Household or building electricity load forecasting plays an important role for both consumers and electricity producers, but forecasting the electricity demand of individual energy consumers is challenging due to the inherent unpredictability and uncertainty of electricity loads. This paper proposes an LSTM model that combines an adaptive sliding window method with an attention mechanism. Add attention mechanism and sliding window features to improve the prediction accuracy of the model, especially for places where the trend of time series data changes greatly, it can better capture its complex time series patterns and trend changes. On this basis, this paper introduces a window size adaptive change method based on the neighborhood standard deviation, which describes the local change of the data in real time by calculating the standard deviation of the data in a given neighborhood, so that the model can automatically adjust the window size in real time to adapt to the input local features of the data. The performance of the proposed model is extensively compared with that of various baseline forecasting methods, and the comparisons show that the proposed model outperforms other electric load forecasting methods.

Aiming at the challenges of current time series data generation and the slow speed of the generation framework based on generative adversarial networks, we propose a novel architecture for comprehensively generating time series data using variational autoencoders. Specifically: study how to eliminate the heteroskedasticity and non-stationarity of the data, so that when the data is applied to the encoder, it can better conform to the normal distribution assumption; then introduce deep metric learning, based on metric learning to build a more suitable data enhancement discriminative VAE latent space; based on the above two studies, they are integrated to obtain a novel variational autoencoder framework. We verified the necessity of each module through ablation studies; the quality of data generation was evaluated by the similarity and predictability of the three multivariate datasets. Our similarity test results show that the VAE method can accurately represent the temporal properties of the original data. In the prediction task using the generated data, the proposed VAE system can obtain the best results compared with other SOTA algorithms, and the average speed is increased by about 20.2%.

由于目前方法未能分析和挖掘电网用户行为,使用户的商品属性偏好与预计营销偏好存在差异,导致电网企业营销推荐结果不理想,为此提出基于用户行为数据的电网企业营销推荐系统.通过系统硬件和软件相互协作设计,从用户历史行为出发,优先分析处理用户的历史交互行为,对用户的行为喜好进行分类,挖掘用户的商品属性偏好,实现用户近期需求预测以及意向商品推荐.实验结果证明,所设计系统能够有效提升推荐速率和用户满意度,获取效果较好的推荐结果.

Accurate short-term traffic forecasting of power grid can effectively manage personnel, balance personnel costs and improve the quality of electricity customer service. Therefore, this paper proposes a short-term traffic forecasting method based on regression decomposition. Firstly, statistical tools are used to model the periodicity of short-term traffic, the correlation of temperature and the correlation of power outage events. Then, the number of components of the regression-based seasonal trend decomposition framework is customized accordingly. Then, the traffic volume is decomposed by regression decomposition method, the periodic component and trend component are predicted by LSTM, and the temperature component and random component are predicted by WLSSVM. Finally, the effectiveness and superiority of the proposed method are verified by practical examples.

传统电力客服会话正确复述次数较低,问题识别能力随之下降,设计电力智能客服实现技术.提取电力会话语义特征,分类识别各类语义;进行会话语义相似度计算,利用相似函数归一化处理语义相似度;纠正智能会话相似词汇,消除相似会话的识别误差.实验采用对比实验的方式,验证了电力智能客服实现技术的效果更佳.

Objective: In order to build a more accurate and effective power load forecasting model, this paper analyzes it. Methods: Based on the improved parallel fuzzy kernel clustering algorithm, this paper expounds the advantages of the algorithm, the calculation process, and the modeling method and verifies the application effect of the algorithm. Results: The improved parallel fuzzy kernel clustering algorithm is successfully obtained through the analysis and is built by using the algorithm. The application of the model in the verification is effective, which shows that the idea of this topic has certain reference value. Conclusion: The improved parallel fuzzy kernel clustering algorithm has more advantages than the traditional clustering algorithm and has good performance in the actual work, which is worth considering.

为解决售电套餐营销利润以及客户满意度下降、策略制定耗时增加的问题,考虑到售电对象的精准划分,提出一种基于用户画像的售电套餐精细化营销方法.通过分析结果对客户群进行细分,完成目标客户群的精准定位;结合目标客户群精准定位结果组建售客户价值评价指标体系,通过多维聚类技术以及用户画像分析进行客户筛选、识别以及分类,通过客户细分结果,制定不同的售电套餐精细化营销方案.实验结果表明,所提方法不仅有效提升客户满意度以及售电套餐营销利润,还可以有效降低售电套餐营销策略制定耗时.

为快速、准确地识别和认知电网客户,并制定针对性、精细化、个性化的服务方案,从而提升服务质量与效率,该文提出一种自然语言处理技术下电网敏感客户画像多特征提取方法.基于电力系统业务需求方向,选取头脑风暴方式确定电网敏感客户画像标签本相,利用德尔菲法确定和完善与电网业务具有高度相关的标签,由此获取具有应用性的电网敏感客户画像标签.利用自然语言处理技术中的分词、词向量转换以及词权重计算等方法,提取画像标签中的特征:选取N元文法模型确定标签文本中分词计划,选用one-hot模型对分词后的文本实施词向量转换,计算词向量转换后标签文本内的词汇权重,利用词汇权重确定后保留下来的特征词,确定电网敏感客户画像标签文本内的句子情感,实现密度、范围、数量等多特征提取.实验结果表明,该方法特征提取精度优于对比方法,且其特征提取效率受画像标签样本数量提升的影响程度不显著,能够适用于电网大数据环境中.

伴随现代信息技术的快速发展,在电力营销工作中构建信息系统对优化电网正常工作、推动营销活动顺利实施具有十分关键的影响.构建一种基于数据负荷序列聚类的配电网电力营销实时信息系统,当数据接口模块通过现场设备采集电力数据之后,传输至数据操作模块进行数据统计、存储并传输至基本操作模块,设备管理人员可以在基本操作模块刷新配电网电力数据;然后基于该数据通过预警模块使用基于数据挖掘多层次细节分解的负荷序列聚类分析方法,预测电力信息是否存在异常,若存在异常情况,预警模块将及时通知设备管理人员实施修复.经验证,在谐波、电压闪变两种不同的异常电力环境下,所构建系统预测精度较高、时延较短,可实现高精度、高效率的配电网电力营销实时信息管理.

针对电网管理系统的信息化程度比较低,提出了基于同步并行数据技术的电网信息化系统.首先,对电网系统时间同步技术必要性进行分析,提出了电网信息化的时间同步体系架构.之后,提出两种不同的数据迁移方案分析,以电网市场营销业务限制对迁移方案的不足,使用分库并行转换、实时同步的数据迁移方案,对此方案的有效性进行分析,使数据迁移时间得到缩短.通过测试表示,本文提出方案对于大规模企业级管理信息系统历史数据迁移具有借鉴价值,保证新系统能够根据计划稳定的推广使用.

随着信息技术发展,新的应用技术不断涌现,新兴的业务需求的也不断出现.为了跟上时代的步伐,为客户提供更加优质的服务,满足更多客户的要求,95598客户服务热线需要有效的方法、技术手段和工具支撑;需要积极采用新技术,不断的对客服工作进行升级补充,实现对客户精细化服务的全面支撑.对传统的人工质检流程进行优化,实现智能质检系统自动全量质检并有效自动检出问题语音,提供了一种问题语音检出方法和装置,可以实现录音质检全面覆盖,自动检出问题通话录音,提示用户对问题通话录音进行人工质检,大大减少了质检工作人员的工作量.

本文分析了目前电力客服热线质检方法的局限性,梳理问题解决主要突破口,建设了基于语音分析技术的智能质检系统,旨在借助信息技术解决客户服务热线服务过程中的短板问题,对服务质量进行有效的监督和管理,以增强客服质检的深度、广度和力度.

当下,电网企业正处于信息化转型的道路上.电力行业的特性使得电网企业拥有海量的数据资产,而数据资产应用是释放大数据价值的有效途径.大数据是当下发展的主流,而数据资产的管理,尤其是数据资产的应用是大数据发展的核心问题.本论文将从前瞻规划、平台运营、风险防控、数据管理、场景应用和业务运营六个方面,对电网企业数据资产应用规划进行研究,形成建设路径规划蓝图.

伴随信息技术的发展与客户习惯的变化,传统的以人工服务为主的客服形态持续地向自动化、智能化、多渠道方向推进,尤其是电力行业这类客服密集型的行业,智能客服已逐渐成为该行业的刚需.95598客户服务热线作为南方电网重要的客户服务渠道,是企业服务客户、收集与交换信息的重要手段.随着用户增长,致电客服中心的客户量激增,传统的人工质检方法面对数量庞大的通话录音数据效率低下,由于随机抽检的随机性、片面性,导致检测失实、客户来电原因数据失真以及客户需求缺失并缺少有效手段收集、统计与分析全量数据.因此需要有效的评分方法去应对上述存在的问题.设计了一种语音质检评分方法和实现装置,可以进行全量覆盖质检,质检效率高,节约了质检工作人员的工作量,提高质检质量,并有效提取客户来电意图数据,并挖掘通话数据中存在的业务及服务问题.

为充分发挥营销监控系统的全面、多维度、实时性的优势和作用,促进营销业务监控平台不断完善各项系统功能,逐步在公司范围内全面展开应用,实现全业务、多层级的实时监控平台,固然有必要建设一个基于大数据分析平台的全方位自动化运维监控系统. 1 引言 1.1 背景 随着南方电网公司信息化建设总体规划的逐步落实,以及电力营销标准化系统的统一战略要求,各电网公司业务系统平台建设日趋完善.然而,电力营销业务要求可靠性高,实用性强,且需要不断满足业务应用和运维资源规模,因此平台建设的优化升级任务必将成为营销统筹管理的重点工作之一.

在现代社会背景下,电力企业十分重视自身营销管理,因此对传统管理体系进行了调整,但调整后的管理体系更加复杂,使得人工工作负担增大,同时对于工作质量也有一定影响.本文出于优化目的,提出了电力企业营销管理信息数字化系统,对此下文将对该系统进行设计,研究其设计方法,再通过相关测试证实本文设计系统有效.

随着第三次热潮的兴起,人工智能在各领域受到普遍的认可,此次热潮也从学术研究主导转变成商业模式驱动.国家发改委及国家能源局、工信部都将人工智能纳入发展规划与战略,强调人工智能与各行业的融合与应用.因此,本文将在浅论人工智能技术发展的基础上,对人工智能技术在电力客服智能质检系统的应用进行探讨.

结合大数据技术最新发展趋势,搭建了营销大数据应用场景框架,从个性化客户体验、智能化精益运营、多元化生态圈变现3个方面分析了大数据在电网企业营销服务中的应用.研究成果为电网企业应用大数据、人工智能、机器学习等新兴技术进行电力营销工作创新提供了借鉴.