环保节能下的电力客户价值评价

卢海明，孟安波

(1.广州地铁集团有限公司，广东 广州 510310；2. 广东工业大学，广东 广州 510006)

环保节能下的电力客户价值评价

卢海明，孟安波

(1.广州地铁集团有限公司，广东 广州 510310；2. 广东工业大学，广东 广州 510006)

在提倡环保节能的大环境下，供电公司的客户服务领域将由单一的供电营销向全面指导用户优化用电方式和节能减排的方向拓展。考虑电力用户的环保节能水平，构建了低碳经济下电力客户价值指标体系，并提出了运用入侵杂草聚类算法评价电力客户价值的新方法。对某市10个工业客户实证分析表明，新算法能有效提高收敛速度和避免陷入局部最优，对聚类性能有较大的提升。通过对电力客户数据进行客观、科学的挖掘分析，实现了对电力大客户全面、准确细分和评价，为供电企业制定有针对性的营销策略提供了依据。

入侵杂草算法；电力客户；社会节能；服务资源优化

随着我国对环境保护的日益重视，可持续发展成为经济发展的首要任务，企业在追求经济效益的同时，必须规划自身的低碳战略[1-2]。近年来，电力市场的逐步建立和完善，使供电企业越来越意识到客户关系管理的重要性，并逐渐形成常态化的客户数据分析工作。如果单纯从电费收入和用电量来评价，一些高能耗企业是供电公司目前利润的重心，但在产业政策调控和市场竞争冲击下，这类企业的用电量又会出现萎缩[3]。因此，在环保节能大环境下，供电企业如何更准确地评价客户价值，细分不同类别的客户，并依此制定客户营销服务策略，为客户提供个性化服务，提升客户满意度，成为供电企业必须解决的一个问题[4]。

针对电力客户价值的评价，文献[5]运用k-means和利益细分方法对电力客户价值进行聚类评价，k-means法具有简单、快速的优点，被广泛应用于数据分析中。但其对初始质心敏感，没有良好的稳定性，并且基于梯度下降进行搜索常常使算法陷入局部最优。文献[6]采用模糊层次分析法对电力客户价值进行评价，评价过程中的判断矩阵需要依靠经验来确定，因此该方法含有较多主观因素，对评价结果影响较大。文献[7]以利益最大化为基础，提出模糊层次分析法与专家判断矩阵相结合对电力客户进行价值评价，但全社会节能减排的要求下，企业的节能参与情况应考虑在价值评价中。

当前，入侵杂草算法(IWO)及其分支杂草聚类算法在实际中的应用比较广泛，具有原理简单、自适应能力强、鲁棒性好等特点。因此，本文尝试采用入侵杂草聚类算法对电力客户进行价值评价。根据《广东电网公司客户分群管理及政策研究管理细则(试行)》，参考国内外已有的客户价值指标体系[8-12]，从当前价值、潜在价值、信用状况、环保节能4个方面建立电力客户价值评价指标体系。实例分析中，以某市10个工业客户为例，运用入侵杂草聚类算法进行电力客户价值评价，并总结不同类别电力客户的特点，对供电企业如何优化服务资源提出建议。

1 环保节能下电力客户价值指标体系构建

目前，通常研究中所指的客户价值为客户终生价值(customer lifetime value，CLV)。客户终生价值包含企业与客户在整个生命周期内交易所能获得的全部收益，对CLV的研究主要有3个视角：企业、客户和企业—客户。

以往研究大多从供电企业发展视角展开，但在绿色经济下，供电企业应对企业用电情况起到一定的监督作用，进而帮助企业节能减排，共同提高效益。因此，结合专家小组和供电企业营销人员的意见，在供电企业利益视角基础上，加入衡量企业环保节能水平的指标，全面评价绿色经济下的电力客户价值，指标体系如图1所示。

图1 电力客户价值评价指标体系

2 入侵杂草聚类算法

2.1 入侵杂草算法(IWO)

入侵杂草算法(invasive weed optimization, IWO)，又称为野草算法，最早由Mehrabian和Lucas于2006年在其论文中提出，是一种基于种群寻优的启发式搜索算法[8]，其灵感来源于模拟杂草入侵过程。该算法具有较强的鲁棒性，算法结构易于实现，寻优过程能够很好地自适应，且参数数目少，设置简单，已被应用到各行各业优化问题的求解上。

在IWO算法中，待优化问题的可行域对应是杂草的生长区域，解空间中的1个可行解对应1个杂草种子，所有杂草的合集称为1个种群。IWO算法的具体实现步骤如下。

a.初始化种群

结合实际优化问题，设置算法的各个参数并随机产生初始种群。

b.种群繁殖

初始种群通过繁殖产生新的杂草种子，为了使种群始终保持正确的进化方向，必须选取个体繁殖能力强、环境适应能力高的优秀种子。在IWO算法中，通过引入适应度来衡量杂草种子的优劣。其具体公式为

(1)

式中：weedi为杂草个体i产生的种子个数；round为取整函数；Smax、Smin分别为设定的最大、最小种子数；f、fmax、fmin分别为当前杂草适应度、当前种群中杂草最大和最小适应度。

c.空间扩散

次代杂草种子根据高斯分布进行空间随机扩散产生新的杂草，其具体公式为

(2)

式中：δinit、δfinal、δIter分别为初始标准差、最终标准差和当前标准差；n为非线性调和因子，一般情况下取n=3；Itermax、Iter分别为最大迭代次数和当前迭代次数。

d.竞争择优

杂草种群经过繁殖和空间扩散之后，种群规模迅速变大，而生态环境的接纳数量却有限，需要对新的杂草种群按照其适应度进行优胜劣汰，只有优秀的个体才能保留作为下一代的父代。

随后，不断重复上述过程，直到满足算法结束条件。图2为IWO算法流程图。

图2 IWO算法流程图

2.2 入侵杂草聚类算法

入侵杂草聚类算法(invasive weed clustering algorithm , IWCA)主要思想是：首先，初始化杂草种群，每个杂草个体由m个聚类中心组成；然后，采用IWO算法在解空间内进行全局搜索，通过种群的迭代进化搜索到k个全局最优的聚类中心；最后把这k个聚类中心作为k-means算法的初始聚类中心继续执行k-means算法进行局部搜索获得最后理想的聚类划分。迭代过程中的适应度函数按照最近邻法则确定，即每个样本被划分到与其最近的聚类中心代表的簇。适应度函数如下：

(3)

3 电力客户价值评价

3.1 数据预处理

根据电力客户价值评价指标体系，考虑数据的真实性和时效性，本文选取2012年南方电网某市供电公司10个工业电力客户进行分析。由于各个评价指标的量纲和数量级不尽相同，为了使数据类型一致，对调查报告中的原始数据进行了一致性处理，首先用式(5)将负向指标和适应指标均转化为正向指标，再用式(6)进行无量纲化处理。

(4)

(5)

3.2 IWCA聚类性能检验

针对IWCA的聚类性能，本文用已有的实例进行检验，实例数据选自文献[7]。

IWCA的参数设置如下：种群个体数目R=20，最大迭代次数Maxgen=300，类别数m=3，评价指标数y=15，解空间维数设为D=3×15=45。文献中根据客户价值的评价得分将客户分为金牌客户(80～100分)，银牌客户(60～79分)，铜牌客户(59分以下)。为方便与文献结果进行对比，IWCA程序中指标数据的预处理和划分会根据文献的划分标准来进行设计。利用Matlab软件运行IWCA程序，输出结果如表1所示。

表1 IWCA电力客户价值评价结果

注：*类别中心值是根据聚类类别内的各指标聚类中心值(百分制)求平均得到的；程序计算时间为1.44 s。

仿真结果显示，第1个聚类中心的各指标中心值分布较为集中，主要在60、70、80分这3个得分点；第2个聚类中心的各指标中心值分布广泛，得分点分布在20～80分；第3个聚类中心的各指标中心值分布集中，主要在75～90分。由表1可知，客户a、b、c为一类，其类别中心值为84.25分，属于金牌客户；客户e为一类，其得分为72.99分，属于银牌客户；客户d为一类，其得分为54.63分，属于铜牌客户。该结论与文献[7]使用模糊层次分析法得出的结论一致，从而验证了IWCA 在电力客户价值评价中的准确性和有效性。

3.3 电力客户价值的IWCA评价

本文选取某市供电公司的10个大工业客户进行实证分析，通过供电公司的营销系统数据库得到客户购电情况、缴费记录相关数据；通过高校环保节能研究专家的客观评估，确定环保节能水平信息；通过与供电公司销售人员进一步分析这些客户的详细情况，确定客户潜在价值相关数据信息。将原始数据经过式(4)—(5)处理后得到的数据各指标标准值输入IWCA模型中。模型初始参数值与3.2节设定相同，聚类收敛曲线如图3所示，聚类结果如表2所示。

从图3中可以看出，IWCA经过110代训练后基本趋向于稳定，且在迭代过程中始终以较大的斜率进行收敛。虽然在25处也有短暂停留，但仅停留5代后就迅速跳出局部极值点，由此可以看出，IWCA能有效克服陷入局部最优的缺陷，在同样的训练代数下，能够得到更精确的结果。由表2可知，客户A、B、C、E为一类，其类别中心值最高，说明此类客户是最有价值的客户；客户I为一类，其类别中心值居中；客户D、F、G、H、J为一类，其类别中心值最低。实例分析显示，聚类结果与实际情况十分贴近。

通过聚类结果以及对 10 个工业电力客户价值评价指标值的分析，可以得出3类工业用电客户的特点，如表 3 所示。将客户A、B、C、E划分为第2类客户，这类客户当前价值、潜在价值、信用状况、环保节能贡献均处于较高水平。绿色经济下，这些企业仍将有稳定的发展前景，故供电企业要与其维持好关系，将有限的服务资源向该类客户

图3 IWCA聚类收敛曲线

表2 电力客户价值评价的IWCA结果

注：程序运行时间为2.56 s。

倾斜，进一步加强双方建立的合作关系。结果中以D、F为代表的第3类客户，当前价值虽然处于中上游水平，但信用状况、节能水平一般。这类企业是社会节能减排的关键，供电企业可以对其提供节能减排规划服务，帮助企业优化资源配置、合理投资节能设备等，并督促这些客户降低碳排放量，早日转化为优质客户。对于像客户I一类的用电客户，尽管不像客户A一类是供电企业优质的客户，但其与供电企业维持着良好的合作关系，并且企业经营情况很好，有很大的发展潜力，是供电企业可以挖掘的对象。因此除了提供基本服务外，还应对这类客户节能水平不佳的情况做出提醒甚至警告，努力将这类客户培养成为最有价值的客户。

表3 3类客户的特点

4 结束语

随着我国电力企业需求侧管理的加强，对电力客户价值进行系统评价已成为必然趋势。与模糊层次分析法等评价方法相比，本文方法避免了利用专家咨询等方法来确定评价指标的权重，减少了主观因素对评价结果的影响，还能减少评价工作中的重复劳动，保证了评价的简易性。通过实证分析, 入侵杂草聚类算法有效克服了k-means法收敛速度慢、容易陷入局部最优等缺点。

绿色经济为大工业企业的发展带来机遇和挑战，环保节能水平成为衡量企业价值的核心组成部分，本文因此建立了环保节能下电力客户价值评价指标体系，实例分析表明了该指标体系的合理性和适用性。

[1] 吴 鹏，吴东升. 合同能源管理在用电节能服务中的应用[J]. 东北电力技术，2011, 32(4): 36-38.

[2] 孙寿广. 低碳经济对电网规划和发展的影响[J]. 中国电力， 2010, 43(3): 1-4.

[3] 胡 博，关 艳，王志斌. 智能用电营销服务一体化应用模型研究与探索[J]. 东北电力技术，2013, 34(12): 10-14.

[4] 罗 欣，周 琪，黄海峰，等. 基于综合价值的优质电力客户评价体系研究[J]. 现代电力，2012, 29(2): 90-94.

[5] 曾 鸣，杨素萍，杨鹏举，等. 社会节能环境下电力客户价值评估研究[J]. 华东电力，2008, 36(6): 15-19.

[6] 任保瑞. 基于模糊综合评判的电力客户信用评价[J]. 现代电力，2011, 28(4): 90-94.

[7] 王松涛. 市场条件下的电力客户价值分析体系[J]. 电网技术， 2010, 34(2): 155-158.

[8] 孙 峰，司红代，孙晓非. 智能电网多指标综合评估体系研究[J]. 东北电力技术，2011, 32(9): 1-7.

[9] 陈 磊. 基于供应链金融的客户价值评价模型研究[J]. 经济问题， 2012(5): 56-59.

[10]高 涛，邓 玲. 智能电网及其国内外发展概述[J]. 东北电力技术， 2012, 33(2): 5-10.

[11]谢传胜，卢键明，胡 笳，等. 基于ABC作业成本法的供电服务差异化选择策略[J]. 现代电力，2009, 26(2): 91-94.

[12]Mehrabian A R, Lucas C. A novel numerical optimization algorithm inspired from weed colonization[J]. Ecological Informatics. 2006, 1(4): 355-366.

Power Customer Value Assessment in Environmental Protection and Energy Saving

LU Haiming，MENG Anbo

(1.Guangzhou Metro Corporation Operation Division, Guangzhou, Guangdong 510310, China;2. Guangdong University of Technology, Guangzhou, Guangdong 510006, China)

Under the environment of advocating energy saving and environmental protection, the customer service of power supply companies will develop from single power supply marketing to guide users to optimize power utility manners and energy saving emission reduction. Considering the environmental protection and energy saving level of power customer, a customer value evaluation index system in low-carbon economy is constructed and a new method to evaluate power customer value is proposed, this method with clustering algorithm is optimized by invasive weed optimization(IWO) and applied to evaluate ten industrial customers of given city. The results show that the convergence speed is improved effectively and local optima can be avoided and the performance of clustering is enhanced greatly. As a consequence, it leads to a comprehensive and accurate segmentation and evaluation for key electric power account, which provides the basis for power supply enterprises #to make targeted marketing strategy.

invasive weed algorithmic;electricity customer; social energy conservation;service resources optimization

F426.61

A

1004-7913(2017)01-0050-04

广东省科技计划项目(2016A010104016);广东省自然科学基金(S2013040013776)

卢海明(1990)，男，硕士，助理工程师，主要研究方向为城市轨道交通供配电。

2016-11-25)