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
f提供高质量的用户服务是电网公司运营的核心任务之一。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协助企业进行利润率影响因素的分析。
f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r