摘要：近年来，人们生活水平发展迅速，我国的电力事业的发展也有了相应的提高。随着售电市场的进一步开放，立足当前电力改革形势，进一步挖掘用户价值，提升供电服务质量已经成为电网企业转型的必要手段。提出利用电力业务数据以及多模态双向交互信息融合、大数据分析等信息技术，抽取出存在于电力营销数据、客户语言、情绪等信息中的相关特征，实现对电力营业厅客户用电行为、用电习惯的分析，提供针对性、差异化的服务方案，满足客户需求，让电力客户感受更舒适、更优质的服务体验，提高营业厅的服务质量、服务效率。
关键词：电力数据；信息融合；电力客户；行为分析
1.电力客户需求概述
电力客户核心需求无疑是持续可靠的电能供应。在此基础上，涉及日常业务办理、故障时的问题处理等基本服务需求信息，对电力公司满足不同客户的基本用电需求，完善客户服务具有重要意义。随着客户用电情况的复杂化，各行业服务模式多样化的变化趋势，衍生出客户的高级服务需求，对于提升客户体验具有重要价值。由此，将客户需求内容分为核心需求、基本服务需求和高级服务需求，对践行新时代能源“消费革命”意义非常之大。
2.信息融合技术研究现状
信息融合技术是现代信息技术中新的技术研究方向，信息的融合本质就是数据的融合，也称之为传感器信息融合或多传感器信息融合。信息融合是指多个信息源获取相关的数据信息，数据信息进行滤波、关联、相关和集成，形成一个表示架构，这种架构对多层次信息进行状态和身份的评估，是一个信息处理的过程。该过程是对信息评估和额外信息源需求评价的一个精炼过程，同时也是一个自我修正的过程，以获得更加精确的结果。信息融合技术主要是指利用计算机技术对多个传感器按照时间顺序采集到的信息在规定的标准下对信息进行自动分析、综合处理，为完成所需的决策和估计任务进行信息处理的过程。根据此定义，信息融合的硬件基础是多传感器系统，处理的对象是多源信息，其核心内容是信息的协调优化和综合处理。20世纪70年代初期信息融合技术的概念就已出现。信息融合技术的研究是指对多源信息处理，能够让不同形式的信息进行相互补充，实现对同一事物或目标的更精确、更本质的认识。信息融合技术最早的研究主要应用在军事领域，其在军事领域中的应用获得很大的成功，比如军事指挥、军事通信、控制与情报系统。20世纪80年代以来，信息融合技术得到快速发展，其应用逐步扩展到民事领域，如多源图像复合、图像分析与理解、机器人和智能仪器系统、自动目标识别等领域。随着人工智能技术的发展，信息融合也逐渐应用到电力领域，尤其在服务机器人的人机交互方面。
3.基于电力数据及信息融合的电力客户行为分析
3.1客户贡献程度分析
供电企业对客户贡献程度的评价依据是客户用电量与缴纳电费的多少。因为供电企业主要利润来源用售电量，在不产生欠费的情况下，电费为主营业务收入。供电企业对客户发行的电量及缴费情况有详细的记录，根据客户用电量来计划客户应该交纳的电费，并按缴费情况分析客户的经济潜力，分析供电企业未来经济增长状况。供电企业能通过对客户贡献程度进行分析，规划供电企业未来的发展道路，保障和增长充足的客户量，尽快实现供电企业的高质量发展。
3.2客户诉求行为分析
供电企业对客户服务主要包括客户的咨询、业扩报装、投诉、故障报修等内容。使用大数据技术记录客户的诉求内容，这样供电企业可以针对客户诉求的内容对服务业务进行整改，适当改良公司颁布的政策制度，以提高公司的服务质量和效率。
供电企业诉求行为分析的对象是不同种类的人群，比如大客户希望提高电网的可靠性，事业型人群想要提高业务办理速度，普通民众关心的是服务态度等。供电企业可以通过开设多种咨询渠道了解顾客的需求，此时供电企业需为其制定较好的营销策略，满足客户的需求，避免出现客户投诉等事件的产生，提高客户的满意度、业务体验舒适度和幸福感、获得感。
3.3缴费及欠费行为分析
供电企业通过营销业务应用系统可以查询客户的缴费记录，对客户的缴费时间、缴费金额、欠费次数、欠费金额缴费方式等数据进行统计。根据收集的数据对客户进行分类，分为高风险、低风险和中风险客户。供电企业针对不同类别的客户，可采取不同的服务政策，比如针对高风险客户，供电企业需对其进行风险评估，结合客户的缴费情况给客户提供较好的降低风险的措施，提高客户的风险防范意识。同时，供电企业需收集客户对缴费方式的评价，并根据收集的信息对缴费方式进行改良，提高供电企业的服务效率。电力客户行为分析涉及众多的企业数据资源，对数据资源整合利用相当重要。
3.4基于信息融合的人机交互
信息融合的核心是信息融合的功能和信息融合的层次。在信息融合的功能模型设计时要充分考虑到信息融合的层次，重点是要能够提高信息融合的方便性、普适性及灵活性，同时也要考虑模式的统一性。本文中采用多模态信息融合FH模型对电力客户数据信息进行融合处理。FH模型过程主要包括信息预处理、信息目标优化、过程评估、采集管理、知识库管理、数据库管理等。
FH模型中信息预处理模块主要包括信息状态检测、数据信息坐标转换、数据单位换算、数据关联、轨迹估计，是对电力多个系统中采集到的数据进行一致性检验和对数据的归一性处理。FH模型中信息目标的优化主要是由数据层和特征层的信息融合组成，主要是在多模态情况下对采集到的信息状态和目标属性进行实时估计。FH模型中过程的评估主要是根据知识库与数据库的信息评估融合过程的性能，识别改善融合结果的信息，并收集信息，指导系统的每一个环节完成任务。FH模型中的采集管理是指对系统资源的管理，根据过程评估的结果对系统中的每个任务进行优先级的重新分配以及对多种模态的任务重新分配。FH模型中的知识库与数据库的管理是对各种模态特征的描述和各种模态受外界条件的影响。
结语
综上所述，电力系统中各个环节产生大量数据，基于多个电力系统，电力数据具有数据量大、类型多、价值高等特点。如果对电力数据进行深入分析，充分利用数据的价值，对电力客户的用电行为进行准确的预测分析，可有效提高客户服务效率。未来在能源物联网、能源互联网与人工智能技术的发展趋势下，数据具有越来越高的价值，基于电力数据对电力客户行为的分析，尤显数据的重要性。目前我国电力行业数据量巨大，加强大数据技术的应用，也是为了提高数据资产的利用率，从中把握住高价值的数据，以增加电力企业的盈利水平，使风险能够得到可控、能控、再控。对外，可以使电力市场更加活跃，对内，为电力企业提供了更多的发展机会。与此同时，我国需要改变对大数据技术的看法，能从数据存储和分析的角度来实施大数据技术，从而提高数据资产的利用率，从而使我国电力企业能从数据中获取更多有用的资讯，提高我国的电力行业整体服务水平。
参考文献:
［1］卢海明，刘建鑫．基于改进ELM神经网络的客户满意度评价模型［J］．东北电力技术，2016，37(7):39－43．
［2］刘志欣，黄旭，魏加项，等．基于负面清单管理模式的电力客户服务评价方法［J］．电测与仪表，2018，55(17):134－140．
［3］卢海明，孟安波．环保节能下的电力客户价值评价［J］．东北电力技术，2017，38(1):50－53，57．
［4］曹清山，郑梦莲，丁一，等．新电改背景下基于多属性决策的电力客户评估和选择研究［J］．电网技术，2018，42(1):11－15