国网江苏省电力有限公司镇江供电分公司

首先，选取具有典型用电特征的居民自用充电桩用户，从用电地址、负荷曲线波形、日最大负荷值、最小负荷值、负载率、用电需求规律、关联居民用电户电量变化等维度建立信息标签，梳理其负荷特性，实现对目标客户用电情况的精细化、多维度画像，分析预测高频风险点。进一步，基于熵权法的分析算法，得出负载率、用电地址相关度、关联户负荷变化等多项指标权重，构建充电桩用电负荷异常模型，为多指标综合评价提供理论依据。再利用机器学习方法，搭建历史数据训练预测模型，以提升充电桩异常数据智能分析的准确率。最后根据各项异常数据管控要点，将主题逻辑代码嵌入营销2.0系统，以卡片方式进行可视化主题展示，数据分析成果可应用于线上派单和现场检查。营销2.0系统中以月为周期自动生成用电异常预警，可“一键生成”线上管控工单，巡检人员可依据工单信息于现场精准挖掘线索，快速定位异常问题并及时反馈，有效提升检查效率。