基于大數據技術的電力用戶畫像構建分析

田嘉瑞，馬青菁，金 茜

（國網寧夏電力公司石嘴山供電公司，寧夏 石嘴山 753000）

0 引 言

隨著生活水平的逐漸提高，人們更加追求服務質量與服務水平，消費者對于不滿意的服務普遍采取投訴的方式，以要求企業規范自身服務水平，這在很大程度上約束了相關企業的服務態度，為人們提供良好的服務體驗[1]。電力企業也是如此，電力服務與電壓穩定供電是居民關心的重要內容。為了更加了解用戶的用電情況，減少用戶投訴現象，用戶畫像成為電力企業減少用戶投訴的有效途徑[2]。用戶畫像主要是針對用戶信息，將用戶進行標簽化。通過挖掘用戶標簽數據，構建出一個虛擬客戶的全貌，更有利于分析用戶行為特征[3]。傳統用戶畫像構建時，相關數據了解得不夠徹底，經常出現遺漏標簽的情況，對于電力用戶的用電行為沒有進行詳細的分析，不能有效降低電力用戶投訴的數量。

為了更加準確地分析電力用戶的用電行為并提高電力用戶的滿意度，本文利用大數據技術設計電力用戶畫像構建分析方法。旨在全方位地了解用戶標簽數據，提高電力服務質量。

1 基于大數據技術的電力用戶畫像構建分析方法

1.1 提取電力用戶用電差異特征

在提取電力用戶用電差異特征之前，利用大數據技術獲取電力用戶相關互聯網數據，其中包括用戶家庭信息、電話信息、咨詢信息、投訴信息等[4]。將不同類型的數據按照數據分詞結構形成周期性數據，記錄在用戶行為數據庫中。利用大數據技術了解用戶搜索記錄，判斷出用戶對電力環境與電力服務的態度，再將重新生成的數據記錄到另一個數據庫中[5]。對采集數據進行有效的分類，將具有歷史投訴信息的電力用戶劃分出來，分析該用戶的搜索記錄、繳費記錄、基本用電信息、咨詢訴求等數據，并找出與投訴信息相關的業務，得出最佳用戶行為差異特征[6]。找出用戶行為特征之后，利用大數據對其進行重新核對，通過將有效數據合成特征數據、無效數據進行刪除等操作，最大限度地了解用戶投訴、咨詢等行為，保證電力服務質量。

1.2 基于大數據技術生成用戶畫像標簽

根據電力用戶用電差異特征情況，利用大數據技術對上述特征數據進行專業化的單變量處理。“G”為優質用戶，“B”為一般用戶，則有“G＞B”的變量假設[7]。也就是說，優質用戶的影響高于一般用戶的影響。由此得出用戶標簽數據進行大數據處理公式如下：

式中：GB為優質用戶與一般用戶的標簽數據處理變量；xi為第i個變量對應的一般客戶數量；x為一般客戶總數量；yi為第i個變量對應的優質客戶數量；y為優質客戶總數量[8]。根據相關性理論，將優質用戶與一般用戶的變量大數據進一步篩選，得出最佳電力用戶畫像如圖1所示。

圖1 電力用戶畫像

根據圖1，電力用戶畫像標簽生成主要與用戶資料與使用場景有關。其中，用戶資料與用戶背景、職業特征、心理特征等數據有關；使用場景與提出問題、用戶響應、定義場景等數據有關[9]。利用大數據技術進一步了解用戶資料相關數據與使用場景相關數據，得出的畫像標簽更加客觀。

1.3 核對電力用戶畫像標簽數據

在生成用戶畫像標簽的基礎上構建電力用戶畫像分析模型，確保電力用戶行為畫像構建的更加精準[10]。選取M為優質用戶的隨機樣本，N為一般用戶的隨機樣本，則用戶畫像分析模型表達式如下：

式中：K(M,N)為用戶畫像分析模型表達式；為標簽數據隨機分布系數；Nn為一般用戶的隨機參數；λ為標簽數據經驗分布系數；Mm為優質用戶的隨機參數。由此得出畫像分析模型的大數據評估變量如下：

式中：F(n1,n2,…,nj)為畫像大數據評估變量；j為常數；ni為第i個評估數據；n1、n2、nj分別為第 1、2、j個評估數據。根據大數據評估變量的計算，本文得出用戶滿意度指標如下：

式中：ΔP為用戶滿意度指標；P(0)為初始評價指標；P(1)、P(2)、P(j)為第1、2、j次評價指標。經過用戶虛擬畫像的生成，重新使用大數據技術對用戶虛擬畫像進行數據核對，從唯一性、完整性、一致性、有效性等4個方面進行數據核對。唯一性核對時，用戶畫像標簽數據滿足變量唯一性，并能在多種數據中識別出唯一的用戶。完整性核對時，用戶畫像標簽數據的范圍、數量以及維度完整。一致性核對時，用戶畫像標簽數據來源一致，經過行為差異特征的多次提取之后，仍能與標簽數據保持一致。有效性核對時，用戶畫像標簽數據無缺失、無異常。經過上述數據核對之后，用戶畫像標簽數據更加完善。

2 實例分析

2.1 企業概況

為了驗證本文設計的分析方法是否具有實用效果，對上述方法進行實例分析驗證，選取X電力企業為分析對象進行用戶圖像分析。X電力企業是中小型企業，其電力網區包括a、b、c、d這4個區，受到天氣影響，電力供應較為不穩定，用戶滿意度逐漸下降。X電力企業在1月、2月、3月內，收到了用戶工單數據10萬條，其中用戶對當前服務不滿意的投訴有2 142條，用戶滿意度水平較低。平均電量負荷增長情況如圖2所示。

圖2 一季度平均電量負荷情況圖

根據圖2，a區電量使用在15 000～25 000 kW·h，電量使用較為不穩定；b區電量使用在15 000～20 000 kW·h，電量使用情況處于持續增長態勢；c區電量使用在10 000～20 000 kW·h，電量使用情況處于持續降低的態勢；d區電量使用在10 000 ～15 000 kW·h，電量使用情況同屬于持續降低的態勢。由于電壓不穩定，用戶使用量減少，因此用戶投訴現象持續增加。

針對此現象，使用本文設計的用戶畫像標簽分析方法提取a、b、c、d網區的用戶用電行為差異特征。a網區的電力用戶普遍為早晚用電，在早上與晚上集中用電時，電壓不穩定，引起網區居民投訴；b網區的電力用戶普遍為白天用電，電力使用不集中，電壓較為穩定，居民投訴較少；c與d網區的電力用戶為晚上用電，同樣為集中用電的情況，電壓不穩定，網區居民投訴較多。根據此結果，將其生成早晚用電、白天用電、晚上用電等3種用戶畫像標簽。在a網區集中早晚供電，保持早晚電壓穩定；在b網區集中白天用電，保持白天電壓穩定；在c、d網區集中晚上供電，保持晚上電壓穩定。此種供電條件下，居民用電投訴明顯減少，滿意度得以增加。

2.2 分析結果

在上述分析條件下，選取10個評分段，具體實驗結果如表1所示。

表1 分析結果

根據表1，每一個評分段對應著一個用戶基本滿意度指標。客戶滿意度指標低于0.850，對用戶圖像標簽的分析水平一般；客戶滿意度指標超過0.850，對用戶圖像標簽的分析水平合格；客戶滿意度指標超過0.900，對用戶圖像標簽的分析水平良好；客戶滿意度指標超過0.950，對用戶圖像標簽的分析水平優秀；客戶滿意度指標達到1.000，對用戶圖像標簽的分析水平最佳。本文設計電力用戶畫像構建分析方法用戶滿意度指標相對較高，均能超過基礎滿意度指標。其中，(0,10]評分段的客戶滿意度指標最低，為0.994，電力客戶圖像標簽分析水平優秀；(90,100]評分段的客戶滿意度指標最高，為1.000，達到了分析最佳水平。從50～90分的評分段中可以看出，本文設計的分析方法用戶滿意度始終保持在0.999的優秀標準，用戶行為整體把控能力較強，符合本文研究目的。

3 結 論

近些年來，電力使用量增加，人們對電力企業的供電需求有了新的變化。電力服務與供電質量是電力用戶最關心的問題，企業只有不斷完善供電機制，建立健全的服務體系，才能實現用戶少投訴的目標。在大數據技術的加持下，本文設計了電力用戶畫像構建分析方法。通過提取用戶行為特征，生成用戶畫像表現，再構建一個行為評估模型，提高用戶行為的精準分析效果。最終分析結果表明，本文設計的分析方法具有良好的分析效果，用戶滿意度指標較高，可以應用于實際生活中。