《电力行业大数据案例》由会员分享，可在线阅读，更多相关《电力行业大数据案例（3页珍藏版）》请在装配图网上搜索。
1、电力行业大数据产品案例介绍 西安美林数据技术股份有限公司一、电力行业解决方案营销大数据解决方案,精准分析用电行为,全面提升供电服务 用户用电行为分析解决方案用电量预测供电服务分析用户信用等级评价故障报修影响因素分析运检大数据解决方案,提高资源配置效率,支撑检修策略优化 配网抢修精益化物资消耗与安全库存分析设备全生命周期管理数据分析设备故障分析预测运监大数据解决方案,提升经营管理水平,促进商业模式创新 企业盈利能力分析项目进度预测分析综合计划与预算分析购售电全过程管理分析二、电力行业典型应用案例1. 营销业务数据分析应用示例:故障报修与投诉工单匹配性分析 现状提供高质量的用户服务是电网公司运营的
2、核心任务之一。 而投诉 工单数量则是电力用户满意度的直接反映, 因此要提高客户满意度务 必采取有效措施减少或者维持较少的投诉工单数量。解决方案由于常备检修人员及检修物资是有限的, 设备故障故障过多可能 导致检修人员无法及时检修,从而引起投诉增加。因此,有必要分析 故障报修受理数量引起投诉工单数量增加的临界范围, 从而根据其预 测值形成投资增加风险预警, 并能够指导故障抢修人员值班、 物资配 备等的合理安排,以减少投诉数量。成果通过对故障报修受理水平进行预测, 并以此为基准实现对投诉工 单数量超警戒情况的预警,具体表现为:1辅助配网抢修业务人员分析当前排班计划合理性;2结合历史消耗物资数量情况,
3、辅助业务人员评估当前物资保 障的充足性。2. 运监业务数据分析应用示例主营业务利润率影响因素分析 现状主营业务利润率作为企业盈利增长的重要衡量指标, 受购电成本、 销售电量以及购售电价、 综合线损等多方面因素的影响。 通过数据挖 掘技术探寻成本、 电量与购售电价、 综合线损如何影响企业主营业务 利润率,从而提升公司对经营管理的洞察力。解决方案鉴于主营业务利润率和购电成本、 销售电量以及购售电价、 综合 线损等有关, 通过多元线性回归技术探寻它与成本、 电量与购售电价、 综合线损等指标的相关性, 运用聚类算法对不同地域企业利润率与地 区特征的关系进行研究, 最终建立企业主营业务利润率预测模型,
4、协 助企业进行利润率影响因素的分析。成果1发现影响公司利润率相关的业务指标数据,为经营管理提供 决策支持;2能够发现地区差异与利润率之间的影响因素,为公司制定全 局计划、地区考评方面提供指导。3. 运检业务数据分析应用示例区域配网故障抢修效率监测分析 现状网省公司开展配电网故障抢修精益管理的大数据研究分析, 通过 精益管理, 完善配网抢修机制, 缩短故障复电时间, 提高可靠性水平, 提升客户满意度。解决方案故障抢修效率取决于最终恢复送电时长的长短, 而最终恢复送电 时长为故障派单时长、 到达现场时长和修复时长之和。 利用数据挖掘 算法构建最终恢复送电时长与各抢修环节时长的影响关系模型, 由此 得到各供电单位的各环节的标准效率及阈值。 通过标准效率及阈值指 导网省公司开展故障抢修效率的评价和考核工作。成果1提高故障抢修效率,减少用户的停电损失;降低抢修业务综 合成本,实现经济效益2提升客户满意度,提高故障抢修信息的对外透明度,实现自 动答复功能实现3满足供电服务能力,为运行检修业务提供数据支撑,促进配 电网管理的优化提升。
电力行业大数据案例
