基于配网新形态下电费风险模型构建与应用

doi:10.11930/j.issn.1004-9649.202101015

中国电力 ›› 2021, Vol. 54 ›› Issue (8): 98-102.DOI: 10.11930/j.issn.1004-9649.202101015

基于配网新形态下电费风险模型构建与应用

戴璐平¹, 瞿青¹, 黄露¹, 潘晔²

1. 国网上海市电力公司，上海 200120;
2. 上海欣能信息科技发展有限公司，上海 200025

收稿日期:2021-01-05 修回日期:2021-05-17 发布日期:2021-08-05
作者简介:戴璐平(1977-),男,高级经济师,从事电力营销业务客户服务及电费管理研究,E-mail:dailp@sh.sgcc.com.cn;瞿青(1979-),女,经济师,从事电力营销业务客户服务及电费管理研究,E-mail:quqing@sh.sgcc.com.cn;黄露(1981-),女,高级营销师,从事电力营销业务电费及电价管理研究,E-mail:huanglu@sh.sgcc.com.cn;潘晔(1981-),男,通信作者,工程师,从事电力信息化建设及大数据应用研究,E-mail:8145962@qq.com
基金资助:
上海张江国家自主创新示范区专项发展资金重大项目(市北区块链生态谷创新能力建设及重大行业应用示范，ZJ2020-ZD-003)

Modelling and Application of Electricity Marketing Tariff Risk Prediction Driven by New Forms of Distribution Networks

DAI Luping¹, QU Qing¹, HUANG Lu¹, PAN Ye²

1. State Grid Shanghai Municipal Electric Power Company, Shanghai 200120, China;
2. Shanghai Shineenergy Information Technology Development Co.,Ltd., Shanghai 200025, China

Received:2021-01-05 Revised:2021-05-17 Published:2021-08-05
Supported by:
This work is supported by Shanghai Zhangjiang National Independent Innovation Demonstration Zone Special Development Fund Major Projects (Innovation Capability Construction and Major Industry Application Demonstration of Shibei Block Chain Ecological Valley, No.ZJ2020-ZD-003)

摘要/Abstract

摘要： 随着大数据时代来临，在电力企业数字化转型的过程中，配电网工作从简单满足基本负荷需求，向为客户提供个性化方案的市场化转变，给配电网及电力营销业务融合提出了更高要求。电费管理成为营销优质服务的主要考核指标。通过大数据手段，结合各网省的业务特性，构建具有一定通用性的电费风险预测模型，助力营销市场的标准化、精益化建设，实现电费风险防控、降本增效。

关键词: 配电网, 数字化转型, 电费回收风险, 机器学习

Abstract: In the era of big data, digital transformation is being carried out for electric power companies. The role of distribution network would shift from satisfying basic load requirements to providing customers with personalized solutions, proposing high requirements for electricity marketing services. Electricity fee management has long become the main evaluation indicator for marketing quality services. The goal of this work is to build a universal model of tariff risk prediction based on big data techs and provincial features. In this regard, the risk of tariff and the operation costs would be controlled.

Key words: distribution network, digital transformation, risk of electricity charge recovery, machine learning

戴璐平, 瞿青, 黄露, 潘晔. 基于配网新形态下电费风险模型构建与应用[J]. 中国电力, 2021, 54(8): 98-102.

DAI Luping, QU Qing, HUANG Lu, PAN Ye. Modelling and Application of Electricity Marketing Tariff Risk Prediction Driven by New Forms of Distribution Networks[J]. Electric Power, 2021, 54(8): 98-102.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://www.electricpower.com.cn/CN/10.11930/j.issn.1004-9649.202101015

https://www.electricpower.com.cn/CN/Y2021/V54/I8/98

参考文献

[1] 裘华东, 涂莹, 丁麒. 基于标签库系统的电力企业客户画像构建与信用评估及电费风险防控应用[J]. 电信科学, 2017, 33(增刊1):206-213
QIU Huadong, TU Ying, DING Qi. Construction of power customer portrait and its credit evaluation and electricity fee risk control based on tag library system[J]. Telecommunications Science, 2017, 33(S1):206-213
[2] 沈赛, 李治成. 基于电力营销工作的电费风险管理问题研究[J]. 通信电源技术, 2018, 35(7):185-186, 190
SHEN Sai, LI Zhicheng. Research on risk management of electricity charges based on power marketing[J]. Telecom Power Technology, 2018, 35(7):185-186, 190
[3] 赵洪, 沈建忠, 王俊, 等. 基于客户画像与机器学习算法的电费回收风险预测模型及应用[J]. 微型电脑应用, 2020, 36(2):93-96
ZHAO Hong, SHEN Jianzhong, WANG Jun, et al. Prediction model of electric charge recycling risk based on customer portrait and machine learning algorithm and its application[J]. Microcomputer Applications, 2020, 36(2):93-96
[4] 周国亮, 孙玉宝, 葛佳, 等. 电能质量大数据云平台的设计与实现[J]. 智能电网, 2014, 2(9):11-15
ZHOU Guoliang, SUN Yubao, GE Jia, et al. Design and implementation of cloud platform for power quality big data[J]. Smart Grid, 2014, 2(9):11-15
[5] 余英, 郭镥, 邓琨, 等. 用电采集数据分析和智能监测系统中大数据分析的设计研究[J]. 自动化与仪器仪表, 2017(5):162-163, 166
YU Ying, GUO Lu, DENG Kun, et al. Design of big data analytics electricity collecting data analysis and intelligent monitoring systems[J]. Automation & Instrumentation, 2017(5):162-163, 166
[6] 魏瑶, 朱伟义, 龚桃荣, 等. 基于数据挖掘技术的用电异常分析系统设计[J]. 电力信息与通信技术, 2014, 12(5):70-73
WEI Yao, ZHU Weiyi, GONG Taorong, et al. Abnormal electric consumption analysis system using data mining[J]. Electric Power Information and Communication Technology, 2014, 12(5):70-73
[7] 李玉林, 董晶. 基于Hadoop的MapReduce模型的研究与改进[J]. 计算机工程与设计, 2012, 33(8):3110-3116
LI Yulin, DONG Jing. Study and improvement of MapReduce based on Hadoop[J]. Computer Engineering and Design, 2012, 33(8):3110-3116
[8] 王相伟, 史玉良, 张建林, 等. 基于Hadoop的用电信息大数据计算服务及应用[J]. 电网技术, 2015, 39(11):3128-3133
WANG Xiangwei, SHI Yuliang, ZHANG Jianlin, et al. Computation services and applications of electricity big data based on Hadoop[J]. Power System Technology, 2015, 39(11):3128-3133
[9] 饶文碧, 袁景凌, 张露, 等. Hadoop核心技术与实验[M]. 武汉:武汉大学出版社, 2017.
[10] 万川梅, 谢正兰. HADOOP应用开发实战详解(修订版)[M]. 北京:中国铁道出版社, 2014.
[11] 谌章义, 毕伟, 向万红, 等. 基于Hadoop的海量电费数据处理模型[J]. 计算机系统应用, 2014, 23(5):37-42
SHEN ZhangYi, BI Wei, XIANG Wanhong, et al. Massive electricity data processing model based on Hadoop[J]. Computer Systems & Applications, 2014, 23(5):37-42
[12] 张宁, 贾自艳, 史忠植. 数据仓库中ETL技术的研究[J]. 计算机工程与应用, 2002, 38(24):213-216
ZHANG Ning, JIA Ziyan, SHI Zhongzhi. Research on technology of ETL in data warehouse[J]. Computer Engineering and Applications, 2002, 38(24):213-216
[13] 段军红, 张乃丹, 赵博, 等. 电力大数据基础体系架构与应用研究[J]. 电力信息与通信技术, 2015, 13(2):92-95
DUAN Junhong, ZHANG Naidan, ZHAO Bo, et al. Research on basic system architecture and application of electric power big data[J]. Electric Power Information and Communication Technology, 2015, 13(2):92-95
[14] 李江峡, 马艳, 古海生, 等. 基于数据驱动的用户用能行为分析方法[J]. 智慧电力, 2020, 48(9):63-68
LI Jiangxia, MA Yan, GU Haisheng, et al. Analysis method of data-driven energy use behavior of users[J]. Smart Power, 2020, 48(9):63-68
[15] 杨茂, 张罗宾. 基于数据驱动的超短期风电功率预测综述[J]. 电力系统保护与控制, 2019, 47(13):171-186
YANG Mao, ZHANG Luobin. Review on ultra-short term wind power forecasting based on data-driven approach[J]. Power System Protection and Control, 2019, 47(13):171-186
[16] 闫腾飞, 尚文利, 赵剑明, 等. 基于遗传算法优化的OCSVM双轮廓模型异常检测算法[J]. 计算机应用研究, 2019, 36(11):3361-3364
YAN Tengfei, SHANG Wenli, ZHAO Jianming, et al. Anomaly detection algorithm based on OCSVM double contour model of genetic algorithm optimization for industrial control system[J]. Application Research of Computers, 2019, 36(11):3361-3364
[17] 赵嫚, 李英娜, 李川, 等. 基于模糊聚类和孤立森林的用电数据异常检测[J]. 陕西理工大学学报(自然科学版), 2020, 36(4):38-43
ZHAO Man, LI Yingna, LI Chuan, et al. Anomaly detection of power consumption data based on fuzzy clustering and isolated forest[J]. Journal of Shaanxi University of Technology (Natural Science Edition), 2020, 36(4):38-43
[18] 王安娜, 李云路, 赵锋云, 等. 一种新的半监督直推式支持向量机分类算法[J]. 仪器仪表学报, 2011, 32(7):1546-1550
WANG Anna, LI Yunlu, ZHAO Fengyun, et al. Novel semi-supervised classification algorithm based on TSVM[J]. Chinese Journal of Scientific Instrument, 2011, 32(7):1546-1550
[19] 姚旭, 王晓丹, 张玉玺, 等. 特征选择方法综述[J]. 控制与决策, 2012, 27(2):161-166, 192
YAO Xu, WANG Xiaodan, ZHANG Yuxi, et al. Summary of feature selection algorithms[J]. Control and Decision, 2012, 27(2):161-166, 192
[20] 何清, 李宁, 罗文娟, 等. 大数据下的机器学习算法综述[J]. 模式识别与人工智能, 2014, 27(4):327-336
HE Qing, LI Ning, LUO Wenjuan, et al. A survey of machine learning algorithms for big data[J]. Pattern Recognition and Artificial Intelligence, 2014, 27(4):327-336
[21] 厉建宾, 吴彬彬, 朱雅魁, 等. 基于大数据分析的客户电费风险预测及防控[J]. 电力大数据, 2019, 22(2):1-6
LI Jianbin, WU Binbin, ZHU Yakui, et al. Prediction and prevention of customer electricity risk based on big data analysis[J]. Power Systems and Big Data, 2019, 22(2):1-6
[22] 刘倩. 商业银行信用风险预警模型的实证研究[J]. 财经理论与实践, 2010, 31(4):13-16
LIU Qian. Empirical study on the pre-alarm model for credit risks[J]. The Theory and Practice of Finance and Economics, 2010, 31(4):13-16
[23] 刘艺梁, 殷坤龙, 刘斌. 逻辑回归和人工神经网络模型在滑坡灾害空间预测中的应用[J]. 水文地质工程地质, 2010, 37(5):92-96
LIU Yiliang, YIN Kunlong, LIU Bin. Application of logistic regression and artificial neural networks in spatial assessment of landslide hazards[J]. Hydrogeology & Engineering Geology, 2010, 37(5):92-96

基于配网新形态下电费风险模型构建与应用

Modelling and Application of Electricity Marketing Tariff Risk Prediction Driven by New Forms of Distribution Networks

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

[1]	高志远, 庄卫金, 李峰, 于芳, 张鸿, 王艳, 夏旻. 调控领域人工智能应用的高复用性验证平台[J]. 中国电力, 2025, 58(3): 142-150.
[2]	贺春光, 王林峰, 曹媛, 安佳坤, 雷子健, 宋关羽, 冀浩然. 考虑综合收益的多电压等级配电网柔性互联装置协同规划方法[J]. 中国电力, 2025, 58(1): 78-84.
[3]	祝士焱, 许寅, 和敬涵, 王颖. 基于多微电网投影的配电系统协调恢复方法[J]. 中国电力, 2024, 57(9): 224-230.
[4]	张亚健, 陈茨, 薛飞, 马丽, 郑敏. 电制氢协同的含高比例光伏配电网两阶段电压随机优化控制[J]. 中国电力, 2024, 57(8): 23-35.
[5]	孙东磊, 孙毅, 刘蕊, 孙鹏凯, 张玉敏. 计及多层级配电网的分布式新能源最大消纳空间分解测算[J]. 中国电力, 2024, 57(8): 108-116.
[6]	凡鹏飞, 李宝琴, 侯江伟, 李嵘, 宋崇明, 林凯骏. 配电网分布式电源经济可承载力评估[J]. 中国电力, 2024, 57(7): 196-202.
[7]	王家武, 赵佃云, 刘长锋, 陈康, 张玉敏. 基于目标级联法的多主体主动配电网自治协同优化[J]. 中国电力, 2024, 57(7): 214-226.
[8]	韩璟琳, 胡平, 侯若松, 陈志永, 李洪涛, 柴园园. 计及多光储一体机的配电网电压优化控制策略[J]. 中国电力, 2024, 57(6): 69-77, 152.
[9]	徐峰亮, 王克谦, 王文豪, 王鹏, 王文烨, 张帅, 赵凤展. 计及激励型需求响应的低压配电网混合储能优化配置[J]. 中国电力, 2024, 57(6): 90-101.
[10]	乔俊峰, 周爱华, 彭林, 王一清, 沈晓峰, 潘森, 杨佩, 黄晨宏. 基于多源数据深度融合的配电网运行评价方法[J]. 中国电力, 2024, 57(6): 193-203.
[11]	张宇, 魏新迟, 冯凯辉, 时珊珊, 孟子涵, 梁媛. 计及分布式光伏承载力的配电网侧独立储能充放电策略[J]. 中国电力, 2024, 57(4): 111-117.
[12]	魏明江, 李鹏, 于浩, 冀浩然, 宋关羽, 习伟. 数字配电网边缘计算模拟实验平台[J]. 中国电力, 2024, 57(3): 12-19.
[13]	焦昊, 殷岩岩, 吴晨, 刘建, 徐春雷, 徐贤, 孙国强. 基于安全强化学习的主动配电网有功-无功协调优化调度[J]. 中国电力, 2024, 57(3): 43-50.
[14]	张博智, 张茹, 焦东翔, 王龙宇, 周一凡, 周丽霞. 基于VMD-SAST的电能质量扰动分类识别方法[J]. 中国电力, 2024, 57(2): 34-40.
[15]	刘国强, 李国春, 郝亚楠, 李贵海, 吴中杰. 低压直流配电网强弱电弧特征及检测算法[J]. 中国电力, 2024, 57(2): 94-102.

模态框（Modal）标题

基于配网新形态下电费风险模型构建与应用

Modelling and Application of Electricity Marketing Tariff Risk Prediction Driven by New Forms of Distribution Networks

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics