２０１７年８月第２０卷第８期 Ａｕｇｕｓｔ．２０１７，Ｖｏ１．２０，Ｎｏ．８ 电力大数据 Ｐ０ＷＥＲ ＳＹＳＴＥＭＳ ＡＮＤ ＢＩＧ ＤＡＴＡ 电网技术 Ｐｏｗｅｒ Ｇｒｉｄ Ｔｅｃｈｎｏｌｏｇｙ 电力需求侧管理模型的研究与应用 顾海林，黄 兴，李 曦 （国网辽宁省电力有限公司，辽宁沈阳 １１００００） 摘要：对电力需求侧管理的现状进行剖析，通过分析电力需求侧系统架构，提出电力需求侧管理模型，借助 此模型实现电网企业目标责任考核、节能服务业务、有序用电等一体化管控，达到“平时抓能效、紧张保供应” 的管理目标。 关键词：电力企业；电力需求侧管理；研究应用 文章编号：１００８—０８３Ｘ（２０１７）０８—００１５—０５中图分类号：ＴＭ７１文献标志码：Ｂ 电力需求侧管理模型分为以下几个部分：建 立能源消费总量控制目标分解落实机制，把总量 控制目标分解落实到地方；实行目标责任制 管理，加强考核和监督，将能评作为控制地区能源 消费增量和总量的重要手段；建立能源消费总量 预测预警机制，对能源消费增长过快的地区及时 实行预警。统筹现有负荷管理系统等资源， 按照统一设计、科学规范、开放有效的原则，逐步 ｌ 管理模型基本架构 电力需求侧管理平台网络架构分为信息内网和 信息两部分，分别在信息内网和信息部署 电力需求侧管理平台，电网企业用户通过信息内网 桌面终端访问应用系统，用能企业以及人员通 过公网访问，本模型以通用性为出发点，实例化本模 型能够满足大部分用户的电力需求侧管理，即能为 电网企业用户的需求侧管理提供典型设计，也为用 能企业用户提供典型设计。 １．１数据采样 建设具备在线监测、决策分析、项目管理与统计、 有序用电以及需求响应等功能的电力需求侧管理 平台，强化应用实现数字管理的网络化、可视化、 专业化，为用户提供系统化的电力需求管理和专 业化的托管服务。 电力需求侧管理（Ｄｅｍａｎｄ Ｓｉｄｅ Ｍａｎａｇｅｍｅｎｔ， ＤＳＭ）是指在法规和的支持下采取有效的 激励和引导措施，以及适宜的运作方式，通过发电公 司、电网企业、能源服务公司、社会中介组织、产品供 应商、电力用户等共同协力，提高终端用电效率和改 变用电方式，在满足同样用电功能的同时，减少电量 模型研究工作的第一步是对模型需求的基础数 据进行采样分析，本模型的研究建立在前期梳理的 大量数据基础之上，前期梳理数据包括课题研究单 位的信息网络架构、信息系统部署及应用情况、各应 用系统上承载的业务数据以及应用系统之间的运行 关系。 １．２总体架构 电力需求侧管理模型架构分为业务架构、应用 消耗和电力需求，达到节约资源和保护环境，实现社 会效益更好、各方受益、最低成本能源服务所进行的 管理活动 －３］。自上世纪９０年代以来，许多国家开 始推行电力需求侧管理，其中既有发达国家，也包括 架构、数据架构、技术架构、逻辑架构和安全架构。 如图１所示。 各架构之间相互联系，互为影响，各架构主要功 能如下： 电力需求和投资严重短缺的发展中国家 Ｊ。据美 国劳伦斯伯克利国家实验室（ＬＢＬ）估计，今后３０年 若能致力于提高终端用电效率，发展中国家可削减 ４０％的能源总投资，至少可节省１．５万亿美元；工业 化国家可削减５０％的能源总投资，节省７ ０００亿美 元。所以需求侧管理产生的效益非常可观。 （１）业务架构定义了电力需求侧管理平台整体 业务需求和业务范围，是对平台全部业务需求的抽 象，并为其他架构设计提供指导依据。 （２）应用架构是业务架构在技术应用方面的深 化设计。以业务架构为基础，从功能需求的角度清 晰、准确的定义了功能、模块及应用范围。同时应用 ．１ ５・ 电力人数据 第２０卷 架构描述 业务与系统的关系，将系统业务与实现 进行整合，确保功能完善、系统完整，是设计数据架 构、技术架构和物理架构的前提。 图１总体架构图 Ｆｉｇ．１ Ｏｖｅｒａｌｌ ａｒｃｈｉｔｅｃｔｕｒｅ ｄｉａｇｒａｍ （３）数据架构是基于应用架构中关于业务数 据的抽象，从数据需求的角度定义数据分类、数 据来源及数据部署，以实现数据的标准化、一致 性、准确性和可靠性，充分发现和挖掘数据价值， 数据架构为物理架构和技术架构的设计提出丫 存储要求。 （４）技术架构根据应用架构提出的功能要求， 选取成熟的、稳定的、高效的、易于实现的、符合实 际的技术来实现，并将其整理、抽象、分层，建立关 联。从系统技术实现角度提 系统总体的技术实 现方案。 （５）物理架构是以应用架构为没计依据，合理 选取存储设备、网络设备、安全设备、采集设备及其 他硬件设备。从物理实现的角度提 了总体的软硬 件部署方式，为系统平稳、安全、高效的运行提供了 充足的平台资源。另外，能够满足技术架构和数据 架构关于功能、性能和安全的要求。 （６）安全架构是指在架构实现上分别设计了网 络安全、主机安全、应用安全和数据安全。保证物理 架构、数据架构、技术架构等方面的安全。 ２管理模型建立 电力需求侧管理模型由业务模型、应用模型、数 据模型、技术模型、物理模型组成。下文分别对相关 模型进行阐述。 ２．１业务模型 电力需求侧管理平台具体业务是通过节能服 ．１ ６． 务管理，完善节能服务标准化体系和考核体系，对 电网企业及所属节能服务机构的节能业务进行全 过程管理， 为电能服务卡Ｉ｛关业务提供数据、信息 资源支撑，保障节能服务体系的建设和需求侧管 理Ｔ作的顺利开展；通过刚能在线检测与分析服 务，为用能企业单位节能增效提供增值服务，为社 会公众普及节能知识、延伸电能服务；通过有序用 电与需求相应管理，引导用户合理调整用电行为， 保障用户用电安全稳定；与通过平台相对数据进 行统计分析，为宏观经济分析和需求侧管理考核 提供数据支撑。 ２．２应用模型 应用模型通过对业务模型的理解，采用ＩＴ信息 化的系统分析方法，对电力需求侧管理平台业务过 程、业务日标进行全面的分析和抽象，实现业务应用 需求分析和功能设计。功能设计分为业务功能设计 和非功能业务设计。 ２．２．１ 业务功能设计 通过“基本功能、辅助功能、先决条件、处理约 束、输入输出信息、提示信息”等关键要素具体阐述 每个业务环节的业务应用实现，抽象出对应的功能 模块和功能点为电力需求侧管理平台服务网站业务 实现提供支持。 ２．２．２非业务功能设计 为对业务功能提供统一共享的公共服务和平台 支撑，根据电力需求侧管理平台业务模型要求进行 非业务功能性需求提炼和分析，形成业务应用的支 撑性功能设计，主要包括组织管理、权限管理、Ｔ作 流管理、系统参数管理、系统日志管理、栏目管理等 系统支撑性功能。 ２．３数据模型 数据模型的设计是基于电力需求侧管理平台 的需求和相关业务系统的数据特性。数据模型中 的每个方面分别解决一个领域的关键问题，同时 义相互支撑，互为补充，形成一个统一、有机的整 体。系统可从数据存储方式和应用情况两个维度 进行数据分类， ２．３．１数据存储方式 （１）根据数据的获取方式，可分为：自动转入 数据和手工录入数据。自动转入数据：包括从其 它业务系统中通过各种数据接口方式导入到电 力需求侧管理平台中的结构化数据、文件数据等 第８期 顾海林，等：电力需求侧管理模型的研究与应用 非结构化数据。手工录入数据：则是通过电力需 在线存储的时间相对较低。 求侧管理平台提供的录入界面由人工逐条录人 的数据。 （４）周期性数据。包括用电用户采集电量 信息、用电用户电费信息等。数据变化与时间 周期密切相关，数据量很大，且数据在线存储时 间要求也较高，数据存储是通常都需要采用分 区技术。 （２）根据数据的来源，可分为：原生数据和再 生数据。原生数据是指直接从电力需求侧管理 平台外部获得的或手工录入的数据，任何从电力 需求侧管理平台外直接进入网站的数据都称为 原生数据。再生数据是在原生数据基础上经计 （５）文档数据。包括图像信息、语音文件等数 据量较大，在关系型数据库中一般只保存摘要及路 算处理产生的数据，如报表统计结果等都属于再 生数据。 （３）根据数据获取的频率，可分为：实时（准实 径信息，其具体信息可保存在文件服务器。 （６）统计查询数据。包括汇总统计、综合查询 信息等，是业务管理需要定期或不定期进行的某一 时段的汇总或复制数据，属于再生数据。 系统根据上述数据技术分类特点和业务需求将 数据部署设计在数据模型的基础上展开，按照不同的 时）数据和非实时数据。实时（准实时）数据是指通 过相关的接口即时从各业务应用系统获取的数据。 非实时数据是指那些本不发生变化，或很少发生变 化的数据，如组织结构数据等。非实时数据的数据 量一般相对固定，不会随着时间的推移而发生急剧 的变化。 数据分类，结合系统架构的要求进行数据部署设计。 ２．４技术模型 电力需求侧管理平台采用基于Ｊ２ＥＥ的多层技 术架构，以提高系统的灵活性、可扩展性、安全性以 及并发处理能力，同时通过统一数据接口实现与营 销业务应用等其它业务应用的数据交互。 （４）根据数据的结构化定义，可分为：结构化数 据和非结构化数据。结构化数据就是行数据，存储 在数据库表中，可以用二维表结构来逻辑表达实现 的数据，例如业务应用的信息数据。非结构化数据 就是指视频、图片、文档等。 （５）根据数据的安全性，可分为：敏感数据和公 电力需求侧管理平台基于多层架构采用组件技 术将界面控制、业务逻辑和数据处理分离，实现系统 内部的松耦合，以灵活、快速地响应业务变化对系统 的需求。在技术上划分为表现层、应用层、平台层和 开数据。敏感数据是指与帐户相关的信息，如：真实 名称、联系电话、金额等。公开数据是指公开发布的 数据，例如电力法规等数据。 ２．３．２数据数据应用情况 数据层，通过与营销业务应用系统、营销分析与辅助 决策系统、用电信息采集系统、调度自动化系统进行 数据交互，采用各层次系统组件间服务关系，实现系 根据电力需求侧管理平台的应用情况可以划分 统功能，具体如图２所示。 日口圜 为基础数据、信息档案数据、过程处理数据、周期性 数据、文档数据和统计查询数据。具体如下： （１）基础数据。包括公共代码、标准数据、人员 信息、组织机构等。更多的是规范性、标准性的数据 字典，通常是系统初始化的时候一次性导人，一般以 定时变动修改为主。 公共 蛆件层 圉圉曰曰日 量据层 （２）信息档案数据。包括帐户资料信息、用电 用户档案信息、设备档案信息等。帐户资料是系统 用户在添加产生的数据，其数据变化量一般不大，但 数据在线存储时间要求较高；其它为相关业务支撑 系统业务产生的结果数据系统不保存。 至 图２技术架构 Ｆｉｇ．２ ｔｅｃｈｎｉｃａｌ ａｒｃｈｉｔｅｃｔｕｒｅ （３）过程处理数据。包括处理过程信息、流程 信息等。用户业务申请和办理过程中的状态和活动 的明细数据，其数据变化较频繁且数据量大，但数据 ２．４．１ 展现层 在Ｊ２ ＥＥ技术体系，可采用ＭＶＣ应用框架，由 ．１ ７・ 电力大数据 第２Ｏ卷 界面控制器组件、界面操作组件、ＪＳＰ网页组件和服 实现电力需求侧管理平台的数据采集、查询、检测、 务代理单元组成。其中界面的显示由ＪＳＰ网页组件 完成，网页上的具体操作由界面操作组件通过服务 代理单元调用业务逻辑层的具体服务来完成，由界 面控制器组件负责统一调用不同的界面操作组件和 ＪＳＰ网页组件。对某些需要界面特殊展现效果的业 分析，并在网省信息内网和分别部署用于主存 储和备份存储。 广１ ｌＪｉ峒 一 ｌｎ山信息内州Ｉ １ｌｕ力信息针 Ｉ 簟 艘 固 强 ！ 囱瞳 务，可建立专用的ＦＬＡＳＨ处理。 ２．４．２业务层 业务层把数据层的数据源以一种业务用户的视 角来重新组织数据层的各个数据源，并提供给展现 层使用。 ２．４．３公共组件层 ■：＿ －一帮 黛・ －Ｉ 瞒！ ● Ｌ！ ．．二＝］ ’ ＜！三＝ 静’ Ｈ 日日 ９９ ｌ ＿ …一… ’ ■ ＝ Ｉ ｌ公共组件层构建于Ｊ２ＥＥ企业版平台之上，借 助于中间件、第三方服务提供商的接口服务，提供电 力需求侧管理平台所需要的通用服务接口组件。 ２．４．４ 支撑层 图３物理模型图 Ｆｉｇ．３ Ｐｈｙｓｉｃａｌ ｍｏｄｅｌ ｄｉａｇｒａｍ （４）文件服务器：用于存储电力需求侧管理平 台非结构化数据，提供文件上传和下载功能，并在网 支撑层由ＳｏＴｏｗｅｒ平台、一体化集成平台等组 成，支撑业务层及公共组件层。 ２．４．５ 数据层 省信息内网和网省信息分别部署用于主文件存 储和备份存储。 （５）前置机：负责通过各种通讯介质和终端进 数据层由数据映射层和数据源构成，数据映射 层完成对数据源的访问封装，并使得业务逻辑层的 行通讯的前置设备，并能在与主站其它部分脱离联 系后（通讯部分还正常），维持系统运行的设备，并 部署在网省信息，企业端用于传送企业端电量 设计和实现更集中于系统本身的功能。同时，数据 映射层的存在屏蔽了业务逻辑层对底层数据存储形 式的依赖，使应用系统能够适应多种类型的数据库。 数据源主要包括：数据库、内存数据、消息队列、磁盘 文件等。 ２．５物理模型 信息。 （６）采集终端：用于采集企业端用电信息参数， 并通过前置机传送到主站系统，并将采集终端安装 在企业端。 （７）负载均衡器：用于均衡系统访问量和数据 库连接量，增大系统用户访问量。 物理模型设计的重点是对系统硬件支撑平台 （如数据库服务器、应用服务器、负载均衡服务器 等）进行设计和说明，并根据应用模型、数据模型 和技术模型对系统的存储、备份能力提出要求。 ３ 总结 本文对电力需求侧管理的现状进行剖析，通过 为电力需求侧管理平台的建设、设备选型提供参 考依据。电力需求侧管理平台物理部署示意图如 图３所示。 分析电力需求侧系统架构，提出电力需求侧管理模 型，借助此模型实现电网企业目标责任考核、节能服 电力需求侧管理平台设备用途说明如下： （１）Ｗｅｂ应用服务器：Ｗｅｂ应用服务器主要部 署电力需求侧管理平台系统应用，并分别在网省信 息内网和网省信息分别部署并做集群。 （２）数据库服务器：承担系统数据存储与管理， 务业务、有序用电等一体化管控，达到“平时抓能 效、紧张保供应”的管理目标；实现用电管理的“数 字化、网络化、可视化、专业化”，为用电客户提供电 能管理或专业化托管服务；依托公司的技术优势与 信息资源，构建延伸至用户内部的数据采集网络，形 成资源共享、灵活互动、管控有力的电能服务与管理 手段，服务节能服务产业发展，服务用电客户用能管 是系统监测数据汇集与处理中心，并部署在网省信 息内网中同时做集群。 （３）接口服务器：用于与对端接口服务器通讯， ・理，服务公司节能服务体系运行。 】８－ 第８期 顾海林，等：电力需求侧管理模型的研究与应用 ｄｅｍａｎｄ ｓｉｄｅ ｍａｎａｇｅｍｅｎｔ ｉｎ Ｃｈｉｎａ ａｎｄ ｐｏｌｉｃｙ ｓｕｇｇｅｓｔｉｏｎｓ［Ｊ］． 参考文献： ［１］ 胡江溢，王鹤，周昭茂．电力需求侧管理的国际经验及对我国 的启示［Ｊ］．电网技术，２００７，３ｌ（１８）：１Ｏ一１４． Ｈｕ Ｊｉａｎｇｙｉ，Ｗａｎｇ Ｈｅ，Ｚｈｏｕ Ｚｈａｏｍａｏ．Ｉｎｔｅｒｎａｔｉｏｎａｌ ｅｘｐｅｒｉｅｎｃｅ ｏｆ Ｇｕａｎｇｄｏｎｇ Ｅｌｅｃｔｉｒｃ Ｐｏｗｅｒ，２０１３，２６（７）：１—５． ［４］ Ｈａｓｓａｎ Ｆａｒｈａｎｇｉ．Ｔｈｅ ｐａｔｈ ｏｆ ｔｈｅ ｓｍａｒｔ ｄ［Ｊ］．ＩＥＥＥ Ｐｏｗｅｒ ａｎｄ Ｅｎｅｒｙ Ｍａｇａｚｉｇｎｅ，２０１０，８（１）：１８—２８． ［５］ Ｖ．Ｃ．Ｇｕｎｇｏｒ，Ｄ．Ｓａｈｉｎ，Ｔ．Ｋｏｃａｋ，ｅｔ ａ１．Ａ ｓｕｒｖｅｙ ｏｎ ｓｍａｒｔ ｇｒｉｄ ｐｏｗｅｒ ｄｅｍａｎｄ ｓｉｄｅ ｍａｎａｇｅｍｅｎｔ ａｎｄ ｅｎｌｉｇｈｔｅｎｍｅｎｔ ｔｏ Ｃｈｉｎａ［Ｊ］． Ｐｏｗｅｒ Ｓｙｓｔｅｍ Ｔｅｃｈｎｏｌｏｇｙ，２００７，３１（１８）：ｌＯ一１４． ｐｏｔｅｎｔｉａｌ ａｐｐｌｉｃａｔｉｏｎｓ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ Ｒｅｑｕｉｒｅｍｅｎｔｓ［Ｊ］．ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｄｕｓｔｉｒｌ Ｉａｎｆｏｒ—ｍａｔｉｃｓ，２０１３，９（１）：２８—４２． ［２］ 刘俊，罗凡，刘人境，等．大数据背景下电力需求侧管理的应 用策略研究［Ｊ］．电力需求侧管理，２０１６，１８（２）：５—１Ｏ． Ｌｉｕ Ｊｕｎ，Ｌｕｏ Ｆａｎ，Ｌｉｕ Ｒｅｎｊｉｎｇ，ｅｔ ａ１．Ｓｔｕｄｙ ｏｎ ａｐｐｌｉｃａｔｉｏｎ ｓｔｒａｔｅｇｉｅｓ ｏｆ ｄｅｍａｎｄ－ｓｉｄｅ ｍａｎａｇｅｍｅｎｔ ｕｎｄｅｒ ｂｉｇ ｄａｔａ ｂａｃｋｇｒｏｕｎｄ 收稿日期：２０１７—０６—０６ 作者简介： ［Ｊ］．Ｐｏｗｅｒ Ｄｅｍａｎｄ Ｓｉｄｅ Ｍａｎａｇｅｍｅｎｔ，２０１６，１８（２）：５～１０． ［３］ 王建星，韩文花．我国电力需求侧管理的现状分析及建 议［Ｊ］．广东电力，２０１３，２６（７）：１—５． Ｗａｎｇ Ｊｉａｎｘｉｎｇ，Ｈａｎ Ｗｅｎｈｕａ．Ａｎａｌｙｓｉｓ ｏｎ ｓｔａｔｕｓ ｑｕｏ ｏｆ ｐｏｗｅｒ ＿ 顾信工程海工林作（。 １９７１），男，硕士，副高级工程师，主要从事通 （本文责任编辑：范斌） ｗｉｔｈ ｔｈｅ ａｉｄ ｏｆ ｔｈｉｓ ｍｏｄｅｌ ｔｏ ｒｅａｌｉｚｅ ｔｈｅ Ｒｅｓｅａｒｃｈ ａｎｄ ａｐｐｌｉｃａｔｉｏｎ ｏｆ ｐｏｗｅｒ ｄｅｍａｎｄ ｓｉｄｅ ｍａｎａｇｅｍｅｎｔ ｍｏｄｅｌ Ｇｕ Ｈａｉｌｉｎ，Ｈｕａｎｇ Ｘｉｎｇ，Ｕｉ Ｘｉ （１．Ｓｔａｒ Ｇｒｉｄ Ｌｉａｏｎｉｎｇ Ｉｎｆｏｒｍａｔｉｏｎ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ Ｃｏｍｐａｎｙ，Ｓｈｅｎｙａｎｇ １ １００００ Ｌｉａｏｎｉｎｇ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｉｎ ｔｈｉｓ ｐａｐｅｒ，ｔｈｅ ｃｕｒｒｅｎｔ ｓｉｔｕａｔｉｏｎ ｏｆ ｐｏｗｅｒ ｄｅｍａｎｄ ｓｉｄｅ ｍａｎａｇｅｍｅｎｔ ｉｓ ａｎａｌｙｚｅｄ，ｔｈｒｏｕｇｈ ｔｈｅ ａｎａｌｙｓｉｓ ｏｆ ｅｌｅｃｔｒｉｃ ｐｏｗｅｒ ｄｅｍａｎｄ ｓｉｄｅ ｓｙｓｔｅｍ ａｒｃｈｉｔｅｃｔｕｒｅ，ｐｏｗｅｒ ｄｅｍａｎｄ ｓｉｄｅ ｍａｎａｇｅｍｅｎｔ ｍｏｄｅｌ ｉｓ ｐｕｔ ｆｏｒｗａｒｄ，ｉｎｔｅｇｒａｔｅｄ ｍａｎａｇｅｍｅｎｔ ａｎｄ ｃｏｎｔｒｏｌ，ｓｕｃｈ ａｓ ｐｏｗｅｒ ｇｒｉｄ ｅｎｔｅｒｐｒｉｓｅ ｔａｒｇｅｔ ｒｅｓｐｏｎｓｉｂｉｌｉｔｙ ａｐｐｒａｉｓａｌ，ｔｈｅ ｅｎｅｒｇｙ ｃｏｎｓｅｒｖａｔｉｏｎ ｓｅｒｖｉｃｅ ｂｕｓｉｎｅｓｓ，ｏｒｄｅｒｌｙ ｅｌｅｃｔｒｉｃｉｔｙ ａｎｄ ｓｏ ｏｎ，ｉｎ ｏｒｄｅｒ ｔｏ ａｃｈｉｅｖｅ”ｕｓｕａｌｌｙ ｇｒａｓｐ ｅｎｅｒｇｙ ｅｆｆｉｃｉｅｎｃｙ，ｔｅｎｓｉｏｎ ｇｕａｒａｎｔｅｅｄ ｓｕｐｐｌｙ”ｍａｎａｇｅｍｅｎｔ ｏｂｊｅｃｔｉｖｅｓ． Ｋｅｙ ｗｏｒｄｓ：ｐｏｗｅｒ ｅｎｔｅｒｐｒｉｓｅ；ｄｅｍａｎｄ ｓｉｄｅ ｍａｎａｇｅｍｅｎｔ；ｒｅｓｅａｒｃｈ ａｐｐｌｉｃａｔｉｏｎ （上接第２４页） ［４］何清，李宁，罗文娟，等．大数据下的机器学习算法综述［Ｊ］． 模式识别与人工智能，２０１４，２７（４）：３２７—３３６． Ｈｅ Ｑｉｎｇ，Ｌｉ Ｎｉｎｇ，Ｌｕｏ ＷｅｎＪｕａｎ，Ｓｈｉ Ｚｈｏｎｇｚｈｉ，ｅｔ ａ１．Ａ ｓｕｒｖｅｙ ｏｆ ２０１１，２８（４）：４４—４７ 收稿日期：２０１７—０４—０３ 作者简介： ｍａｃｈｉｎｅ ｌｅａｒｎｉｎｇ ａｌｇｏｒｉｔｈｍｓ ｆｏｒ ｂｉｇ ｄａｔａ［Ｊ］．Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ ａｎｄ Ａｒｔｉｉｆｃｉｌａ Ｉｎｔｅｌｌｉｇｅｎｃｅ．２０１４，（４）：３２７—３３６． 刘 彪（１９８６），男，硕士，高级工程师，主要从事电力 信息化相关工作。 ［５］李玲俐．数据挖掘中分类算法综述［Ｊ］．重庆师范大学学报 （自然科学版），２０１１，２８（４）：４４—４７． （本文责任编辑：范斌） Ｌｉ Ｌｉｎｇｌｉ．Ａ ｒｅｖｉｅｗ ｏｎ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ａｌｇｏｒｉｔｈｍｓ ｉｎ ｄａｔａ ｍｉｎｉｎｇ［Ｊ］． Ｊｏｕｒｎａｌ ｏｆ Ｃｈｏｎｇｑｉｎｇ Ｎｏｒｍａｌ Ｕｎｉｖｅｒｓｉｔｙ（Ｎａｔｕｒａｌ Ｓｃｉｅｎｃｅ Ｅｄｉｔｉｏｎ） Ｍｏｄｅｌｉｎｇ ｐｒａｃｔｉｃｅ ｏｆ ｆｏｒｅｃａｓｔｉｎｇ ｅｌｅｃｔｒｉｃｉｔｙ ｆｅｅｓ ｓｅｎｓｉｔｉｖｅ ｃｕｓｔｏｍｅｒｓ ｂａｓｅｄ ｏｎ ｕｓｅｒ ｐｒｏｆｉｌｅ ａｎａｌｙｓｉｓ Ｌｉｕ Ｂｉａｏ．Ｌｉｕ Ｊｉｎｃｈａｎｇ （Ｓｔａｔｅ Ｇｒｉｄ Ｉｎｆｏｒｍａｔｉｏｎ＆Ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎ Ｇｒｏｕｐ Ｃｏ．，Ｌｔｄ．，Ｂｅｉｊｉｎｇ １０２２１ １，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｈｅ ａｒｔｉｃｌｅ ｓｅｌｅｃｔｓ ａｎｄ ａｎａｌｙｚｅｓ ｔｈｅ ｃａｓｅ ｏｆ ｅｌｅｃｔｉｃｉｒｔｙ ｆｅｅｓ ｓｅｎｓｉｔｉｖｅ ｃｕｓｔｏｍｅｒ ｂａｓｅｄ ｏｎ ｕｓｅｒ ｐｏｒｔｒａｉｔ，ｄｅｓｃｒｉｂｅｓ ｔｈｅ ｍｏｄｅｌｉｎｇ ｐｒｏｃｅｓｓ ａｎｄ ｍｅｔｈｏｄ ｂｙ ｄｅｓｉｇｎ ｏｆ ｓｉｇｎａｔｕｒｅ ｔａｇｓ ｆｏｒ ｅｌｅｃｔｒｉｃｉｔｙ ｆｅｅｓ ｓｅｎｓｉｔｉｖｅ ｃｕｓｔｏｍｅｒｓ，ｄａｔａ ａｎａｌｙｓｉｓ ａｎｄ ｐｒｅｐｒｏｃｅｓｓｉｎｇ，ｆｅａｔｕｒｅ ｅｎｇｉｎｅｅｒｉｎｇ，ａｌｇｏｒｉｔｈｍ ｍｏｄｅｌ ｂｕｉｌｄｉｎｇ ａｎｄ ｓｏ ｏｎ． Ｋｅｙ ｗｏｒｄｓ：ｕｓｅｒ ｐｒｏｆｉｌｉｎｇ；ｅｌｅｃｔｒｉｃｉｔｙ ｆｅｅｓ ｓｅｎｓｉｔｉｖｅ；ｕｓｅｒ ｐｏｒｔｒａｉｔ ｍｏｄｅｌｉｎｇ；ｅｌｅｃｔｒｉｃｉｔｙ ｆｅｅｓ ｓｅｎｓｉｔｉｖｅ ｕｓｅｒ ｆｏｒｅｃａｓｔ ・１９・
