陈婷婷
福建省泉州市南安市梅山供电所，福建 泉州 362321
摘要：电费核算的准确程度与电费差错诊断正确率有着密切的关联，现有的电费差错诊断规则针对所有客户都是一刀切的状态，无法根据客户的差异进行电费差错诊断区隔，也不能满足不同时期和不同地域客户的需要，规则过于单一和宽松。导致部分客户用电正常却被记录为电费差错，降低电费差错诊断正确率，同时因为出现大量判断错误的电费差错警告，需要供电企业耗费大量的人力物力去检查和核实。本文通过对客户差异化行为进行大数据分析，从而判断是否对电费存在正面或者负面的影响，根据影响调整电费差错诊断的规则，形成针对不同类型客户的差异化电费差错诊断。
关键词：配电网；电力营销；电费差错诊断；客户行为
１用电客户行为分析
在电费差错警告信息中，有功电量的突增突减占比最高，反映出多数电费差错是因客户电量产生较大的波动所致。现阶段智能电表覆盖面较广，电表数据采集均为系统远程自动采集，将人为抄表错误的影响因素降到最低，大部分客户用电量发生突变是由于受到客户本身行为的影响。用电客户的行为对供电企业有着各式各样的影响，本文主要聚焦在对电费差错诊断有影响的客户用电行为上，通过大数据采集客户用电行为，并将其分为四大类逐一分析，讨论对电费差错有着正向还是负向的影响，影响程度有多大等，进而有根据地调整相关电费差错诊断。客户四大类用电行为如图１所示。
１.１客户用电潜力分析
电力客户用电潜力即为客户在一段较长时间内电量档次及缴费多少的变化，电量越多，对于供电企业的贡献也就越大，但每个客户在不同时间节点的电量和电费都是一个动态的值，不会一成不变。特别是企业类的电力客户，企业本身的属性、政策或者盈利收益等均会对电量有着较大的影响，如：部分生产企业是有淡旺季之分，自然用电量也会有淡旺季之分，这就会造成淡旺季用电量波动极大；企业的未来规划或政策是需要扩张或收缩，均会引起用电量的突变及企业盈利收益减少也会使企业被迫减少用电量，这些均会引起电量的极大波动，但这些波动均可有规律可循。根据大数据采集一年或半年的电量及缴费的详细记录，将客户分为四类客户：平稳发展客户、淡旺季客户、上升客户及下滑客户。针对不同类客户可对电费差错诊断进行调整。
１.２客户投诉行为分析
用电客户对供电企业的投诉一般分为服务投诉、营业投诉、停送电投诉、供电质量投诉、电网建设投诉五大类。而对电费差错诊断有较大的影响是营业投诉、停送电投诉及供电质量投诉３类。
营业投诉：在处理具体供电业务过程中存在疏忽、差错等问题引发的客户投诉，其中业扩报装、用电变更、电费电价、电能计量、业务收费等方面均对用户基础信息造成一定程度的改动从而对电费差错诊断造成影响。
停送电投诉：在停送电、现场抢修等过程中发生服务差错引发的客户投诉，其中停电计划执行及抢修质量两方面对供电有着巨大的影响。在这两方面受到客户的投诉为前提下，电费差错的可能性也会大幅提高。
供电质量：向用电客户输送的电能长期存在电压偏差、频率偏差、电压不平衡、电压波动或闪变等供电质量问题，其中电压质量、供电频率均为电费计算的重要组成，长期存在供电质量问题的客户也有很大概率产生电费差错的问题，因此也需进行电费差错诊断的调整。
１.３用电行为及窃电行为分析
用电行为主要围绕冬夏敏感指数进行分析，通过大数据分析用电客户（居民为主）的两年内冬天、夏天及春秋平均用电量，将冬天平均用电量和冬天平均用电量分别除以春秋平均用电量，得到用电客户冬季及夏季敏感指数，将用电客户细分为三档对温度敏感程度：不敏感、普通和敏感。对温度敏感的用电客户在冬夏两个季节使用大型供冷（暖）电器，如空调、地暖，因此在这两个季节会产生较大的电量电费波动。其他类型的用电客户则与之相反，不会产生较大的电量电费波动，因此电费差错诊断需要进行有针对的调整。
１.４拖欠缴费行为分析
首先阐明缴费行为定义。（１）正常缴费：发出电费单后，从应收日期算起１０天内缴清电费；（２）拖费：发出电费单后，在应收日期１０天后但当月内缴清电费；（３）欠费：发出电费单后，缴费时间超１个月。通过大数据对用电客户缴费情况、拖欠金额，以及拖欠缴费的次数、频率等数据进行采集统计。根据采集统计的数据计算用电客户的信用度，分为信用度不同档次的用电客户。供电企业针对不同类别的客户，可采取不同的电费差错诊断，比如针对高信用度且用电量较多的用电客户，放宽部分电费差错诊断的条件，出现电费差错时因优先排除，确保稳定的资金收益。信用度越低的用电客户则需加强电费差错诊断，确保供电企业利益不受损。
２调整电费差错诊断
根据４类用电客户行为的分析，可以将电费差错诊断调整分成５类。（１）调宽电费波动差错的诊断阈值上限：允许用电客户电量电费在经过测算加宽的阈值上限及原有下限内产生较大的波动。电量潜力趋势向上的企业，因企业规划或营收利好导致的企业持续扩张加大了用电需求属于正常电量电费波动。（２）调宽电费波动差错的诊断阈值下限：允许用电客户电量电费在经过测算加宽的阈值下限及原有上限内产生较大的波动。电量潜力趋势向下的企业，因企业规划或营收为负导致的企业收缩减少了用电需求属于正常电量电费波动。（３）特定时间段调宽电费波动差错的诊断阈值上下限：允许用电客户电量电费在经过测算加宽的阈值内产生较大的波动。具有淡旺季的企业：用电企业旺季时使用电量电费比淡季要多的多，反之淡季比旺季要少得多，所以电量电费波动幅度会较其他企业较大但仍属于正常。对温度敏感的用户：对温度敏感的居民客户在冬夏两季用电量会比春秋两季有较明显的飙升，反之春秋比冬夏会有明显的下降，所以电量电费波动幅度会比其他居民客户要大，但仍属于正常。
增加电费差错诊断白名单：放松部分电费差错诊断，出现电费差错诊断要优先处理。高信用度且用电量较多的客户：用电量较多的客户能为供电企业带来巨大的收益，加上信用度高，可放松部分不重要的电费差错诊断，较少人力物力消耗，但出现电费差错需要第一时间处理，确保收益稳定。（５）增加电费差错诊断黑名单：提前进行电费差错预防，加强电费差错诊断。
１）近期有营业投诉、停送电投诉及供电质量投诉。三类投诉涉及的疏忽及差错对电费计算有很大关联，需要提前进行电费差错的预防，将疏忽及差错涉及的因素逐一排除。
２）有窃电行为的用户。曾经出现窃电行为的用电客户再犯可能性较高，需要重点盯防及加强电费差错诊断。
３）低信用度的客户。信用度较低的客户对供电企业利益有损，为防止进一步受损需重点盯防及加强电费差错诊断。
结语
本文从客户用电潜力分析、客户投诉行为、用电和窃电行为及拖欠缴费行为四大类用电客户行为进行大数据分析，分析与电费差错诊断的关联，通过差异化的用电行为细分客户，从而针对电费差错诊断进行相应的调整，最终归纳成五类调整：调宽电费波动差错的诊断阈值上限；调宽电费波动差错的诊断阈值下限；特定时间段调宽电费波动差错的诊断阈值上下限；增加电费差错诊断白名单；增加电费差错诊断黑名单。
参考文献：
［１］凌德祥，黄拓，关晓林，等.基于大数据的电力客户行为分析体系研究及实践［Ｊ］.电力大数据，２０１８（２１）：１３－１７.
［２］刘亚玲，董高洁.供电企业服务投诉管控提升策略［Ｊ］.管理观察，２０１７（２３）：１９－２０.
［３］江樱，王志强，戴波.基于大数据的居民用电消费习惯研究与分析［Ｊ］.电力信息与通信技术，２０１５（１３）：７－１１.