基於機器學習算法的電力實踐案例大數據分析（簡體書）

近年來，隨著信息技術的發展，大數據技術和理念在金融、交通、物流和餐飲等傳統行業廣泛應用，產生了顛覆性影響，徹底改變了這些行業的格局。通過大數據與傳統產業融合，推動生成方式和商業模式創新已成為發展潮流和各方共識。而電網數據總量已達到PB級，且日增長量達到TB級，數據涉及行業廣泛，蘊含著巨大的價值。如何利用大數據技術對海量電力數據進行分析，挖掘其中的價值，對其加以利用，成為當下急需解決的問題。
《基於機器學習算法的電力實踐案例大數據分析》針對以上問題，以全面推進配電網高質量發展為主線，以提升電力服務質量和效率為目標，從電力預測、識別和生產方面人手，利用新大數據技術和機器算法對海量電力數據進行分析，挖掘電力數據業務價值，提高電力運營效率，推進電力數據綜合應用，構建電力數據服務體系，提升電力全網數據一體化運營管理能力，為企業決策提供數據支撐，為電力大數據處理技術研究人員和從業人員提供科學依據和參考。

國網寧夏電力公司是國家電網公司全資子公司，屬國有特大型能源供應企業，主要從事寧夏回族自治區境內電網的建設、運行、管理和經營，為寧夏經濟社會發展提供充足、穩定的電力供應和優質、高效的服務。國網寧夏電力公司經營區域覆蓋寧夏回族自治區全境，覆蓋國土面積6.64萬平方公裡，供電服務人口688萬人。截至2020年底，公司用工總量13601人，其中長期職工9107人、供電服務（農電）職工3258人、集體企業用工1126人、勞務派遣110人。

（1）對電力大數據應用案例分門別類進行闡述。詳細闡述大數據技術和機器學習算法在電力生產、預測和識別方面的應用案例，有效提升電力全網數據一體化運營管理能力，並為電力大數據處理技術研究人員和從業人員提供科學依據和參考。
（2）利用電力大數據的應用案例，助力疫情期間復工復產。基於大數據算法對疫情期間重點企業的用電量、電費等數據進行分析，形成評價分析流程，預測企業復工復產時間趨勢以及狀態，為企業復工復產提供決策性建議，助力企業復工復產，給讀者解讀疫情期間的電力數據提供指引性作用。
（3）在書中部分章節補充視頻,將模型可視化、立體化、直觀化，增加視頻展現電力大數據分析助力疫情期間復工復產情況。

本書以大數據與電力產業融合為契機，利用最新的大數據技術和機器學習算法，對海量電力數據進行挖掘分析，詳細闡述大數據技術和機器學習算法在電力生產、預測和識別方面的應用案例，有效提升電力全網數據一體化運營管理能力，並為電力大數據處理技術研究人員和從業人員提供科學依據和參考。
本書共分為8章，介紹了最新的大數據技術和機器學習算法在電力產業中的應用實踐案例。第1章對大數據分析和機器學習算法進行介紹。隨著信息網絡的發展，大數據分析和機器學習算法在工商業中的應用日益重要，結合當下最新算法，對大數據分析和機器學習算法進行介紹，詳細闡述邏輯回歸、SVM、主成分分析、K-means聚類等大數據算法。第2章闡述配變臺區停電精準預測的方法，實現停電臺區提前預警，為臺區改造和綜合服務提供依據和支撐。第3章闡述高壓用戶電費回收風險預測的方法，有效預測電費變化，提升電力服務體系效率，為推進高壓用戶電費改革提供數據參考。第4章介紹企業復工復產水平預測的方法，為企業復工復產提供決策性建議，助力企業復工復產。第5章分析電力用戶價值，利用RFM方法構建電力用戶價值模型，以樓宇空置為重點分析案例，形成具有指導意義的評價流程和報告，為政府科學決策提供參考依據。第6章對配電網臺區進行精準投資分析，明確配電網變臺評價指標說明，就配電網變臺進行相關性分析，為研究電力配電網變臺大數據人員提供參考。第7章對農網供電營業廳進行評價分析。基於農網營業廳業務流程和經營數據，梳理明確營業廳具體指標說明，對各指標進行相關性分析，得出評價營業廳工作質效的評價體系，輔助農網營業廳革新調整。第8章介紹一般工商業電價優選工具的Python算法，對海量工商業電價數據進行處理，達到電費自動計算的目的，減少業務工作人員工作環節，節省電力運營和服務成本。
本書可為電力大數據處理技術研究人員和從業人員提供依據和參考。
由於時間倉促，作者水平有限，難免有疏漏與不妥之處，歡迎讀者批評指正。

前言
1 大數據分析介紹
1．1 大數據概述
1．2 數據準備
1．3 模型規劃
1．4 機器學習

2 配變臺區停電精準預測
2．1 概述
2．2 數據分析過程
2．3 基於時間序列實現停電預測
2．4 建議

3 高壓用戶電費回收風險預測
3．1 概述
3．2 數據分析過程
3．3 高壓用戶電費風險預測分析

4 企業復工復產水平預測
4．1 概述
4．2 基於時間序列實現企業復工復產水平預測
4．3 建議

5 電力用戶價值分析
5．1 概述
5．2 數據準備
5．3 基於RFM構建電力用戶價值模型
5．4 用電客戶數據挖掘分析之樓宇空置率

6 配電網臺區精準投資分析
6．1 概述
6．2 問題分析
6．3 關鍵指標分析
6．4 分析內容

7 農網供電營業廳評價分析
7．1 數據準備
7．2 數據預處理
7．3 模型建立及調參
7．4 模型檢驗

8 一般工商業電價優選工具生成
8．1 概述
8．2 存在的問題
8．3 基於Python實現電費自動計算
8．4 案例實測
參考文獻