謝 穎, 王 征, 趙永良
(1.國網(wǎng)浙江省電力有限公司紹興供電公司,浙江 紹興 312000;2.國家電網(wǎng)有限公司,北京 100031)
“量、價(jià)、費(fèi)、損”是電力公司經(jīng)營業(yè)績與同業(yè)對標(biāo)核心指標(biāo),也是客戶服務(wù)與營銷風(fēng)險(xiǎn)控制的焦點(diǎn)環(huán)節(jié)[1]。受經(jīng)濟(jì)形勢與產(chǎn)業(yè)轉(zhuǎn)型升級影響,2016年浙中某地區(qū)用電量增速放緩,1—9月,全社會用電量271.45億kWh,同比增長0.98%,全省排名第7;工業(yè)用電量214.87億kWh,同比減少0.68%,用電營銷形勢較為嚴(yán)峻[2]。
以下從提升主動服務(wù)能力入手,利用現(xiàn)有用電信息采集系統(tǒng)電量與負(fù)荷實(shí)時(shí)數(shù)據(jù),構(gòu)建基于用戶日電量波動率、變化率、負(fù)荷利用率指標(biāo)的用電風(fēng)險(xiǎn)識別模型,完善現(xiàn)有市場分析預(yù)測方法,改進(jìn)以往只關(guān)注月度結(jié)算電量,容易造成信息獲取滯后、過程預(yù)控手段缺乏的問題[3]。
考慮到用戶與用電信息采集系統(tǒng)數(shù)據(jù)規(guī)模較大,僅選取該地區(qū)報(bào)裝容量在1 000 kVA及以上用戶作為分析對象,其用電量約占地區(qū)售電量的70%,具有較強(qiáng)的樣本適應(yīng)性[4]。分析模型結(jié)合營銷業(yè)務(wù)特點(diǎn),運(yùn)用大數(shù)據(jù)分析方法,對2016年用電數(shù)據(jù)進(jìn)行分析與鉆取,總結(jié)當(dāng)前用電形勢的行業(yè)、地域、季節(jié)變化特征,篩選和預(yù)警高危用戶,有效提升主動服務(wù)能力,降低電費(fèi)回收等經(jīng)營風(fēng)險(xiǎn)[5-6]。
由于用戶的電量及負(fù)荷數(shù)據(jù)來源于用電信息采集系統(tǒng),而系統(tǒng)受信號干擾、設(shè)備故障等原因可能出現(xiàn)部分?jǐn)?shù)據(jù)缺失、失真的情況,會影響分析結(jié)果,對此使用拉格朗日插值法對缺失、失真的數(shù)據(jù)進(jìn)行補(bǔ)全[7]。
拉格朗日插值法的公式見式(1),其原理就是對實(shí)踐中的某個(gè)物理量進(jìn)行觀測,在若干個(gè)不同的地方得到相應(yīng)的觀測值(x0, x1, x2, …, xn), 找到一個(gè)多項(xiàng)式lk(x),其恰好在各個(gè)觀測的點(diǎn)取到觀測的值[8-9]。數(shù)學(xué)上來說,拉格朗日插值法可以給出一個(gè)恰好穿過二維平面上若干個(gè)已知點(diǎn)的多項(xiàng)式函數(shù)[10]。
線性回歸是利用數(shù)理統(tǒng)計(jì)中回歸分析,來確定兩種或兩種以上變量間相互依賴的定量關(guān)系的一種統(tǒng)計(jì)分析方法?;貧w分析中,只包括一個(gè)自變量和一個(gè)因變量,且二者的關(guān)系可用一條直線近似表示,這種回歸分析稱為一元線性回歸分析[11-16]。
線性回歸算法主要用于計(jì)算用戶日電量的變化趨勢,下文中將會具體闡述。
根據(jù)用電業(yè)務(wù)特征以及大數(shù)據(jù)分析處理理論,歸納總結(jié)出了3項(xiàng)反映用戶電量情況的指標(biāo),并對這3項(xiàng)指標(biāo)分別進(jìn)行了深入的數(shù)據(jù)挖掘。
2.1.1 電量波動率指標(biāo)σ
利用方差原理計(jì)算日電量的離散程度,用于分析統(tǒng)計(jì)期間用戶日用電量均衡程度,模型定義為:
i為累計(jì)時(shí)長。σ為標(biāo)準(zhǔn)差模型,其值越大,說明樣本偏離度越高,也即電量波動大,反之電量波動小。σ過大往往反映出企業(yè)經(jīng)營狀況的波動與不穩(wěn)定。
2.1.2 負(fù)荷利用率指標(biāo)μ
用于分析統(tǒng)計(jì)期間用戶報(bào)裝容量的利用效率,模型定義為:
式中:cap為報(bào)裝容量;cosθ為功率因數(shù)(一般取0.9)。μ表示實(shí)際用電量與需求電量之比,其值越大表示負(fù)荷利用率越高,反之負(fù)荷利用率低。μ連續(xù)過高反映出可能存在超容用電情況,μ過低反映用戶可能存在生產(chǎn)狀況不佳或報(bào)裝方案不合理。
2.1.3 電量變化率指標(biāo)λ
利用線性回歸算法計(jì)算出日電量變化的擬合值,用于分析統(tǒng)計(jì)期間用戶日用電量變化趨勢,模型定義為:
式中:ti為時(shí)間序列;N為累計(jì)時(shí)長。λ為線性回歸分析的線性擬合函數(shù)斜率,λ>0表明電量逐日增加,λ<0表明電量遞減。λ出現(xiàn)較大負(fù)值往往反映用戶經(jīng)營狀況出現(xiàn)不良態(tài)勢。
在完成了電量波動率指標(biāo)σ、負(fù)荷利用率指標(biāo)μ、電量變化率指標(biāo)λ這3個(gè)指標(biāo)獨(dú)立分析的基礎(chǔ)上,進(jìn)一步構(gòu)建用戶電量分析模型。該模型將這3個(gè)指標(biāo)做為評價(jià)用戶風(fēng)險(xiǎn)的重要依據(jù),按照用戶所滿足的閥值條件的數(shù)量劃歸為3類,所建模型如圖1所示。
圖1 用電行為分析模型示意
(1)潛在風(fēng)險(xiǎn)用戶:只滿足3個(gè)指標(biāo)閥值中1個(gè)閥值的用戶,此類用戶在生產(chǎn)過程中存在一定的不穩(wěn)定因素,電費(fèi)風(fēng)險(xiǎn)有加大的可能性,業(yè)務(wù)部門可根據(jù)行業(yè)及地域情況有側(cè)重地加以關(guān)注。
(2)一般風(fēng)險(xiǎn)用戶:只滿足3個(gè)指標(biāo)閥值中2個(gè)閥值的用戶,此類用戶的生產(chǎn)不穩(wěn)定性較大,電費(fèi)風(fēng)險(xiǎn)也較大,業(yè)務(wù)部門需要加以關(guān)注。
(3)高風(fēng)險(xiǎn)用戶:指同時(shí)滿足3個(gè)指標(biāo)閥值的用戶,此類用戶生產(chǎn)存在重大的不穩(wěn)定性,業(yè)務(wù)部門需要加以重點(diǎn)關(guān)注和持續(xù)跟蹤。
本節(jié)根據(jù)某電力公司2016年用戶日電量及日負(fù)荷數(shù)據(jù),利用用電行為分析模型進(jìn)行分析,并給出示例。
3.1.1 電量波動指標(biāo)閥值確定
數(shù)理統(tǒng)計(jì)表明,2016年1—9月,該地區(qū)1 000 kV以上大用戶日電量波動率σ呈指數(shù)分布,波動率σ在[0,0.07]區(qū)間用戶密度最大,占比超過70%;[0,0.15]區(qū)間用戶占比超過90%;σ>0.2的用戶占比約5%,確定日電量波動率95%置信區(qū)間為[0,0.2]。由此選定σ>0.2作為電量波動異動判斷閾值,并進(jìn)行跟蹤分析。
3.1.2 電量波動典型用戶定位
在確定了指標(biāo)閥值的基礎(chǔ)上,篩選出2016年電量波動指標(biāo)大于0.2的用戶,則可對用戶行業(yè)分類、典型用戶進(jìn)行下鉆分析。
從圖2可以看出,2016年紡織業(yè)、造紙業(yè)、非金屬礦產(chǎn)業(yè)行業(yè)占比最高,總計(jì)超過75%,反映出地區(qū)產(chǎn)業(yè)結(jié)構(gòu)特征與經(jīng)濟(jì)調(diào)整的影響。
圖2 波動率過大用戶行業(yè)分布
在此基礎(chǔ)上,還可以繼續(xù)對用戶進(jìn)行下鉆,如將閥值調(diào)整到0.3,發(fā)生次數(shù)調(diào)整為2次,定位到共有13家用戶符合條件,其中某紙業(yè)公司具有典型特征,該用戶1—9月的波動率均在0.4以上,9月更是達(dá)到了0.73,從電量波動情況可以看出該用戶的生產(chǎn)較不穩(wěn)定,經(jīng)過業(yè)務(wù)部門核查,確定用戶產(chǎn)能的確出現(xiàn)下降,隨即采取措施,及時(shí)預(yù)防電費(fèi)風(fēng)險(xiǎn)的產(chǎn)生。
負(fù)荷利用率監(jiān)測分兩個(gè)層面進(jìn)行。一方面監(jiān)測負(fù)荷利用率較低(<15%)的情況,主要分析用戶可能存在的生產(chǎn)萎縮或報(bào)裝方案不合理;另一方面監(jiān)測負(fù)荷利用率過高用戶(>100%),主要分析可能存在的安全運(yùn)行與超容用電風(fēng)險(xiǎn),本節(jié)示例只針對利用率較低的用戶。
從圖3看出,區(qū)域A占比最高,一定程度反映這些區(qū)域傳統(tǒng)加工出口企業(yè)面臨新形勢的風(fēng)險(xiǎn)較其他單位大。
圖3 長期低效大用戶占比地域分布情況
以某印染有限公司為例,該用戶原容量2 600 kVA,行業(yè)類別為紡織業(yè),除2月外,7—9月的平均日電量為1 119 kWh,平均利用率為0.05。該用戶7—9月日電量與利用率統(tǒng)計(jì)數(shù)據(jù)見圖4。
圖4 用戶日電量與利用率統(tǒng)計(jì)
7—9月期間,除7月1日外,該用戶日電量均小于1 500 kWh,利用率低于0.07,從用戶的日電量及利用率數(shù)據(jù)可以看出,用戶生產(chǎn)情況較為嚴(yán)峻,通過營銷系統(tǒng)查詢得知用戶于9月16日完成永久減容1 600 kVA,減至1 000 kVA。
日電量變化率采用線性回歸算法,線性擬合系數(shù)λ<0為趨勢遞減用戶,考慮變化趨勢的顯著性,選擇λ<-1%作為電量遞減閾值開展分析。
從圖5可以看出,2016年紡織行業(yè)電量呈遞減趨勢的用戶數(shù)遠(yuǎn)遠(yuǎn)大于其他行業(yè)用戶,出現(xiàn)記錄數(shù)最多的五個(gè)行業(yè)分別為紡織、水泥、造紙、化學(xué)原料、制藥。
圖5 日電量遞減用戶行業(yè)分布
通過模型定位到的高風(fēng)險(xiǎn)用戶共14家,通過營銷系統(tǒng)業(yè)務(wù)變更情況追溯,發(fā)現(xiàn)其中5家2016年出現(xiàn)過暫?;驈?qiáng)停情況。如浙江某家私有限公司,被定位為高風(fēng)險(xiǎn)用戶,且2016年已經(jīng)關(guān)停。
從行業(yè)分布來看,這14家高風(fēng)險(xiǎn)用戶主要在紡織業(yè)和化工業(yè),其余11家雖沒有業(yè)務(wù)變更,但通過對相關(guān)企業(yè)電量、負(fù)荷的連續(xù)追溯表明:在1個(gè)月內(nèi)同時(shí)滿足三率異動閥值,其生產(chǎn)運(yùn)營情況的確需要引起關(guān)注。
基于對電量波動率、負(fù)荷利用率、電量變化率指標(biāo)的分析,構(gòu)建了用戶用電風(fēng)險(xiǎn)識別模型,具有較強(qiáng)的業(yè)務(wù)適用性。模型固化后分析周期可由原有每月縮短到每日進(jìn)行,能夠有效幫助營銷部門提升高風(fēng)險(xiǎn)用戶識別預(yù)控能力。主要創(chuàng)新點(diǎn)表現(xiàn)在以下幾個(gè)方面:
(1)利用用電信息采集系統(tǒng)日電量、日負(fù)荷數(shù)據(jù)對用戶用電行為進(jìn)行分析,改進(jìn)以往只關(guān)注月度結(jié)算電量的方式,大大縮短了用戶分析周期,基本實(shí)現(xiàn)了對用戶的實(shí)時(shí)分析,極大提高了用戶風(fēng)險(xiǎn)定位的及時(shí)性。
(2)通過建模的方式,利用科學(xué)的算法對用戶用電數(shù)據(jù)進(jìn)行特征分析,能夠較為全面、準(zhǔn)確地刻畫用戶用電行為特征,有助于提高業(yè)務(wù)部門的工作效率,具有很強(qiáng)的實(shí)用性。
(3)基于大量的用戶用電數(shù)據(jù),還可以向著預(yù)測用戶電量走勢的方向進(jìn)行拓展,對業(yè)務(wù)部門進(jìn)行負(fù)荷預(yù)測提供科學(xué)有力的輔助,具有很好的拓展性和延伸性。