大數據分析技術在電費核算業務中的應用實踐

劉佳鑫 劉日珊 顧佳

摘 要：本文首先闡述了數據概念及特征，接著分析了大數據技術在電費核算業務中的實踐， 最后對大數據分析技術在電費核算業務中的應用意義進行了探討。

關鍵詞：數字化;大數據;電網;電費核算

0 引言

隨著電網企業向“數字化、智能化”發展，電網企業大數據時代的到來，電力消費核算業務每年都產生大量的運營數據。這些海量數據必須通過相關的大數據分析工具進行數據挖掘和分析，尋找其業務價值，為電網企業的管理優化提供更有力的支持。

1 數據概念

大數據是指在一段時間內無法用常規軟件工具捕獲、管理和處理的數據的集合。它是一種龐大、高增長、多樣化的信息資產，需要新的處理模式來擁有更強的決策權、洞察發現權和流程優化能力。大數據有五個數據特征：數據量大、數據種類大、處理速度極快、值密度低、數據源真實。

2 電費核算業務特征

目前，電網企業通過營銷信息系統對電力核算業務進行運營管理。基本業務模式為：計算完成電表讀取數據驗證的用戶的電費單后，營銷信息系統根據具有可調節變量（即功率突變類）的手動設置驗證規則，完成對所有電費是否有例外的驗證。經系統驗證為電費異常的用戶，可自動生成地區向（縣）供電局“核算人員”出具的“電費異常審查表”。

通過電費核算的業務操作分析，由于系統中可調變量驗證規則的閾值是手工設定的，因此手工閾值是基于淺層次的數據比較分析，導致系統篩檢測到大量可疑異常數據，每次高達10萬。然而，在現場對“核算人員”和“局核算人員”進行第二次審查之后，發現實際異常數據的有效比率低于2%。大量疑似異常工作訂單耗費大量人力和時間進行審核，導致效率低下。因此，有必要對電力消耗數據中存在的深層關系和規律進行分析和挖掘，并根據歷史數據和算法模型預測未來電力發展趨勢，及時、準確地篩查異常電力用戶，提高配電的準確性和效率.

3 大數據技術在電費核算業務中的實踐

3.1 環境搭建和數據準備

首先，使用大數據平臺的沙箱工具訪問數據源庫表，并設置時間（數據分析的對應頻率）來觸發ETL操作。然后，通過配置智能smartDBM數據源，它與沙箱系統交互，以獲取要分析的數據樣本。

本分析是針對用戶的用電量，因此取同一組電表讀取器的用電量數據作為前期及前期的數據分析樣本，并篩選出連續月耗電量為0的電力數據，以減少分析干擾。計算各類電力用戶的功率漲落率和功率差，包括：特殊用戶的功率漲落率和功率差、非居民的功率漲落率和功率差等。居民的功率漲落率和功率差，考戶的功率漲落率和功率差。一個家庭的功率波動率和功率差。

3.2 分析過程

通過繪制電漲率的直方圖和電差的直方圖，觀察到用戶的電漲率與典型正態分布是一致的。對于這種分布，從統計的角度分析了合理的波動性和差異范圍。利用“超過中位數四分點差”的異常數據診斷算法，該算法對一組相同類型的數據進行排序，然后測量序列數據的分散程度，可以測量中位數的代表級別。本項目的具體做法是，根據功率差和波動性，對環的上一期和上一期的同類用戶（如常住用戶）的數據進行分類，并將所有數據分成4個相等的部分，每個序列有3點。與這三點位置對應的功率差（波動性）稱為四分位，其中較低的四分位在樣本數據由小到大排列后等于25%的值，而中位數則是從小到大的樣本數據。值的50%，上四分位數在樣本數據由小到大排列后等于75%的值，四分位數=（上四分位數-下四分位數），那么這一類用戶的電池差（波動性）的異常閾值=中位數+2×四分位差。采用四分位算法計算突增、突減、突增、突損的閾值。根據這一閾值，系統中設置了可調變量的驗證規則，并對異常客戶進行了檢查。自動生成“電差評審列表”發布評審。

3.3 實踐效果

利用大型數據分析技術，合理確定電力用戶用電異常的閾值，并在對電費賬單進行審查后，將其納入市局電力核算業務。電的異常效率驗證如下：期間（平均）電的異常效率為10.5%，低于2%的效率有了很大的提高;同時，電力計算的準確性和效率也有了顯著的提高。每期電力計算工作總量由660天減少到125天，電力發放準確率由2017年的88.22%提高到2018年的96.45%。

4 大數據分析技術在電費核算業務中的應用意義

一是提高電力營銷和電費核算水平。以整個業務價值流動過程為切入點，從精益管理的角度進行工作價值的確定，明確當前業務中存在的主要問題。利用大數據分析技術，挖掘數據資產的價值，為企業人員針對各問題設定可調整核算規則的門檻提供了科學依據，有效提高了電力的異常效率，從而提高了工作效率。

提高客戶滿意度和員工積極性。采用大數據技術，支持對電費單進行精益審查，從而減少電費單錯誤，促進電費單準確性的提高，進而促進消費者滿意度的提高;同時，通過提高電力計算效率，減少了基層供電公司核算人員的投訴，提高了職工的積極性。

提高核算信息的準確性。完善核算管理機制，提高抄表準確性，有效保障抄表等初步數據收集工作的正常發展，對核算人員進行技術培訓，提高核算的準確性，引進新的信息化軟件。更新原有核算制度，提高準確性，對所有電力客戶實行全方位控制，及時發現客戶異常變化，集中處理，避免電力公司經濟損失過大。

5 結束語

為了將電網企業轉化為“數字化、智能化”，必須結合大數據技術，將數字信息轉化為決策信息，為企業的發展提供基礎。目前，電力數據僅為初步勘探和應用階段。在平臺能力、數據標準、處理模型、人才建設等方面需要進一步研究和完善。可以預期，大數據技術將為網格企業帶來巨大的價值，實現從業務驅動到數據驅動的發展模式的轉變。

參考文獻

[1]李林蔚. 大數據背景下電力行業數據應用研究[J].中國新通信.2016（16）

[2]彭小圣，鄧迪元，程時杰，文勁宇，李朝暉，牛林. 面向智能電網應用的電力大數據關鍵技術[J].中國電機工程學報.2015（03）

[3]王雪峰. 大數據技術在電力行業的應用思考[J].通訊世界.2014（15）

[4]彭志威. 計算機智能化在電力抄表核算業務中的應用探討[J].科技展望.2015（18）

[5]石海霞，劉艷紅. 計算機智能化在電力抄表核算業務中的應用[J].黑龍江科技信息.2016（35）

[6]秦霞，佟春蕾，劉麗萍. 電力抄表核算業務的智能化發展[J].產業與科技論壇.2018（15）