基于電力大數據的營銷“量、價、費”稽查方案探究

李慧羿 黃小奇 吳劉燕 蔡燕芬

關鍵詞：大數據；營銷；稽查

1背景

電費作為電力企業的主要收入來源，不僅支撐著電力企業正常穩定的運行，同時保證了電力營銷工作有序、優質、高效地開展。因而，電力營銷是電網經營企業的所有業務的核心，是重中之重。隨著現代電網規模的不斷擴大、稽查工作內容的不斷完善，電力企業對電費稽查的效率、稽查范圍、稽查內容提出更高的標準。一方面，這對工作人員的稽查水平、核收工作能力和工作質量提出了更高的要求。另一方面，面對海量的電量電費數據，如何充分利用數據資源，實現稽查過程的可視可控，全面提高工作質量、效率，成為擺在智能化稽查面前的一個關鍵性問題。

然而，在實際工作中，由于營銷信息系統還存在諸多問題，電費電量數據質量參差不齊，現有稽查規則不完善，異常工單數量繁多，可能導致盲目的現場稽查，不僅耗費人力物力，還使得全方位開展用電稽查工作難以實現。

2電費稽查系統中存在的問題

現有電費稽查系統中存在如下問題：營銷系統數據質量參差不齊、計費參數執行異常情況復雜、稽查系統缺乏及日寸反饋機制。

2.1營銷系統數據質量參差不齊

現有電費稽查系統內置規則不完善，不能根據最新電價政策及時進行更新，因而無法確保稽查結果的準確可靠。

2.2計費參數執行異常情況復雜

計費參數執行異常的情況數量大、種類多，電價政策特殊戶情況多，難以精確定位異常原因，對提出解決方案具有較大挑戰。

2.3稽查系統缺乏及時反饋機制

稽查系統還有待完善，對現存的異常情況缺少及時反饋結果的實時響應機制。

3解決方案

針對以上問題，我們選取了五種典型的計費參數執行異常情況進行深入分析，并且結合海量電費數據及多個相關字段分析執行異常的關鍵指標，提出了一種基于MECE（Mutually Exclusive CollectivelyExhaustive）理論模型的計費參數執行異常分類方法。根據MECE模型相互獨立、完全窮盡的原則，在確立主要異常問題的基礎上，往下層層分解，對異常類型不重疊、不遺漏的分類，剖析問題根本，把握問題的核心，進一步完善細化稽查規則，高效精益地解決計費參數執行異常問題。

在MECE分類模型的基礎上，應用綜合評價分析方法和大數據分析及挖掘技術，匯總計費參數執行異常的指標及計算邏輯，編制對應的計算腳本代碼，按月開展量、價、費綜合分析工作，實現了快速定位問題焦點，解決了人工處理情況下更新不及時、效率低下、匯總繁瑣等問題。此外，應用ETL工具和可視化技術，基于廣東電網數據云平臺開發并上線應用，實現業務人員對計費參數執行異常的遠程監控、異常類型的精準定位、異常原因的多維度分析。

在實際工作過程中，業務人員利用基于數據云平臺的計費參數執行異常分析應用的大數據分析結果進行遠程監控，能夠全面、直觀地看到所有異常用電戶的情況，結合挖掘技術對異常原因進行智能識別，進一步將異常工單下發至相關責任單位、供電所或責任班組，有的放矢地進行現場核查。

相關責任單位在收到異常工單后，定位異常根本原因，有針對性地進行核查整改，并將結果通過計費參數執行異常分析應用程序進行反饋。由此打通了監控一篩查一反饋的雙向渠道，最終實現了稽查流程的完整閉環。其中反饋結果分為3類：（1）屬于電量電費計收異常，需要現場核查整改；（2）屬于計費參數不規范，需要維護檔案，提高數據質量；（3）屬于特殊情況的用戶，在應用上設為白名單。

方案的架構如圖1所示。

4技術實施

4.1項目采用的技術原理

（1）由于營銷系統中數據質量參差不一，導致可能無法得出正確的分析結論，從而浪費不必要人力物力。因此，采用綜合評價分析方法（ComprehensiveEvaluation），使用系統性、規范性的方法對多個指標同時評價、打分，直接涉及量、價、費的字段則定位為關鍵指標，進一步結合容量、關聯戶、行業及電價類型等多維度信息，綜合評價數據質量，選取數據質量得分最高的組合，再將該數據組合輸入計費參數執行異常判斷流程，基于MECE模型實現異常類型的超細分，完善稽查規則，建立計費參數異常分析規則模型庫，實現異常工單準確定位。

（2）為實現計費參數執行異常的遠程監控及數據的動態更新，依托廣東電網數據云平臺ETL技術（Extract-Transform-Load），實現數據從來源端經過抽取、轉換、加載至目的端的過程，抽取營銷系統數據，有機結合各個供電所的反饋結果，通過數據挖掘剔除非異常數據設置為白名單，基本實現頁面內容實時動態更新，避免異常工單重復下發。

4.2技術實現

技術上的實現思路和整體分層設計如圖2所示。

4.2.1建立異常類型規則模型庫

首先建立異常類型規則模型庫。該庫主要包括5種異常類型：變損異常、力率執行異常、工業用戶未執行峰谷電價、兩部制電價執行異常、同名同址用戶電價執行異常。

以變損異常為例，其規則模型如下。

判據范圍：【計量點用途】=【一般計費表】，【運行標志】=【運行】；

（1）【計量方式】=【高供低計】的計量點，其【變損分攤方式】=【不分攤】或【變損計費標志】=【否】或當月變損電量為0（剔除運行天數為0天），視為異常；異常說明為：計量點為高供低計，變損異常。

（2）篩查客戶綜合檔案中【關聯戶信息】非空的用戶或者【計量點關系】非空的用戶：母表【計量方式】=【高供高計】或【高供低計】，子表【計量方式】=【高供低計】的用戶，子表【變損分攤方式】≠【不分攤】或【變損計費標志】≠【否】或當月變損電量非O，子戶視為異常：異常說明為：母計量點已計收變損，子計量點高供低計無需計收變損。

4.2.2搭建大數據處理平臺

基于Hadoop搭建數據處理平臺。Hadoop作為一個分布式系統基礎架構，為開發者隱藏了分布式底層細節，便于開發分布式應用程序，十分適合用于執行本方案中的云計算和大數據分析處理任務。搭建好的數據處理平臺可對原始數據進行獲取、清洗、格式化和存儲等基礎的預處理。然后以異常類型規則模型庫為分析規則，對預處理后的數據進行異常分析，分析結果將遞交給后端服務層處理程序進行下一步的處理。

4.2.3開發后端服務層

后端服務層主要基于Java 8，MVC框架組合庫（Struts2，Spring和Hibernate）技術體系開發。其作用是接受接收數據處理平臺發送來的大數據分析結果，進行人庫存儲和向前端展示層返回處理結果的操作。

4.2.4開發前端展示層

后端應用程序接收到前端展示層傳來的用戶反饋后，將之轉交給數據處理平臺處理。

數據處理平臺結合用戶反饋，通過數據挖掘剔除非異常數據，并通過后端服務層程序調用白名單工具程序進行白名單設置。

由此，通過大數據技術和計算機編程技術實現了稽查體系中“監控一篩查一反饋”的閉環流程，實現工作的流程化、規范化、模式化、精準化和高效化。

5應用價值

該方案的研究和實施過程中，我們依據電費稽查規則建立數據質量的綜合評分體系，實現了計費參數執行異常多維度綜合判斷、靈活分析，完善稽查規則，建立計費參數異常分析規則模型庫，保證了結論數據的可靠性，大幅提高稽查效率。提出一種基于MECE理論模型的異常分類模型，層層分解計費參數執行異常情況，剖析問題根本，精準定位問題根源。

我們還實現了電費稽查“遠程+現場”多方協作，通過下發異常工單、動態更新異常情況，促進了相關責任單位、責任班組、供電所的整改工作，落實了各單位的稽查責任，實現了精益化管理。通過大數據分析和ETL技術，形成了稽查體系中“監控一篩查一反饋”的閉環流程，建設了稽查監控應用體系，實現工作的流程化、規范化、模式化，為進一步推廣應用奠定基礎。在稽查結果精確度和多方協作運作方面具有很大的應用價值。

5.1基于大數據稽查結果更精準

根據計費參數執行異常應用的遠程監控功能，實現“遠程+現場”的聯動稽查，業務人員根據監控數據進行分析，針對異常情況派發工單給對應的基層單位，有的放矢地開展稽查工作。同時，在當前應用的基礎上，持續深化稽查監控體系的應用，實現電費稽查與大數據分析的深度融合，使得遠程稽查和現場稽查聯動更暢通、更高效。

5.2多方協同運作更高效

通過計費參數執行異常應用的遠程監控功能，協同資源調度、共享信息、協同解決問題，針對異常原因分析的結果，共同研究制定系統監控規則和電費稽查業務的場景和流程，構建監控協同運作工作機制，打造電費稽查管理新模式。

6結束語

針對3個傳統稽查系統存在的問題（數據質量可靠性低、稽查規則準確率低、稽查體系有待完善），結合2種分析方法（MECE理論方法和綜合評價分析方法），建立起5類異常分析規則模型庫，然后進一步應用ETL工具，基于數據云平臺，開發出一個基于數據云平臺的計費參數執行異常分析應用程序，最終形成一套異常工單下發有依據、遠程可監控、落實有反饋的智慧稽查實施方案，對電力營銷企業的稽查智能化探索具有一定的參考價值。