基于SC-RS的我国工业电力用户价值画像模型研究

电力用户价值画像对于提升我国供电企业的营销服务资源配置效能,提高智慧营销管理水平,从而最大化撬动供电企业的综合效益具有重要的现实意义。现有工业电力用户价值画像模型评级指标体系未能反映国家最新能源政策对我国工业企业的发展要求、无法良好应对现实电力用户用电数据的稀疏性,以及对于新用户价值等级预测的准确性存在提高空间。针对以上问题,本文集成数据挖掘技术中的谱聚类算法(Spectral Clustering,SC)与智能算法中的粗糙集理论(Rough Set,RS),构建了一种优化的数据驱动型工业电力用户价值画像模型,简称SC-RS模型。新模型构造围绕“知识萃取-知识推理-知识服务”的逻辑脉络展开,首先,在“知识萃取”部分,结合我国“碳达峰”目标与“碳中和”愿景,构建优化的我国工业电力用户价值评级指标体系,此外,采用谱聚类技术,并联合网格搜索策略,提炼用户价值等级信息情报;然后,在“知识推理”部分,应用粗糙集理论,继承已有三维规则挖掘框架,构建基于ChiMerge离散法与变异系数的行约简、基于系统依赖度的列约简、基于对象确定性因子的格约简,以及基于规则强度的规则提取方案这一拓展的四维规则挖掘模型,生成用户价值等级规则库;最后,在“知识服务”部分,一方面运用用户价值等级信息情报,构造价值决策系统,以及描摹群体用户价值画像,另一方面运用规则库,呈现可理解的价值知识,以及构造价值等级规则软分类器,实现新用户价值等级预测与个体价值画像描摹。为了展示模型的应用路径与具体步骤,采用实际工业电力用户数据,对模型开展实证研究。结果表明,SC-RS模型构建的评级指标体系紧跟我国电力行业最新发展动态,具有较强先进性;模型能够兼容稀疏性数据,对数据要求低;构造的粗糙四维规则挖掘模型可行有效,且对新用户价值等级的预测准确性高。综上,SC-RS模型能够对电力用户大数据实现价值情报挖掘与利用,是为我国电力企业智慧营销管理赋能的有力工具。

我国工业电力用户价值画像模型构建与应用研究

在新型冠状病毒感染肺炎疫情对我国电力市场造成巨大冲击的宏观背景下,为进一步提升我国供电企业营销服务资源配置效能,最大化撬动供电企业的综合效益,笔者开展了我国工业电力用户价值画像模型研究。本文对电力用户价值进行了分析和定义,从安全稳定价值(S)、经济效益价值(E)、契约信用价值(C)与有序用电价值(O)四个维度,构建了我国工业电力用户价值评级SECO指标模型,并集成智能算法中的RST(粗糙集理论)与数据挖掘技术中的PAM(围绕中心点切割聚类算法),构造了一种半监督自动化用户价值识别、预测与特征展示模型,模型包括基于RST的指标体系设计、基于Gower相异度系数与PAM的用户价值评级,以及基于用户画像的价值特征展示三大模块。其中,为增强聚类分析结果的科学性与可靠性,采用霍普金斯统计量进行聚类趋势判断,利用间隔统计量输出理论最佳聚类数目,运用轮廓系数评估模型效果与识别误判样本。以我国南方电网公司下属某供电企业电力用户数据进行模型测试与应用研究,得到具有较高解释性与区分度的用户细分方案,表明本模型是一套可行有效的用户价值评级与特征可视化工具。