電網企業大數據運營服務內容探索

林女貴，蔡冰凌

（1.國網福建省電力有限公司，福州 350003；

2.國網福建省電力有限公司 龍巖供電公司，福建 龍巖 364000）

隨著售電側改革的穩步推進，用戶購電選擇權逐步放開，新形勢下電網企業面臨的市場競爭壓力加大。電網企業需要在開展常規售電業務的同時，積極拓展各類增值服務，用以提高客戶滿意度、拓寬贏利渠道［1］。

當前各類市場主體普遍對大數據服務具有較為強烈的需求，電網企業可充分利用自身掌握的數據優勢，向各類用戶提供大數據運營服務并收取合理費用。本文在分析各類用戶相關需求基礎上，探索規劃了電網企業的大數據運營服務內容，有助于指導電網企業后續規劃和實踐大數據運營服務。

1 電網企業大數據運營服務現狀

1.1 政策分析

國家層面對大數據運營相當重視。“大數據”一詞已連續4年進入《政府工作報告》，同時我國“十三五”規劃綱要也提出要實施國家大數據戰略［2］。一系列文件的出臺為電網企業開展大數據運營服務提供了政策依據與理論指導。

1.2 國外實踐

國外大數據分析起步較早，先進電網企業對于電力數據的分析和運營已經取得了一定成績，如：法國電力公司（EDF）通過對用戶電力消費數據進行深度分析，向能耗較大的用戶主動提供節能指導服務。國內電網企業可借鑒國外企業的先進服務設計策略，規劃大數據運營服務。

1.3 國內現狀

國內部分省級電網企業在電力負荷預測、家庭智慧節能等領域初步開展了大數據運營服務嘗試［3］。但總體而言，國內電網企業大數據運營服務開展情況與互聯網、金融、電信企業相比，仍存在較大差距，主要體現在以下2個方面。

（1）數據服務對象有待增加

當前電網企業大數據運營服務對象主要為政府相關部門及傳統用電客戶，尚未拓展其他數據需求方，因此削弱了電網企業的大數據服務盈利能力。為增加服務收益，電網企業應充分發揮數據潛在價值，積極拓展服務對象。

（2）數據挖掘深度有待提高

電網企業存儲的數據雖然以PB計，但目前開展的數據分析與挖掘工作大多仍停留在傳統數據統計階段［4］，離真正的“大”數據運營有較大差距。如當前電網企業向政府部門提供的電力運行報告及向傳統用戶提供的用電分析報告僅簡單統計部分電力指標數值，缺乏對海量數據的深入分析［5］。

2 大數據運營服務用戶定位

不同用戶群體對大數據運營服務的需求不同，因此服務內容的探索規劃首先需要確定潛在的各類服務對象。本文通過分析電網企業的市場定位，結合服務現狀及國外實踐情況，確定了大數據運營服務的所有潛在用戶類別。

售電側放開后，電網企業在政策要求下向售電公司和傳統用戶義務提供基礎數據信息（電量電費數據等）的同時，也可向上述群體提供大數據運營服務并收取合理費用。

電網企業通過深入分析海量電力數據可以從電力視角預測地區經濟、重點行業的發展態勢，為政府相關決策提供依據。服務政府體現了電網企業作為重要公用事業單位的社會責任，也有助于電網企業爭取政府政策支持和資金投入。

借鑒國內外各行業經驗，確定社會上眾多的第三方用戶是電網企業大數據運營的服務對象之一。第三方用戶通常不關注自身的用電情況，但對電網企業海量數據背后隱藏的能改善自身經營狀況的信息有相應需求。服務該類用戶有助于電網企業開拓大數據運營服務市場，有助于與金融、商貿等企業保持良好合作關系，更有助于增加經營收入。

綜上所述，電網企業大數據運營服務的潛在用戶包括政府、傳統電力用戶、售電公司及第三方用戶四大類，具體類別如圖1所示。其中售電公司和第三方用戶屬于電網企業大數據服務新增的用戶類型。

3 大數據運營服務用戶需求分析

用戶需求是電網企業大數據運營服務規劃的出發點和落腳點，相關服務內容的規劃必須要充分考慮用戶需求，以增強服務價值和市場競爭力。通過調研訪談、現狀分析等方式，本文歸納了大數據運營服務潛在用戶的主要需求。

3.1 政府需求

政府的主要需求是電網企業能及時提供支撐決策的電力大數據分析結論。具體包括提供宏觀經濟、重點行業、特定區域、支柱企業的發展趨勢預測和預警。

圖1 電網企業大數據運營服務潛在用戶示意圖

3.2 傳統用戶需求

傳統用戶的需求主要聚焦于節能降耗和電費優化上。用戶普遍對電網企業基于大數據分析提出的用電優化建議有較大需求。

3.3 售電公司需求

售電公司的需求主要有2大類：第一類為大數據分析支撐購售電業務開展的需求，售電公司普遍希望電網企業能提供基于大數據分析的售電套餐設計指導、競價策略制定指導、偏差考核風險規避指導等服務；第二類為大數據分析支撐各類增值服務開展的需求，售電公司普遍希望電網企業能提供大數據分析結論用于支撐自身開展增值服務。

3.4 第三方需求

第三方用戶因自身經營領域不同導致對大數據運營服務的需求有較大差異。本文依據數據顆粒度的差異性將用戶需求分為基于個體用電特征的需求和基于群體用電特征的需求兩大類。

基于個體用電特征的服務需求主要包括2大類型：一類為金融機構征信體系建設的信息補充需求；另一類為餐飲、旅游企業識別目標客戶進行精準營銷的需求［6］。基于群體用電特征的服務需求主要指第三方用戶期望電網企業能提供特定區域、產業鏈、行業的發展情況分析結論，用于提高自身經營水平。

4 大數據運營服務內容探索規劃

在分析確定大數據運營服務的潛在用戶類別和需求后，本文初步探索規劃了國內電網企業面向不同用戶類型的大數據運營服務內容［7］。

4.1 規劃原則

各類大數據運營服務內容的規劃遵循以下原則：

·政策允許。國家對電網企業的監管較為嚴格，部分服務內容可能超出電網企業經營權限，因此電網企業需要在政策允許的范圍內規劃大數據運營服務內容。

·隱私保護。電網企業的數據包含了用戶地址、聯系方式等隱私數據。在服務內容規劃時應特別注意保護用戶隱私，不對外提供用戶個體數據，避免引起用戶投訴。

·數據安全。電網企業的海量原始數據一旦泄露，將會造成不可預估的巨大風險，因此電網企業在規劃服務內容時應加強數據規范管理，防止數據泄露［8］。

·市場需求。電網企業規劃的大數據服務內容必須要以滿足用戶需求為目的，避免規劃的服務內容不切實際、得不到市場認可。

·能力匹配。電網企業在規劃大數據運營服務內容時應充分考慮各類自身資源能力，包括數據資源、人才資源、信息化資源等，從而保障各類服務能夠正常開展。

4.2 面向政府的服務內容探索規劃

基于政府需求，電網企業可在現有面向政府的數據服務基礎上，進一步挖掘電力數據價值，并從以下2個方面向政府提供大數據運營服務，同時獲取政府政策支持和資金投入。

4.2.1 宏觀經濟分析預測

以特定區域的各類型用戶當期用電量、報裝容量、新裝用戶數等電力數據為主要數據源，結合生產、消費、投資等宏觀經濟數據，構建電力視角的宏觀經濟預測模型，對某區域的短期經濟趨勢進行預測，并定期向政府提交預測分析報告，支撐政府決策。

4.2.2 行業/企業發展預警

在對政府關注的行業或個別重點企業用電情況進行深入分析的基礎上，結合行業或企業歷史用電規律，構建不同預警閥值的用電預警模型。當特定行業或重點企業的月度或季度用電量出現異常時，觸發預警，并及時向政府報告。

4.3 面向傳統用戶的服務內容探索規劃

傳統用戶中，工商業用戶對大數據運營服務的需求相比居民用戶更為迫切，且工商業用戶有權選擇其他售電商購電，有較大的流失風險。因此電網企業應優先規劃面向工商業用戶的大數據運營服務，從而增強售電市場核心競爭力。

基于用戶需求，面向傳統用戶的大數據運營服務內容規劃包括節能降耗和電費優化2部分。

4.3.1 節能降耗服務

一方面結合用戶生產經營和設備特點，對用戶的歷史能耗數據及同類企業的數據進行大數據對比診斷和分析，提出針對性改進建議和專業用電方案，指導用戶開展合理節能減排工作，提高能源利用率。另一方面，利用改進的智能電能表和采集系統實時監測用戶的電量及負荷數據，并構建預警模型。當用戶日累計電量或分時段電量超過預警閥值時及時向用戶發出預警，并協助用戶排查異常原因。

4.3.2 電費優化服務

應用大數據分析技術，全面分析系統存儲的用戶歷史電費數據，并構建基本電費計費方式選擇模型、峰谷電量比例分析模型、功率因數調整系數分析模型［9］。模型通過橫向對比同行業用戶的電費數據、縱向對比用戶自身的歷史電費數據，監測用戶當前用電情況，并主動向用戶提供基本電費計費方式選擇、峰谷時段作業調整、定期減容等建議。

在提供上述2類服務前，電網企業可通過大數據分析，精準識別能耗管理水平落后、電費結構不合理的重點用戶，主動開展營銷工作。在服務過程中，注重電子渠道的運用，如：利用APP推送的形式向用戶提供用能實時分析服務；在服務結束后，持續跟蹤和改進效果，形成服務閉環管理模式。

4.4 面向售電公司的服務內容探索規劃

基于售電公司對大數據分析支撐購售電業務和增值服務開展的需求，針對性探索規劃了以下2類電網企業短期可行的大數據運營服務內容。

4.4.1 支撐購售電業務開展的服務

在海量歷史數據分析的基礎上，電網企業可利用自身技術優勢，構建多變量（如：天氣、節假日、用戶報裝數據等）輸入的用戶電量預測模型［10］，對售電公司簽約用戶電量進行精準預測。在征得用戶同意的情況下，將預測結果向售電公司有償提供，用以支撐售電公司售電套餐和購電策略的制定，規避偏差考核風險，實現購售電利潤的最大化。

4.4.2 支撐增值服務開展的服務

國內售電公司普遍規劃了節能服務、用電咨詢等增值服務，而此類增值服務的良好開展需要對用戶歷史用電數據及同行業企業用電數據有深入的分析。電網企業可利用自身開展增值服務的經驗，在用戶許可的前提下，有償向售電公司提供相關數據或直接向售電公司提供數據分析結論，支撐售電公司相關增值服務開展。

4.5 面向第三方的服務內容探索規劃

第三方用戶對電力大數據運營服務的需求呈現多樣化、差異化的特點，因此電網企業應在分析用戶需求特點的基礎上進行全方位、多角度的大數據服務內容規劃，提高服務的市場競爭力。

本文按照需求對應數據顆粒度的不同探索規劃了基于個體用電特征的大數據運營服務和基于群體用電特征的大數據運營服務。前者分析數據精確到個體用戶級別，顆粒度較小；后者分析數據為相關區域或行業的總體情況，顆粒度較大。

4.5.1 基于個體用電特征的服務

（1）征信體系信息補充服務

基于用戶繳費信息和用電數據分析，構建電力用戶信用評估模型，對用戶信用進行量化打分和評級。后續將評估結果向有征信體系建設需求的金融企業有償提供，用以拓展用戶信用評估維度，支撐金融機構對其用戶進行全方位的信用評估。

（2）營銷信息精準推送服務

電網企業通過對電力用戶的用電大數據進行分析，可識別出具有特定生活習慣和愛好的人群，如：對周末或節假日用電偏少的用戶添加“旅游愛好者”、“外出愛好者”等標簽，便于餐飲、旅游、零售等第三方企業開展精準營銷。為規避政策風險和避免用戶隱私數據泄露，所有營銷信息必須通過電網企業自有電子渠道（掌上電力、微信公眾號等）推送，由電網企業統一管理和發起，電網企業不對第三方企業提供用戶具體信息。

4.5.2 基于群體用電特征的服務

（1）行業發展預測服務

電網企業在分析某行業全部或規模以上企業歷史用電數據的基礎上，對該行業未來發展趨勢進行預測。預測結果可向證券公司、咨詢公司、商業信息公司有償提供，用于支撐第三方用戶開展專業的行業研究。預測結果也可向商貿、建筑等產業鏈下游企業有償提供，用于支撐相關企業及時調整經營策略和經營目標。

（2）商業選址建議服務

商業區域用電量等數據可以較好反映某區域的人氣聚集水平和商業發展程度。電網企業可全面分析特定區域實際入住的居民戶數、同一類型商業企業的數量、用電情況等，形成專業的選址分析報告，為餐飲、零售等企業精準選址提供建議［11］。

（3）電動汽車分析服務

電網企業可利用充電樁運營優勢，基于大數據技術全面分析并總結電動汽車用戶的充電習慣和群體特征。電網企業一方面可向電動汽車廠商有償提供用戶充電行為數據分析結論，支撐廠商對電動汽車進行針對性改良；另一方面可向電動汽車銷售商有償提供電動汽車用戶的群體身份特征，包括年齡、性別、職業的分布情況，支撐銷售商開展針對性營銷工作。

5 結束語

售電公司的大量成立和用戶購電選擇權的放開加大了電網企業的經營壓力，電網企業應充分利用自身數據優勢，提高數據分析與挖掘能力，向不同類型用戶提供基于用戶需求的多元化、高價值大數據運營服務，在增強用戶粘性、降低用戶流失風險的同時，實現拓展盈利渠道、增加經營收入的目標。

本文在定位大數據運營服務潛在用戶群體的基礎上，針對用戶需求初步探索規劃了各類大數據運營服務內容。電網企業后續需加大資金投入，加強對相關人員的培訓，提高大數據服務運營水平，從而支撐各類服務順利開展。D

［1］ 肖先勇，馬愿謙，莫文雄，等.售電側放開背景下電網公司優質電力增值服務模式［J］.電力科學與技術學報，2016，31（4）：4-10.

［2］ 陳山，胡志廣.電網企業大數據發展策略研究［J］.企業管理，2016（S2）：470-471.

［3］ 張沛，楊華飛，許元斌.電力大數據及其在電網公司的應用［J］.中國電機工程學報，2014，34（S1）：85-92.

［4］ 李明.電網企業大數據建設思考［J］.華東電力，2014，42（8）：1 667-1 671.

［5］ 閆龍川，李雅西，李斌臣，等.電力大數據面臨的機遇與挑戰［J］.電力信息與通信技術，2013，11（4）：1-4.

［6］ 劉海，盧慧，阮金花，等.基于“用戶畫像”挖掘的精準營銷細分模型研究［J］.絲綢，2015，52（12）：37-42.

［7］ 彭濤，葉利.電網公司客戶服務中心大數據應用研究［J］.電力信息與通信技術，2015，13（3）：22-26.

［8］ Wigan M R，Clark E R.Big data’s big unintended consequences［C］//2013IEEE6thInternationalConference on Computer Society，2013:46-55.

［9］ 李佳瑋，郝悍勇，李寧輝.電網企業大數據技術應用研究［J］.電力信息與通信技術，2014，12（12）:20-25.

［10］AndiSD，MaraNS.Bigdataanalysis［C］//2012International ConferenceonCommunication，InformationandComputing Technology（ICCICT），2012:19-20.

［11］ M Mehaffy，S Porta，Y Rofè，et al.Urban nuclei and the geometry of streets:The emergent neighborhoods’model［J］.Urban Design International，2010，15（1）:22-46.