险管理活动中造成的直接损失,亦指间接造成的损失事件[41]。经济损失是损失的主要内容,也是风险损失大小的主要衡量标准。一般情况下,人们以货币形式来衡量因非主观因素造成的,或者难以估算的经济效益损失额度。事故的发生概率很大程度上是由由风险因素决定的,风险因素的多少标志着风险事故发生概率的大小,一般情况下,风险事故的发生都会伴随着不同呈度的不良危害。目前在学术界较为流行的风险管理理论的做法是先建立起愿景目标,然后围绕目标周边所存在的或浅或深层次的意外,开展相关的信息收集以及辨别评判[41]。同时,通过制定、实施与风险相对应的预防机制,降低与愿景目标相违背的事件发生概率,以此来实现规避风险、降低及减少损失的目的。一般情况下,我们可以按照不同的角度,不同的标准和处理方法来对风险进行分类。对风险进行合理分类的必要性在于,可以更有效的进行风险管理活动。同时可以针对不同类别的风险采取,更合理的处理方法,从而达到降低风险,甚至规避风险的目的。根据造成损失的类型不同,可以将风险种类划分人身、财产和责任三种风险[42]。事物进行过程中发生的,财产贬值损失的风险都成为财产风险。而人的健康与否或者生病死亡,甚至其他的意外,遭受的人身伤害,不属于人身风险。因个体或组织的非主观因素所造成的第三方伤害或者损失而承担的风险统称为责任风险[43]。按风险种类分为纯粹风险与投机风险。前者为地震、火山喷发等不可抗自然因素所造成的的生命或财产损失。譬如2008年冰灾,由于自然原因导致的电力设备损坏、大面积停电事故等,都是由于不可抗力而导致的重大损失。与之相对的是投机风险,譬如股票、期货等投资行为,存在一定的投机风险,可能会对投资者带来损失,但也可能会带来巨大的经济利益。
........
第 3 章 绍兴供电公司营销风险管控现状分析..........19
3.1 绍兴供电公司电力营销风险管控现状....19
3.1.1 绍兴电力发展概况........19
3.1.2 绍兴供电公司电力营销风险管控模式......20
3.2 绍兴供电公司电力营销风险管控中存在的问题.........21
3.2.1 管理层面的问题............22
3.2.2 用户层面的问题...........23
3.3 本章小结..........23
第 4 章 绍兴供电公司电力营销风险管控能力研究.............24
4.1 管理层面措施研究....24
4.2 用户层面措施研究....24
4.2.1 用户日电量风险评价指标构建.........25
4.2.2 用户信用风险评价指标构建.............26
4.2.3 用户行业电量风险评价指标构建.....33
4.2.4 用户营销风险综合评价指标构建.....34
4.3 本章小结..........34
第 5 章 绍兴供电公司用户层面电力营销风险评定.............36
5.1 用户营销风险评定..............36
5.2 用户营销风险评定结果分析........44
5.3 本章小结..........44
第 5 章 绍兴供电公司用户层面电力营销风险评定
本章节中将以绍兴供电公司 2016 年四季度开展的针对高压用户的营销风险管控业务为实例,介绍绍兴公司利用大数据分析方法提升营销风险管控的实际运用。考虑到用户与采集系统数据规模较大,以绍兴供电公司 2016 年 1-9月报装容量在 1000kVA 及以上用户作为分析对象,其用电量约占地区售电量的70%,具有较强的样本适应性。因本章节中的实例涉及到用户信息,基于信息安全考虑,本章节中所有的用户户名均做脱敏处理,特此说明。
5.1 用户营销风险评定
数理统计表明,1-9 月,绍兴地区 1000kV 以上大用户日电量波动率σ呈指数分布,波动率 0~0.07 区间用户密度最大,占比超过 70%;0~0.15 用户占比超过 90%;σ>0.2 的用户占比约 5%,确定日电量波动率 95%置信区间为[0,0.2]。由此选定σ>0.2 作为电量波动异动判断阈值,并进行跟踪分析。具体如图 5-1所示。从季节变化情况看,今年 2~3 月电量平均波动率最大,反映出春节放假与调整生产的变化,各月波动率平均值统计如如图 5-2 所示。监测发现 1-9 月波动率大于 0.2 的用户总计 91 家,其中纺织业、造纸业、非金属矿产业行业占比最高,总计超过 75%。反映出地区产业结构特征与经济调整的影,具体如图 5-3 所示。钻取发生 2 次以上波动率大于 0.3 的用户,该类用户倾向于用电不稳定,需重点关注。出现 2 次以上波动率大于 0.3 的用户有 13 家,柯桥、诸暨两地占比较高。进一步穿透分析发现其中 3 家出现了业务暂停,1 家出现减容。其中嵊州市**纸业公司具有典型特征,该用户 1-9 月的波动率均在 0.4 以上,9 月更是达到了 0.73,从电量波动情况可以看出该用户的生产较不稳定,最终用户 8 月份申请了从 6000kVA 永久减容至 4000kVA,减容流程于 9 月底完成。
.........
结论本文借助大数据分析方法,提出了对数量庞大的电力客户用电数据进行科学合理的管理,最大限度的挖掘用电数据中隐藏的用户风险信息,同时利用信息化手段,以设置标签的方式评定客户信用风险,结合对用户行业电量预测,提出了一种全新的防范电力营销风险的新模式,并以绍兴公司 2016 年 1-9 月份的高压用户用电数据为例,验证这种模式的效果。本文的研究成果如下:第一、对绍兴供电公司应对营销风险的现状进行了分析,指出了目前存在于供电企业管理方式中的不足之处,提出了充分利用用电采集系统海量用户实时用电数据来实现营销风险管控的思路,这在整个国网系统中也属于首次。第二、在经过深入的研究、调查的基础上,逐步建立了以日电量风险防控、用户标签和行业电量预测三方面为核心的电力营销风险“三化”管控模式,明确了算法、建立了相应的模型,并以绍兴公司为实例介绍了此种管控模式的效果,对新模式相比于传统管控模式的效果进行了对比,为制定电力营销风险管控策略提供了数据支撑和效果参考,为类似规模及用户特性的供电公司分析研究提供了参考。第三、基于电力营销风险“三化”管控模式在实际工作中的使用情况,进一步提出了相应的巩固策略和提升措施,具备很强的实用性和操作性,可作为其他供电公司提升营销风险管控能力的参考性材料。总而言之,在信息大爆炸的时代,供电企业越来越重视对数据价值的挖掘和利用,而利用合理的分析方法,建立适合本地区电力发展情况、地区用户用电特性的分析模型,改进对电力营销风险的管控策略和管控水平,也必将会成为供电企业不断探索研究、不断提升改进的重要工作。本文中提出的管理思路、管控模型等,虽然具有一定的创新性,但由于本人的才识所限,所选取的数据样本范围也比较小,在论述和研究上仍然存在一定的不足,譬如模型指标的全面性方面,还有不断完善和提升的空间,希望日后能与更多的专家、学者就提升电力营销风险管控水平方面做更加深入的讨论,为推动供电企业营销风险管控能力的不断提升而努力。
..........
参考文献(略)