论文部分内容阅读
摘 要：本文首先阐述了数据概念及特征，接着分析了大数据技术在电费核算业务中的实践， 最后对大数据分析技术在电费核算业务中的应用意义进行了探讨。
关键词：数字化;大数据;电网;电费核算
0 引言
随着电网企业向“数字化、智能化”发展，电网企业大数据时代的到来，电力消费核算业务每年都产生大量的运营数据。这些海量数据必须通过相关的大数据分析工具进行数据挖掘和分析，寻找其业务价值，为电网企业的管理优化提供更有力的支持。
1 数据概念
大数据是指在一段时间内无法用常规软件工具捕获、管理和处理的数据的集合。它是一种庞大、高增长、多样化的信息资产，需要新的处理模式来拥有更强的决策权、洞察发现权和流程优化能力。大数据有五个数据特征：数据量大、数据种类大、处理速度极快、值密度低、数据源真实。
2 电费核算业务特征
目前，电网企业通过营销信息系统对电力核算业务进行运营管理。基本业务模式为：计算完成电表读取数据验证的用户的电费单后，营销信息系统根据具有可调节变量（即功率突变类）的手动设置验证规则，完成对所有电费是否有例外的验证。经系统验证为电费异常的用户，可自动生成地区向（县）供电局“核算人员”出具的“电费异常审查表”。
通过电费核算的业务操作分析，由于系统中可调变量验证规则的阈值是手工设定的，因此手工阈值是基于浅层次的数据比较分析，导致系统筛检测到大量可疑异常数据，每次高达10万。然而，在现场对“核算人员”和“局核算人员”进行第二次审查之后，发现实际异常数据的有效比率低于2%。大量疑似异常工作订单耗费大量人力和时间进行审核，导致效率低下。因此，有必要对电力消耗数据中存在的深层关系和规律进行分析和挖掘，并根据历史数据和算法模型预测未来电力发展趋势，及时、准确地筛查异常电力用户，提高配电的准确性和效率.
3 大数据技术在电费核算业务中的实践
3.1 环境搭建和数据准备
首先，使用大数据平台的沙箱工具访问数据源库表，并设置时间（数据分析的对应频率）来触发ETL操作。然后，通过配置智能smartDBM数据源，它与沙箱系统交互，以获取要分析的数据样本。
本分析是针对用户的用电量，因此取同一组电表读取器的用电量数据作为前期及前期的数据分析样本，并筛选出连续月耗电量为0的电力数据，以减少分析干扰。计算各类电力用户的功率涨落率和功率差，包括：特殊用户的功率涨落率和功率差、非居民的功率涨落率和功率差等。居民的功率涨落率和功率差，考户的功率涨落率和功率差。一个家庭的功率波动率和功率差。
3.2 分析过程
通过绘制电涨率的直方图和电差的直方图，观察到用户的电涨率与典型正态分布是一致的。对于这种分布，从统计的角度分析了合理的波动性和差异范围。利用“超过中位数四分点差”的异常数据诊断算法，该算法对一组相同类型的数据进行排序，然后测量序列数据的分散程度，可以测量中位数的代表级别。本项目的具体做法是，根据功率差和波动性，对环的上一期和上一期的同类用户（如常住用户）的数据进行分类，并将所有数据分成4个相等的部分，每个序列有3点。与这三点位置对应的功率差（波动性）称为四分位，其中较低的四分位在样本数据由小到大排列后等于25%的值，而中位数则是从小到大的样本数据。值的50%，上四分位数在样本数据由小到大排列后等于75%的值，四分位数=（上四分位数-下四分位数），那么这一类用户的电池差（波动性）的异常阈值=中位数+2×四分位差。采用四分位算法计算突增、突减、突增、突损的阈值。根据这一阈值，系统中设置了可调变量的验证规则，并对异常客户进行了检查。自动生成“电差评审列表”发布评审。
3.3 实践效果
利用大型数据分析技术，合理确定电力用户用电异常的阈值，并在对电费账单进行审查后，将其纳入市局电力核算业务。电的异常效率验证如下：期间（平均）电的异常效率为10.5%，低于2%的效率有了很大的提高;同时，电力计算的准确性和效率也有了显著的提高。每期电力计算工作总量由660天减少到125天，电力发放准确率由2017年的88.22%提高到2018年的96.45%。
4 大数据分析技术在电费核算业务中的应用意义
一是提高电力营销和电费核算水平。以整个业务价值流动过程为切入点，从精益管理的角度进行工作价值的确定，明确当前业务中存在的主要问题。利用大数据分析技术，挖掘数据资产的价值，为企业人员针对各问题设定可调整核算规则的门槛提供了科学依据，有效提高了电力的异常效率，从而提高了工作效率。
提高客户满意度和员工积极性。采用大数据技术，支持对电费单进行精益审查，从而减少电费单错误，促进电费单准确性的提高，进而促进消费者满意度的提高;同时，通过提高电力计算效率，减少了基层供电公司核算人员的投诉，提高了职工的积极性。
提高核算信息的准确性。完善核算管理机制，提高抄表准确性，有效保障抄表等初步数据收集工作的正常发展，对核算人员进行技术培训，提高核算的准确性，引进新的信息化软件。更新原有核算制度，提高准确性，对所有电力客户实行全方位控制，及时发现客户异常变化，集中处理，避免电力公司经济损失过大。
5 结束语
为了将电网企业转化为“数字化、智能化”，必须结合大数据技术，将数字信息转化为决策信息，为企业的发展提供基础。目前，电力数据仅为初步勘探和应用阶段。在平台能力、数据标准、处理模型、人才建设等方面需要进一步研究和完善。可以预期，大数据技术将为网格企业带来巨大的价值，实现从业务驱动到数据驱动的发展模式的转变。
参考文献
[1]李林蔚. 大数据背景下电力行业数据应用研究[J].中国新通信.2016（16）
[2]彭小圣，鄧迪元，程时杰，文劲宇，李朝晖，牛林. 面向智能电网应用的电力大数据关键技术[J].中国电机工程学报.2015（03）
[3]王雪峰. 大数据技术在电力行业的应用思考[J].通讯世界.2014（15）
[4]彭志威. 计算机智能化在电力抄表核算业务中的应用探讨[J].科技展望.2015（18）
[5]石海霞，刘艳红. 计算机智能化在电力抄表核算业务中的应用[J].黑龙江科技信息.2016（35）
[6]秦霞，佟春蕾，刘丽萍. 电力抄表核算业务的智能化发展[J].产业与科技论坛.2018（15）
关键词：数字化;大数据;电网;电费核算
0 引言
随着电网企业向“数字化、智能化”发展，电网企业大数据时代的到来，电力消费核算业务每年都产生大量的运营数据。这些海量数据必须通过相关的大数据分析工具进行数据挖掘和分析，寻找其业务价值，为电网企业的管理优化提供更有力的支持。
1 数据概念
大数据是指在一段时间内无法用常规软件工具捕获、管理和处理的数据的集合。它是一种庞大、高增长、多样化的信息资产，需要新的处理模式来拥有更强的决策权、洞察发现权和流程优化能力。大数据有五个数据特征：数据量大、数据种类大、处理速度极快、值密度低、数据源真实。
2 电费核算业务特征
目前，电网企业通过营销信息系统对电力核算业务进行运营管理。基本业务模式为：计算完成电表读取数据验证的用户的电费单后，营销信息系统根据具有可调节变量（即功率突变类）的手动设置验证规则，完成对所有电费是否有例外的验证。经系统验证为电费异常的用户，可自动生成地区向（县）供电局“核算人员”出具的“电费异常审查表”。
通过电费核算的业务操作分析，由于系统中可调变量验证规则的阈值是手工设定的，因此手工阈值是基于浅层次的数据比较分析，导致系统筛检测到大量可疑异常数据，每次高达10万。然而，在现场对“核算人员”和“局核算人员”进行第二次审查之后，发现实际异常数据的有效比率低于2%。大量疑似异常工作订单耗费大量人力和时间进行审核，导致效率低下。因此，有必要对电力消耗数据中存在的深层关系和规律进行分析和挖掘，并根据历史数据和算法模型预测未来电力发展趋势，及时、准确地筛查异常电力用户，提高配电的准确性和效率.
3 大数据技术在电费核算业务中的实践
3.1 环境搭建和数据准备
首先，使用大数据平台的沙箱工具访问数据源库表，并设置时间（数据分析的对应频率）来触发ETL操作。然后，通过配置智能smartDBM数据源，它与沙箱系统交互，以获取要分析的数据样本。
本分析是针对用户的用电量，因此取同一组电表读取器的用电量数据作为前期及前期的数据分析样本，并筛选出连续月耗电量为0的电力数据，以减少分析干扰。计算各类电力用户的功率涨落率和功率差，包括：特殊用户的功率涨落率和功率差、非居民的功率涨落率和功率差等。居民的功率涨落率和功率差，考户的功率涨落率和功率差。一个家庭的功率波动率和功率差。
3.2 分析过程
通过绘制电涨率的直方图和电差的直方图，观察到用户的电涨率与典型正态分布是一致的。对于这种分布，从统计的角度分析了合理的波动性和差异范围。利用“超过中位数四分点差”的异常数据诊断算法，该算法对一组相同类型的数据进行排序，然后测量序列数据的分散程度，可以测量中位数的代表级别。本项目的具体做法是，根据功率差和波动性，对环的上一期和上一期的同类用户（如常住用户）的数据进行分类，并将所有数据分成4个相等的部分，每个序列有3点。与这三点位置对应的功率差（波动性）称为四分位，其中较低的四分位在样本数据由小到大排列后等于25%的值，而中位数则是从小到大的样本数据。值的50%，上四分位数在样本数据由小到大排列后等于75%的值，四分位数=（上四分位数-下四分位数），那么这一类用户的电池差（波动性）的异常阈值=中位数+2×四分位差。采用四分位算法计算突增、突减、突增、突损的阈值。根据这一阈值，系统中设置了可调变量的验证规则，并对异常客户进行了检查。自动生成“电差评审列表”发布评审。
3.3 实践效果
利用大型数据分析技术，合理确定电力用户用电异常的阈值，并在对电费账单进行审查后，将其纳入市局电力核算业务。电的异常效率验证如下：期间（平均）电的异常效率为10.5%，低于2%的效率有了很大的提高;同时，电力计算的准确性和效率也有了显著的提高。每期电力计算工作总量由660天减少到125天，电力发放准确率由2017年的88.22%提高到2018年的96.45%。
4 大数据分析技术在电费核算业务中的应用意义
一是提高电力营销和电费核算水平。以整个业务价值流动过程为切入点，从精益管理的角度进行工作价值的确定，明确当前业务中存在的主要问题。利用大数据分析技术，挖掘数据资产的价值，为企业人员针对各问题设定可调整核算规则的门槛提供了科学依据，有效提高了电力的异常效率，从而提高了工作效率。
提高客户满意度和员工积极性。采用大数据技术，支持对电费单进行精益审查，从而减少电费单错误，促进电费单准确性的提高，进而促进消费者满意度的提高;同时，通过提高电力计算效率，减少了基层供电公司核算人员的投诉，提高了职工的积极性。
提高核算信息的准确性。完善核算管理机制，提高抄表准确性，有效保障抄表等初步数据收集工作的正常发展，对核算人员进行技术培训，提高核算的准确性，引进新的信息化软件。更新原有核算制度，提高准确性，对所有电力客户实行全方位控制，及时发现客户异常变化，集中处理，避免电力公司经济损失过大。
5 结束语
为了将电网企业转化为“数字化、智能化”，必须结合大数据技术，将数字信息转化为决策信息，为企业的发展提供基础。目前，电力数据仅为初步勘探和应用阶段。在平台能力、数据标准、处理模型、人才建设等方面需要进一步研究和完善。可以预期，大数据技术将为网格企业带来巨大的价值，实现从业务驱动到数据驱动的发展模式的转变。
参考文献
[1]李林蔚. 大数据背景下电力行业数据应用研究[J].中国新通信.2016（16）
[2]彭小圣，鄧迪元，程时杰，文劲宇，李朝晖，牛林. 面向智能电网应用的电力大数据关键技术[J].中国电机工程学报.2015（03）
[3]王雪峰. 大数据技术在电力行业的应用思考[J].通讯世界.2014（15）
[4]彭志威. 计算机智能化在电力抄表核算业务中的应用探讨[J].科技展望.2015（18）
[5]石海霞，刘艳红. 计算机智能化在电力抄表核算业务中的应用[J].黑龙江科技信息.2016（35）
[6]秦霞，佟春蕾，刘丽萍. 电力抄表核算业务的智能化发展[J].产业与科技论坛.2018（15）