赵瑞焕 张凤娟
国网山东省电力公司金乡县供电公司山东济宁272200
摘要：随着互联网的快速发展和大数据技术的日趋成熟，电力行业的信息化建设不断深入，力求在这场由数据带来的重大变革中寻求发展。大数据技术在电力行业的各个环节，特别是电力营销中的应用，可以为相关策略的制定提供有力支撑，符合该行业的智能化、现代化发展方向，也符合广大电力用户的现实需求。基于此，本文对大数据技术的电力营销策略进行深入研究，以供参考。
关键词：大数据技术;电力营销策略
引言
随着大数据技术的迅猛发展，其在各行各业中的应用越来越广泛、深入，在提高生产生活效率的同时，也推动了社会进步。电力行业是我国重要的基础性、支柱性产业，在国民经济中占有举足轻重的地位。在电力行业运营的过程中，产生了大量的数据，这些数据具有数量大、关系复杂等显著特点，适合大数据技术的深入应用。
1电力企业营销管理定位
（一）定位电力营销管理电力市场以市场为导向来规划定位管理模式，营销机制应符合经济发展变化，把电力营销与核心业务相联系，使得电力营销与生产经营成为有机整体，促进二者之间的相互成就与辅助。（二）紧跟时代发展步伐建立安全电力网时，应强调电网改造力度与投资方向。信息技术的发展为电力营销提供了更多可能性，电力营销纳入计算机运行系统，在原电力营销及服务基础上，更加关注营销服务的优质性与高效性，以此利于营销目标的实现。（三）更新电力营销理念，定位电力营销的新发展环境。因此，及时更新电力营销理念，更新营销方式或模式，围绕买方市场构建电力营销及优质服务体系，使得电力企业运行更加符合市场发展规律。
2基于大数据技术的概述
2.1大数据技术及其在电力行业的适用性
大数据技术（Bigdata）于19世纪末在美国提出，在20世纪经历了长足的发展，近年来该项技术对海量数据的处理、分析能力得到了社会各界的关注与认可，在生产生活中的应用也越来越广泛。大数据技术主要表现为“4V”的显著特点，即大量（Volume）、高速（Velocity）、多样（Variety）、价值（Vale）。其中“大量”主要指该技术能够处理海量数据，“高速”主要指该技术处理数据的速度快、效率高，“多样”指该技术能够处理的数据类型丰富，“价值”是指将这项技术的应用能够给整个社会带来巨大的经济和社会效益。存储和迁移是数据应用中常规且重要的两方面工作，大数据技术在这两方面具有显著优势。在存储方面，大数据技术运用分布式存储策略，采用行、列存储方法，针对现实需求把数据信息存储到多个通过高速网络互联的设备，在满足用户存储需求的同时，保证了高数据吞吐率，降低故障率；在数据迁移方面，引入平滑式迁移的概念，在对服务升级的同时，记录数据以及修改的内容，形成数据日志的迁移，通过建设检验工具对数据校验后完成数据迁移，保证了数据质量。电力运营包含的发电、输电、配变电、用电以及售电和调度等环节涉及到与发电厂、电网、用户等相关的大量数据。大数据技术的特点决定了其可以对海量电力数据进行整理、分析，获取其中蕴含的有效信息，为电力工作提供技术支撑，与电力行业信息化发展的方向相契合。在发电环节，基于大数据技术可以获取所需发电量的时间、空间变化，实现电力负荷的精准预测，使发电计划的制定更加科学，有效降低发电侧消耗，提升发电效率；在输电领域，运用大数据技术能够查找输电线路上电能损耗的特点规律，剖析其原因所在，实现线损的有效降低；在用电领域，对电力耗电数据的分析有助于制定更加科学合理的电力营销策略，为广大电力用户提供更优质的服务。
2.2基于大数据技术的电力负荷预测
根据预测时间的不同，可以将电力负荷预测划分为近期预测（2周以内）、短期预测（1-2年）、中期预测（3-6年）和长期预测（7年以上）等种类。传统上，通常采用趋势外推法、时间序列法、回归分析法等统计分析模型开展此项工作，这些方法对变化较平稳用电力负荷数据的预测效果较好，但由于其非线性分析能力不足，因此对非平稳时间序列数据的预测效果较差。随着大数据技术的发展，人工神经网络等智能算法在电力负荷预测中得到越来越广泛的应用，也取得了较好的预测效果。基于人工神经网络的用电负荷预测可分为三部分，一是模型输入，二是预测模型，三是预测结果。其中模型输入主要为用户分析步骤得到的特征量，同时引入历史数据等。建立人工神经网络预测模型的主要工作有模型网络层数设计、神经元数目确定、初始权重设置、学习速率选取等。使用层数更多的神经网络可以提升模型的性能，但也在一定程度上降低了模型训练和使用的效率，通常包含输入层、隐含层和输出层的三层神经网络模型即可满足预测需求。输入层节点数由预测对象影响因子数决定，过多的节点会引入不必要的噪声，过少的节点将导致网络获取信息不足。学习速率对神经网络权重更新速度的快慢具有直接影响，当该值过大时，网络可能不稳定，当该值过小时，会增加训练和预测时间，降低工作效率。
3大数据技术的电力营销策略
3.1构建新型电力营销体系
针对大数据时代的特点，建立新的营销体系是在大数据时代开展营销工作的前提，营销体系主要完成数据管理、数据开发和数据挖掘等工作。其中，数据管理主要完成数据收集与整理等基础性工作，工作人员主要经过信息技术、信息管理及市场营销等专业的训练。数据开发工作主要基于用户缴费、电力报警以及客户关系等建立数学模型，利用相应的算法深入地分析用户行为特征，全面了解用户的用电特点。数据挖掘工作建立用户的信息档案，挖掘用户的电力价值，实现电力综合服务质量的全面提升。
3.2深入分析用电需求
伴随着互联网技术的发展，广大用户的用电需求在越来越多样化的同时，其反映用电需求的手段、渠道也越来越多。在电力营销体系获取的这些海量数据中蕴含的不同类型电力用户的用电需求，不仅可以全面反映各行业的用电特点，还可以为电力供求关系、现有供电能力分析等提供参考，有助于获取各行业的用电成本、优化用电空间、提升用电效率。对于居民和商业用户而言，深入分析电力用户的用电需求，可以掌握家电等的运行情况，了解不同类型电器用电比重，提升电力营销策略的针对性。
3.3开发针对产品
传统的电力营销较为粗放，目标不明确，这与大数据时代的特点相悖。大数据时代营销工作的开展需要以满足客户特定需求为出发点，基于大数据技术全面分析用户的消费心理，明确营销对象消费习惯，针对用户特点制定与其个性化需求相符的电力产品，深入推进个性化营销，实现新型市场的开拓，在确保电力市场持续健康发展的同时，为电力用户提供越来越好的服务。
结束语
总而言之，大数据技术的发展对传统电力营销构成挑战的同时，也带来了历史性机遇。我们需要主动适应科技发展带来的改变，将新技术与行业特点相结合，在电力营销中全面应用大数据技术，在了解掌握用户用电需求的基础上，实现用电负荷的精准预测，制定有针对性的营销策略，提升发电和用电效率，在为广大电力用户提供更优质服务的同时，实现自身在市场竞争中优势的保持和发展。
参考文献
[1]邓楚然，江疆，杨秋勇，等.基于大数据的电力多维度分析系统设计[J].微型电脑应用，2020，36(2)：106-108.
[2]陶丽君.基于大数据的电力营销管理创新分析[J].电力讯息，2019(12)：201-202.
[3]朱州.基于大数据分析的电力客户服务需求预测[J].沈阳工业大学学报，2020，42(4)：369-372.