基于CSPSO-K-means算法的電力客戶細分及定制化增值服務系統研究

陳娟, 夏鵬, 梁曉偉, 吳軻

(1. 國網安徽省電力有限公司 六安供電公司, 安徽 六安 237006；2. 國網安徽省電力有限公司 營銷服務中心, 安徽 合肥 230601；3. 南瑞集團(國網電力科學研究院)有限公司, 江蘇 南京 211106)

0 引言

隨著電力客戶需求的個性化發展，統一化的服務造成服務資源浪費的同時也無法提升客戶滿意度，有目的性地提供多元化產品滿足客戶的個性化需求才是供電企業智能化管理的發展方向。因此，本文構建適合電力客戶的價值評估細分體系，根據客戶細分結果制定增值服務，為后續供電資源配置、供電企業營銷策略提供數據參考。

1 需求總體分析

1.1 總體思路

對于不同的用電客戶來說無論是需求還是用電方式都會有較大差異，供電企業的關注點也會有所不同。因此，綜合評估客戶價值進行客戶細分就顯得尤為關鍵，根據客戶價值、需求特性、信用度、滿意度等方面將客戶分類，然后對于不同類別的客戶提供有針對性的服務。電力客戶的價值評估細分及增值服務系統的核心是準確高效的聚類算法，以此計算出合理的客戶群細分結果，為后續增值服務營銷提供理論依據。

1.2 系統設計原則

(1) 多維分析：在現實場景中，服務營銷時需要考慮潛在需求及客戶感知，節能推廣則需強調能耗功率等參數，電費回收則與企業經營與信用狀況有關，因此，對于電力客戶的評估參數應該注重多維度分析。

(2) 靈活調整：系統設計時需要靈活組合，支持評價參數及所占權重調整，細分滿意度、信用度等不同方面來構建評價體系。

(3) 推廣延續：客戶需求會因地區更改、工作內容調整、行業轉型等因素有所變化，因此需要考慮可推廣性，便于其他關聯需求應用共享。

2 功能建模及評價體系設計

2.1 模型設計

模型設計的關鍵在于識別不同電力客戶的需求差異，分析后的結果為制定營銷策略提供數據輔助。本文設計的電力客戶細分模型分為3個部分，結構模型如圖1所示。

圖1 電力客戶細分模型

(1) 數據模型：采集初始客戶數據進行預處理，是整體模型的基礎，只有準確有效的數據才能分析達到準確的結果，制定的后續策略才會有效。

(2) 方法模型：分析數據、預測目標，獲得期望值，是整個系統的核心。

(3) 功能模型：最終得到的結果以及期望達成的目標，主要包括分類結果、客戶分群、后續行為預測、定制化服務等。

2.2 關鍵算法

2.2.1K-means算法

K-means算法是利用輸入參數將包含樣本的數據集劃分成簇，計算各簇內樣本點到聚類中心距離，使其平方和達到最小，當不同的簇之間差別較大時聚類效果特別好，數據導入順序對結果影響較大，結果直觀清晰，對聚類范圍要求不高，可以說有很多優點，但是也因為聚類格式需要提前設定，聚類中心選擇的初始值會影響聚類結果、存在局部極小值、受孤立點或噪聲點影響大等缺點導致最終結果不穩定。

2.2.2 改進的縱橫交叉算法(CSPSO)

縱橫交叉算法是基于個體粒子構成的種群的隨機搜索算法，包括橫向交叉和縱向交叉兩種搜索方式，迭代過程中兩種搜索方式交替進行得到中庸解，再將子代父代擇優保留得到占優解，相比其他算法，縱橫交叉算法在收斂速度方面有很大優勢，流程如下。

(1) 得到初始種群；

(2) 計算粒子適應度和種群最優解；

(3) 橫向交叉，中庸解與父代競爭；

(4) 歸一化粒子，縱向交叉得出子代，反歸一化的中庸解與父代再次競爭；

(5) 如此循環，打到終止條件后結束。為了解決收斂速度慢的問題，本文提出了一種改進的縱橫交叉算法(CSPSO)，假設在D維搜索空間中粒子xi的速度為式(1)。

vi=(vi1,vi2,…，viD)

(1)

位置矢量為式(2)。

Zi=(Zi1,ZI2，…，ZiD)

(2)

那么可得出式(3)、式(4)。

vid←w·vid+c1·r1·(mbestd-pbsetid)+c2·r2(gbestd-pbsetid)

(3)

zid←pbsetid+vid

(4)

其中，w為慣性權重；c1、c2為加速因襲；r1、r2為0到1之間隨機數；mbestd(d=1,2,…,D)為所有粒子第D維均值；pbsetid為粒子xi個體歷史最優位置；gbestd為當前種群全局最優位置；vid為粒子更新速度；zid為粒子更新位置。

改進后的算法結合了gbest對種群的引導機制，每個階段的中庸解通過競爭機制保留占優解進入下一階段。

2.2.3 本文采用的CSPSO-K-means算法

K-means算法操作簡單、效率高，但屬于局部尋優技術，改進后的縱橫交叉算法在收斂精度和收斂速度上具有明顯優勢。因此，本系統最終采用一種融合兩類算法的CSPSO-K-means算法，先采用CSPSO算法進行全局搜索，通過種群迭代獲取到K個全局最優聚類中心，將這些聚類中心作為K-means算法的初始聚類中心來執行K-means算法進行局部搜索，最終獲取立項的聚類劃分。兩種算法的結合彌補單純算法的不足，提升聚類結果準確率。

2.3 客戶分類步驟

聚類分析是構建電力客戶評價體系的核心，分析算法直接影響最終結果是否有價值，本文涉及的系統選用上述章節介紹的改進后的CSPSO-K-means算法，客戶細分流程如圖2所示。

圖2 客戶細分流程圖

簡而言之，客戶細分包括以下五步。

(1) 根據需求選定客戶評價細分變量

(2) 對自動或手動導入數據進行數據清洗、數據轉換、等預處理

(3) 根據數據特點選擇分析算法

(4) 運行分析算法按照細分變量指標進行數據運算

(5) 輸出最終結果報表

2.4 評價細分體系設計

本文從目前的經濟貢獻、用電管理、社會影響力、信用程度、發展潛力、忠誠度等方面構建電力客戶評價體系，具體如圖3所示。

圖3 電力客戶綜合價值指標體系

在該體系中，將定量與定性指標結合在一起考慮，把客戶為企業當前帶來的利潤與將來可以帶來的貢獻進行綜合分析，以此來實現對客戶價值的整體評價。整體評估構成如圖4所示。

圖4 電力客戶價值評估體系

電力客戶評價計算式為式(5)。

(5)

其中，M為評測時間段內總用電量；P為評測時間段內耗電均價；c為評價體系中客戶負載率；e為評價體系中客戶變異系數；γ為用電增長率；i為實際電費在應繳電費占比。

3 系統架構與功能實現

3.1 系統架構

本系統采用B/S開發模式，ASP.NET技術架構，遵循Http協議、Webservice接口規范，可承載HTML5、Excel、EDI等多種內容，系統架構如圖5所示。

圖5 系統架構圖

(1) 數據采集：通過Webservice接口與外系統對接，采集多個系統的基礎數據。

(2) 數據處理：檢查原始采集數據一致性，剔除無效數據，提取測量數據。

(3) 后端核心處理：實現客戶細分、客戶評價、風險預估、報表管理等。

(4) 前臺展示頁面：分析結果展示、查詢等。

3.2 功能模塊

電力客戶評價細分及增值服務系統功能模塊構成如圖6所示。

圖6 系統功能模塊圖

(1) 基本信息模塊：對采集的客戶數據進行管理，增刪改查明細信息記錄。

(2) 客戶細分模塊：通過數據采集、數據清洗、制定細分指標、聚類算法分析客戶目前價值、潛在價值、信用風險，挖掘客戶個性化增值服務[2]。

(3) 客戶分群模塊：為降本增效，將客戶按照不同要求及預期進行分群，提供端到端個性化服務。

(4) 客服信息模塊：將客服信息統計分析后展示，支持多維度查詢，滿足實際管理需要。

(5) 防竊電模塊：對電力客戶用電量進行預測，分析竊電風險，減少電量損失。

(6) 分析計算模塊：針對重要客戶，根據其用電模式進行分析，提供優化方案，定制節省費用的增值服務[3]。

(7) 系統管理：用戶管理等其他輔助功能。

3.3 運行環境

3.3.1 硬件配置

CPU：2.4 GHz *2

MEM：64G

硬盤：3T

帶寬：20M及以上

3.3.2 軟件環境

開發語言：C#

操作系統：windows server

瀏覽器：IE9及以上

數據庫：SQL SERVER

3.4 數據庫設計

電力客戶具有數量大、范圍廣、訪問間隔小等特點，對數據庫的查詢與響應速度要求很高，本文設計的電力客戶評價細分及增值服務系統采用SQL SERVER數據庫，結構圖如圖7所示。

圖7 數據庫結構圖

主要數據庫表設計如下。

(1) 客戶基本信息表：序號、所屬分區、客戶編號、名稱、地址、用電類別、聯系方式、狀態、年度用電量、應收電費、用電增長率、評價電價、變異系數等；

(2) 計量點表計信息表：戶號、計量表資產號、計量點號、計量方式、CT編號、PT變化、倍率、功率因素等；

(3) 電源信息表：戶號、所屬變電站、所屬線路、變壓器容量、電壓等級、電源位置等；

(4) 欠費信息表：應收憑證號、戶號、計量點、月份、電量、電價、應收電費、欠費金額、實收、日期等；

(5) 竊電信息表：戶號、工單號、地址、供電局、月份、竊電度數等；

(6) 客戶分群信息表：客戶編碼、名稱、類別、社會影響力、發展潛力、欠費風險、竊電風險、違約風險、季節偏好、時段偏好、停電敏感度、計費敏感度、電價敏感度、節能意識等。

4 客戶評價細分體系運行驗證

本文設計系統選取國內廣東地區某供電局進行運行驗證，結果如表1所示。

表1 客戶細分結果表

由此可見，不同客戶群的平均年用電量、平均用電增長率、負荷波動系數都有較大差異，得出最終客戶群細分結果如表2所示。

表2 客戶群劃分表

5 基于客戶細分結果的增值服務體系研究

客戶細分的最終目的是為后續的營銷策略、管理決策提供數據輔助，最明顯的一點就是定制化增值服務，開展個性化營銷，在提高客戶滿意度的同時達到降本增效的目的。根據電力客戶評價體系細分出的客戶群設計出合理的增值服務套餐[4]。

(1) 優質客戶：雖然數量占比較小，但目前價值及潛在價值都很高，除了已有服務內容之外，營銷重點是節能降耗、科學用電，增值菜單可提供用電模式分析、用電設備檢查、選派優質客戶經理、停電信息通知、個性化賬單、客服熱線VIP通道等。

(2) 潛力客戶：雖然目前貢獻較小，但是用電增長率高，屬于重點開發客戶群，加強了解客戶需求，增值菜單可提供客戶走訪、用電業務辦理綠色通道、技術支持等。

(3) 問題客戶：負荷波動系統大、用電負增長，對于此類客戶營銷應該側重了解負增長及波動大原因、引導按時繳費、規范用電、關注忠誠度提升，避免流失客戶。

(4) 老客戶：用電客戶群的大多數，用電增長緩慢，未來挖掘潛力也較小，但總用電量及平均用電量都比較高，屬于需要維系的常規老客戶，增值服務菜單可提供停電信息及時通知、客戶投訴盡快落實回訪、電能計量裝置準確性校驗等[5]。

6 總結

準確完善的電力客戶細分體系對于客戶群細分起著關鍵作用，本文設計的基于CSPSO-K-means算法的電力客戶細分及定制化增值服務系統可在現實生活中為供電企業在提升優質客戶體驗、挖掘潛在客戶、維系老客戶、提升客戶滿意度方面提供數據支持。