大數據技術在潛在電費風險挖掘中的應用

雷君杰 生一兵 喬嬌 趙娜

摘 要：隨著我國經濟水平不斷提升，互聯網技術也得到了極大發展。電力行業與互聯網充分融合，推出了全新的互聯網+大數據電力行業運營、管理模式。為了防范電費風險，避免出現損失，電力企業可以采用大數據這一全新手段，將電力大客戶電費風險進行細化、論證大數據運行過程中收集和處理信息的技術流程，及時尋找其中出現的風險隱患，找到適合的解決方法，將電費風險防患于未然。

關鍵詞：大數據技術；電費風險；潛在問題；技術應用

1 引言

隨著電力大數據技術的具體應用，可以實現對電力企業售電、用電、風控等環節的深入挖掘和分析。電力大客戶作為電力企業重要的客戶構成，其用電需求大、對供電的安全性、穩定性要求高。特別是鋼鐵、煤炭等行業，更易受政策和國際形勢影響，這就造成以鋼鐵行業為代表的電力大客戶用電情況波動較大，電費風險也相對較高。為了解決這一難題，電力企業可以通過采用大數據技術，建立起一套全新的適應市場的電費風險管控體系，加強電費管理工作，實現電費信息處理全流程治理，細化任務指標，對潛在風險和隱患及時發出預警，從而降低電費風險，保證電費回收。

2 電費風險數據的主要來源

各類電費數據信息是衡量整個電力企業營銷工作的重要指標之一，能體現電力企業的公司經營管理效果。電力企業電費管理主要涉及抄表、核算、收費三個業務。電費回收主要包括：發行電費、實收電費、預收電費、欠費電費四個主要部分。其中發行電費、預收電費和欠費電費回收這三個方面流程較為復雜，時間耗費較長，電費風險問題存在較多，現在針對這幾方面進行討論。

2.1 電力企業的內部因素

2.1.1 供電企業

電力企業需要對所轄各個供電單位的電費回收情況和電費回收風險進行對比，以掌握基層單位電費回收的壓力和痛點，并制定出切實可行的電費管理辦法。供電企業本身的電費管理工作是否到位，會直接影響電費回收。若在供電期間綜合運用多種手段，采用有效預防措施，比如：分次結算電費、采用預付費裝置、制定有針對性的電費回收策略等，能夠有效達到降低電費風險的目的。

2.1.2 電費信息

電力企業在對用戶進行電費回收的過程中很容易發現，電費信息當中數據類型和數據量一般比較大。數據中包含的種類較為繁雜，包括用戶信息、用電信息和電費信息等內部數據，還有不同結構分化的外部、網絡數據等。電力企業要對這部分信息進行采集和整理，工作強度較大，而且風險分析管控制難以深入。

2.2電力企業的外部因素

2.2.1 電壓等級

不同電壓等級的用戶電費回收情況差異較大，能從側面反映電費風險問題的存在。針對這部分用戶，電力企業可以從負荷、容量和安全方面入手，深入分析，結合市場形勢，及時識別出其中存在的風險隱患，適時干預，盡可能地將電費風險從初始階段進行控制和消除。

2.2.2 用戶信息

按照用電類別區分，用電客戶分為居民用戶和非居民用戶。非居民用戶又包括工業用戶、商業用戶等。各類用戶對電壓需求的高低有很大的不同。通常居民用戶的基數較大、個體的電費風險和比例影響相對來說會比較低。但是從大型企業單位來看，部分企業需要進行調控的因素較多，管理起來出現的問題也較多，電費風險較大。

2.2.3 行業類別

電費回收情況受用戶企業的行業類別的影響。這些因素來自于多個方面，包括用戶企業的性質、市場形勢、國際環境等，導致用戶電費風險級別不同。供電企業前期應該對這部分企業全面了解，及時掌握行業動態，實現電費管理工作前置，從而保證電費的回收情況。

3 電費風險主要技術研究

現階段我國在大數據技術方面還沒有形成自己的系統，主要還是依靠來自于國外的系統。美國 ASF 基金會成功研發出了分布式系統基礎架構 （ Hadoop） 。Hadoop 分布式文件系統是由Apache基金會所開發的。該系統具有解決海量數據存儲、多樣化數據分析支持的能力，另外軟硬件的成本較低也是該系統的優勢。 Hadoop技術構架可以從數據采集、數據存儲、數據管理、數據計算、數據分析五層模型進行研究。

3.1 數據采集

電力企業在使用管理系統時期數據庫主要是存儲客戶、電費等數據信息。其中企業的基本信息、法人代表等都可以從相關政府渠道獲得。另外企業的經營狀況，國家整體的經濟環境等結構類型的問題可以從網站公開的系統中提取。

Hadoop在進行數據采集肯處理主要方式有Kafka、Sqoop兩種技術的相互協作來進行，最終實現電費、用戶等信息的采集，是企業進行場景分析的技術支撐。Kafka讀取用戶信息的方式是分布式的，而且信息的吞吐量非常高，可以線上線下進行操作。加上集群機提供用戶的實時電費情況，可以即時顯示已收電費和欠費情況。

Sqoo則是和Hadoop協作，根據自己本身的技術特點可以將數據庫中的電費數據信息進行交換移動，將最原始的數據從數據源轉出到Hadoop上。Sqoo具備創建子任務系系統的功能，既能將各個任務模塊進行處理，也能輸送海量的電費信息數據，這樣既能保證系統的基本安全問題，也能實現用戶信息、預收電費信息的整合。

3.2 數據存儲

“大數據存儲從系統內部來講是將大量各種不同類型的存儲設備通過應用軟件集合起來協同工作。對外來講系統提供數據存儲和業務訪問。目前我國數據庫存儲管理包括分布式存儲、NoSQL、內存存儲技術三個方面。”

Hadoop中存儲可以用分布式文件存儲系統（HDFS），該系統可以進行擴展并通過備份實現高容錯性，能夠將分散的用戶、電費信息資料數據資源構成一個虛擬的尋出設備，通過網絡分散存儲。

NoSQL數據存儲的內部存儲技術主要應用于對數據的讀取并處理響應較高的場景部分，具有不需要固定的電費數據信息表結構的性能優勢。

3.3 數據管理

大數據技術在對電力企業內部電費、用戶的數據進行處理時，主要是對原始數據的清理、填補、合并檢查數據的一致性，將互相之間沒有關聯的沒有章程的非結構化數據加工成方便的結構類型。已經收取的電費數據清理也可以依靠工具Sqoop將網絡上的原始數據進行結構haul的方式進行集中處理。

3.4 數據計算和分析

在進行大數據運算時首先用Kafka采集數據，加上用MapReduce方法，將大數據信息劃分出多個數據塊，對數據塊進行計算任務設置，調度數據中的相應計算節點，進行處理和計算。通過Hadoop進行監控，了解數據模塊中的節點基本情況并進行實時控制。在進行數據的計算中通常是使用機器學習方法建立模型，通過數據建模可以通過變量進行參數預測。

4 大數據應用場景的分析

電力企業用大數據技術實現對用電客戶信息的收集，找出其中的風險類型進行預測從而建立起電費回收的風險評價體系。其中對數據信息處理主要內容有數據處理、業務數據分析、基于距離計算的聚類分析將用戶電費信息相關數據收集，將其中風險發生的因素找出，從業務側深入分析發現風險點，進行最初的電費風險評估。根據風險程度的高低進行差異化的電費回收方式，制定整改措施。風險評價要通過大數據支持的科學評價體系支持，全面分析用戶的行業、城市、類型等方面，通過對相關用戶的風險提示，減少電費風險的產生。

5 結語

現階段大數據在電力企業運用的程度還有待提高，但可以確定的是通過大數據進行用戶的信息采集和分析數據，測出其中的電費風險問題對于電力企業來說必然是一個未來發展的趨勢，通過大數據技術的支撐，電力企業采取相關措施，保證企業的基本經濟效應。

參考文獻：

[1] 吳軍英，辛銳.基于大數據技術的電費風險分析[J].科技創新導報，2017（7）：121～122.