基于电力大数据的营销“量、价、费”稽查方案探究

李慧羿 黄小奇 吴刘燕 蔡燕芬

关键词：大数据；营销；稽查

1背景

电费作为电力企业的主要收入来源，不仅支撑着电力企业正常稳定的运行，同时保证了电力营銷工作有序、优质、高效地开展。因而，电力营销是电网经营企业的所有业务的核心，是重中之重。随着现代电网规模的不断扩大、稽查工作内容的不断完善，电力企业对电费稽查的效率、稽查范围、稽查内容提出更高的标准。一方面，这对工作人员的稽查水平、核收工作能力和工作质量提出了更高的要求。另一方面，面对海量的电量电费数据，如何充分利用数据资源，实现稽查过程的可视可控，全面提高工作质量、效率，成为摆在智能化稽查面前的一个关键性问题。

然而，在实际工作中，由于营销信息系统还存在诸多问题，电费电量数据质量参差不齐，现有稽查规则不完善，异常工单数量繁多，可能导致盲目的现场稽查，不仅耗费人力物力，还使得全方位开展用电稽查工作难以实现。

2电费稽查系统中存在的问题

现有电费稽查系统中存在如下问题：营销系统数据质量参差不齐、计费参数执行异常情况复杂、稽查系统缺乏及日寸反馈机制。

2.1营销系统数据质量参差不齐

现有电费稽查系统内置规则不完善，不能根据最新电价政策及时进行更新，因而无法确保稽查结果的准确可靠。

2.2计费参数执行异常情况复杂

计费参数执行异常的情况数量大、种类多，电价政策特殊户情况多，难以精确定位异常原因，对提出解决方案具有较大挑战。

2.3稽查系统缺乏及时反馈机制

稽查系统还有待完善，对现存的异常情况缺少及时反馈结果的实时响应机制。

3解决方案

针对以上问题，我们选取了五种典型的计费参数执行异常情况进行深入分析，并且结合海量电费数据及多个相关字段分析执行异常的关键指标，提出了一种基于MECE（Mutually Exclusive CollectivelyExhaustive）理论模型的计费参数执行异常分类方法。根据MECE模型相互独立、完全穷尽的原则，在确立主要异常问题的基础上，往下层层分解，对异常类型不重叠、不遗漏的分类，剖析问题根本，把握问题的核心，进一步完善细化稽查规则，高效精益地解决计费参数执行异常问题。

在MECE分类模型的基础上，应用综合评价分析方法和大数据分析及挖掘技术，汇总计费参数执行异常的指标及计算逻辑，编制对应的计算脚本代码，按月开展量、价、费综合分析工作，实现了快速定位问题焦点，解决了人工处理情况下更新不及时、效率低下、汇总繁琐等问题。此外，应用ETL工具和可视化技术，基于广东电网数据云平台开发并上线应用，实现业务人员对计费参数执行异常的远程监控、异常类型的精准定位、异常原因的多维度分析。

在实际工作过程中，业务人员利用基于数据云平台的计费参数执行异常分析应用的大数据分析结果进行远程监控，能够全面、直观地看到所有异常用电户的情况，结合挖掘技术对异常原因进行智能识别，进一步将异常工单下发至相关责任单位、供电所或责任班组，有的放矢地进行现场核查。

相关责任单位在收到异常工单后，定位异常根本原因，有针对性地进行核查整改，并将结果通过计费参数执行异常分析应用程序进行反馈。由此打通了监控一筛查一反馈的双向渠道，最终实现了稽查流程的完整闭环。其中反馈结果分为3类：（1）属于电量电费计收异常，需要现场核查整改；（2）属于计费参数不规范，需要维护档案，提高数据质量；（3）属于特殊情况的用户，在应用上设为白名单。

方案的架构如图1所示。

4技术实施

4.1项目采用的技术原理

（1）由于营销系统中数据质量参差不一，导致可能无法得出正确的分析结论，从而浪费不必要人力物力。因此，采用综合评价分析方法（ComprehensiveEvaluation），使用系统性、规范性的方法对多个指标同时评价、打分，直接涉及量、价、费的字段则定位为关键指标，进一步结合容量、关联户、行业及电价类型等多维度信息，综合评价数据质量，选取数据质量得分最高的组合，再将该数据组合输入计费参数执行异常判断流程，基于MECE模型实现异常类型的超细分，完善稽查规则，建立计费参数异常分析规则模型库，实现异常工单准确定位。

（2）为实现计费参数执行异常的远程监控及数据的动态更新，依托广东电网数据云平台ETL技术（Extract-Transform-Load），实现数据从来源端经过抽取、转换、加载至目的端的过程，抽取营销系统数据，有机结合各个供电所的反馈结果，通过数据挖掘剔除非异常数据设置为白名单，基本实现页面内容实时动态更新，避免异常工单重复下发。

4.2技术实现

技术上的实现思路和整体分层设计如图2所示。

4.2.1建立异常类型规则模型库

首先建立异常类型规则模型库。该库主要包括5种异常类型：变损异常、力率执行异常、工业用户未执行峰谷电价、两部制电价执行异常、同名同址用户电价执行异常。

以变损异常为例，其规则模型如下。

判据范围：【计量点用途】=【一般计费表】，【运行标志】=【运行】；

（1）【计量方式】=【高供低计】的计量点，其【变损分摊方式】=【不分摊】或【变损计费标志】=【否】或当月变损电量为0（剔除运行天数为0天），视为异常；异常说明为：计量点为高供低计，变损异常。

（2）筛查客户综合档案中【关联户信息】非空的用户或者【计量点关系】非空的用户：母表【计量方式】=【高供高计】或【高供低计】，子表【计量方式】=【高供低计】的用户，子表【变损分摊方式】≠【不分摊】或【变损计费标志】≠【否】或当月变损电量非O，子户视为异常：异常说明为：母计量点已计收变损，子计量点高供低计无需计收变损。

4.2.2搭建大数据处理平台

基于Hadoop搭建数据处理平台。Hadoop作为一個分布式系统基础架构，为开发者隐藏了分布式底层细节，便于开发分布式应用程序，十分适合用于执行本方案中的云计算和大数据分析处理任务。搭建好的数据处理平台可对原始数据进行获取、清洗、格式化和存储等基础的预处理。然后以异常类型规则模型库为分析规则，对预处理后的数据进行异常分析，分析结果将递交给后端服务层处理程序进行下一步的处理。

4.2.3开发后端服务层

后端服务层主要基于Java 8，MVC框架组合库（Struts2，Spring和Hibernate）技术体系开发。其作用是接受接收数据处理平台发送来的大数据分析结果，进行人库存储和向前端展示层返回处理结果的操作。

4.2.4开发前端展示层

后端应用程序接收到前端展示层传来的用户反馈后，将之转交给数据处理平台处理。

数据处理平台结合用户反馈，通过数据挖掘剔除非异常数据，并通过后端服务层程序调用白名单工具程序进行白名单设置。

由此，通过大数据技术和计算机编程技术实现了稽查体系中“监控一筛查一反馈”的闭环流程，实现工作的流程化、规范化、模式化、精准化和高效化。

5应用价值

该方案的研究和实施过程中，我们依据电费稽查规则建立数据质量的综合评分体系，实现了计费参数执行异常多维度综合判断、灵活分析，完善稽查规则，建立计费参数异常分析规则模型库，保证了结论数据的可靠性，大幅提高稽查效率。提出一种基于MECE理论模型的异常分类模型，层层分解计费参数执行异常情况，剖析问题根本，精准定位问题根源。

我们还实现了电费稽查“远程+现场”多方协作，通过下发异常工单、动态更新异常情况，促进了相关责任单位、责任班组、供电所的整改工作，落实了各单位的稽查责任，实现了精益化管理。通过大数据分析和ETL技术，形成了稽查体系中“监控一筛查一反馈”的闭环流程，建设了稽查监控应用体系，实现工作的流程化、规范化、模式化，为进一步推广应用奠定基础。在稽查结果精确度和多方协作运作方面具有很大的应用价值。

5.1基于大数据稽查结果更精准

根据计费参数执行异常应用的远程监控功能，实现“远程+现场”的联动稽查，业务人员根据监控数据进行分析，针对异常情况派发工单给对应的基层单位，有的放矢地开展稽查工作。同时，在当前应用的基础上，持续深化稽查监控体系的应用，实现电费稽查与大数据分析的深度融合，使得远程稽查和现场稽查联动更畅通、更高效。

5.2多方协同运作更高效

通过计费参数执行异常应用的远程监控功能，协同资源调度、共享信息、协同解决问题，针对异常原因分析的结果，共同研究制定系统监控规则和电费稽查业务的场景和流程，构建监控协同运作工作机制，打造电费稽查管理新模式。

6结束语

针对3个传统稽查系统存在的问题（数据质量可靠性低、稽查规则准确率低、稽查体系有待完善），结合2种分析方法（MECE理论方法和综合评价分析方法），建立起5类异常分析规则模型库，然后进一步应用ETL工具，基于数据云平台，开发出一个基于数据云平台的计费参数执行异常分析应用程序，最终形成一套异常工单下发有依据、远程可监控、落实有反馈的智慧稽查实施方案，对电力营销企业的稽查智能化探索具有一定的参考价值。