電力行業(yè)低碳轉(zhuǎn)型：客戶細分、負荷預測與能效評價

目　錄
前　言
第1章　緒論 1
1.1　研究背景與意義 1
1.1.1　研究背景 1
1.1.2　研究意義 3
1.2　國內(nèi)外相關(guān)研究現(xiàn)狀 4
1.2.1　電力行業(yè)低碳轉(zhuǎn)型相關(guān)研究 4
1.2.2　電力服務質(zhì)量相關(guān)研究 6
1.2.3　電力客戶細分的相關(guān)研究 9
1.2.4　電力短期負荷預測的相關(guān)研究 10
1.2.5　電力中長期負荷預測的相關(guān)研究 16
1.2.6　能效評價的相關(guān)研究 17
1.2.7　研究評述 21
1.3　研究方法、內(nèi)容及技術(shù)路線 23
1.3.1　研究方法 23
1.3.2　研究內(nèi)容 29
1.3.3　技術(shù)路線 30
第2章　相關(guān)概念界定與理論基礎 32
2.1　相關(guān)概念界定 32
2.1.1　電力行業(yè)低碳轉(zhuǎn)型 32
2.1.2　智能電網(wǎng) 34
2.1.3　客戶細分 35
2.1.4　電力負荷 37
2.1.5　負荷預測 38
2.1.6　能效評價 39
2.2　相關(guān)理論基礎 39
2.2.1　電力服務理論 39
2.2.2　客戶關(guān)系管理理論 42
2.2.3　需求響應相關(guān)理論 45
2.2.4　電力負荷預測相關(guān)理論 46
2.2.5　能效服務理論 49
2.2.6　客戶服務質(zhì)量評價理論 50
第3章　電力客戶細分模型構(gòu)建 53
3.1　電力客戶細分模型構(gòu)建思路 53
3.2　電力客戶細分模型構(gòu)建的目標和原則 54
3.2.1　模型構(gòu)建目標 54
3.2.2　模型構(gòu)建原則 54
3.3　客戶細分變量提取 55
3.3.1　客戶細分變量提取原則 55
3.3.2　基于煤改電客戶意愿的細分變量提取 56
3.3.3　基于煤改電客戶價值的細分變量提取 58
3.4　客戶細分模型構(gòu)建 58
3.4.1　肘部法則與輪廓系數(shù)方法確定電力客戶細分初始簇數(shù) 58
3.4.2　K-means算法實現(xiàn)電力客戶聚類 60
3.4.3　改進K-means算法實現(xiàn)客戶細分模型的構(gòu)建 62
3.5　本章小結(jié) 62
第4章　電力客戶細分模型的驗證 63
4.1　客戶數(shù)據(jù)收集 63
4.1.1　營銷系統(tǒng)數(shù)據(jù)收集 63
4.1.2　問卷調(diào)查數(shù)據(jù)收集 64
4.2　客戶數(shù)據(jù)預處理 66
4.2.1　數(shù)據(jù)清洗與整理 66
4.2.2　離群值處理 67
4.2.3　標準化處理 68
4.2.4　One-Hot編碼 69
4.2.5　二進制編碼 70
4.3　客戶細分聚類 71
4.3.1　實現(xiàn)工具 71
4.3.2　K值的確定 71
4.3.3　K-means算法聚類 72
4.4　客戶細分聚類結(jié)果解釋 77
4.4.1　基于煤改電客戶意愿的居民客戶聚類結(jié)果解釋 77
4.4.2　基于煤改電客戶價值的居民客戶聚類結(jié)果解釋 79
4.5　客戶細分模型應用結(jié)果 80
4.5.1　基于煤改電客戶意愿的居民客戶細分結(jié)果 81
4.5.2　基于煤改電客戶價值的居民客戶細分結(jié)果 81
4.6　本章小結(jié) 82
第5章 　智能電網(wǎng)短期負荷預測模型構(gòu)建 83
5.1　短期負荷預測影響因素的提取 83
5.1.1　短期負荷特性分析 83
5.1.2　短期電力負荷預測影響因素的初步選取 90
5.1.3　短期電力負荷預測關(guān)鍵影響因素的甄別 98
5.2　人工神經(jīng)網(wǎng)絡在模型構(gòu)建中的適用性分析 103
5.3　基于神經(jīng)網(wǎng)絡的智能電網(wǎng)短期負荷預測單一模型構(gòu)建 106
5.3.1　單一模型選取原則 107
5.3.2　BP神經(jīng)網(wǎng)絡預測模型構(gòu)建 107
5.3.3　LSTM神經(jīng)網(wǎng)絡預測模型構(gòu)建 113
5.4　基于遺傳算法的短期負荷預測組合模型構(gòu)建 116
5.4.1　組合預測模型權(quán)重確定方法 116
5.4.2　BP-LSTM神經(jīng)網(wǎng)絡組合預測模型構(gòu)建 117
5.5　本章小結(jié) 119
第6章　智能電網(wǎng)短期負荷預測模型的驗證 120
6.1　預測精度評價指標選取 120
6.2　樣本數(shù)據(jù)選擇與預處理 121
6.2.1　樣本數(shù)據(jù)選擇 121
6.2.2　樣本數(shù)據(jù)預處理 122
6.3　預測過程及結(jié)果分析 125
6.3.1　BP神經(jīng)網(wǎng)絡模型預測結(jié)果 125
6.3.2　LSTM神經(jīng)網(wǎng)絡模型預測結(jié)果 126
6.3.3　BP-LSTM神經(jīng)網(wǎng)絡模型預測結(jié)果 127
6.4　模型預測效果對比分析 128
6.4.1　三種神經(jīng)網(wǎng)絡模型預測效果 129
6.4.2　組合模型與單一模型預測效果對比 131
6.5　本章小結(jié) 132
第7章　智能電網(wǎng)中長期負荷預測模型構(gòu)建 133
7.1　中長期負荷預測影響因素的提取 133
7.1.1　中長期負荷特性分析 133
7.1.2　中長期電力負荷預測影響因素的初步提取 135
7.1.3　中長期電力負荷預測關(guān)鍵影響因素的甄別 140
7.2　灰色預測模型在中長期電力負荷預測模型中的適用性分析 141
7.3　單因素條件下的中長期電力負荷需求預測模型構(gòu)建 142
7.3.1　單一模型選取原則 142
7.3.2　基于灰色模型的電力負荷需求預測模型構(gòu)建 142
7.4　多因素條件下的中長期電力負荷需求預測模型構(gòu)建 145
7.4.1　中長期電力負荷預測模型輸入變量說明 145
7.4.2　中長期電力負荷需求預測模型構(gòu)建 145
7.5　本章小結(jié) 147
第8章　智能電網(wǎng)中長期負荷預測模型驗證 148
8.1　電力負荷需求預測實例公司負荷數(shù)據(jù)選取 148
8.2　單因素條件下電力負荷需求預測模型效果評價 149
8.2.1　預測精度評價指標選取 149
8.2.2　預測過程及結(jié)果分析 150
8.3　多因素條件下電力需求預測模型效果評價 153
8.3.1　預測精度評價指標選取 153
8.3.2　預測過程及結(jié)果分析 156
8.4　單因素與多因素預測模型預測效果對比分析 159
8.5　本章小結(jié) 160
第9章　電力客戶用能效果評價模型構(gòu)建 161
         評價指標體系建立目標與原則 161
9.2　評價指標體系構(gòu)建流程 162
    　評價指標初選 162
9.2.2　評價指標優(yōu)化與確立 167
9.2.3　客戶用電能效指標評價權(quán)重方法 178
9.3　電力客戶用能效果評價模型構(gòu)建 181
9.4　本章小結(jié) 186
第10章　電力客戶用能效果評價模型驗證 187
10.1　電力客戶用能效果質(zhì)量評價指標提取的原則和目標 187
10.2　基于改進的TOPSIS綜合評價模型構(gòu)建 188
10.2.1　客戶數(shù)據(jù)收集 188
10.2.2　供電服務客戶滿意度評價 188
10.3　A省“供電 能效服務”項目評價結(jié)果分析 201
10.4　相關(guān)企業(yè)典型案例分析 205
10.4.1　典型案例1 205
10.4.2　典型案例2 207
10.4.3　案例分析結(jié)論 208
10.5　本章小結(jié) 209
第11章　提升電力服務質(zhì)量的對策與建議 210
11.1　客戶價值挖掘及服務提升的對策與建議 210
11.2　優(yōu)化智能電網(wǎng)調(diào)控管理水平的對策與建議 219
11.3　客戶用電能效服務質(zhì)量提升的對策與建議 222
參考文獻 228