基于机器学习算法的电力实践案例大数据分析

　　本书基于海量电力数据，介绍最新的大数据技术和机器学习算法在电力产业中的应用实践案例。 基于大数据分析和机器学习算法对配变台区停电进行预测。从停电类型、二十四节气、停电时间段对电力数据进行整合分析，基于时间序列实现停电预测，包括处理序列、参数准备、时间序列基础、创建时间序列模型、训练模型等步骤，实现停电台区提前预警，为台区改造和综合服务提供依据和支撑。 基于大数据分析和机器学习算法对高压用户电费进行预测。明确电力生产中高压用户分类说明，建立预测模型架构，从数据分析过程出发，创建模型、训练模型、预测时间准确率分析评估，最后形成基于随即森林实现电费预测的模型，有效预测电费变化，提升电力服务体系效率，为推进高压用户电费改革提供数据参考。 基于大数据分析和机器学习算法对企业复工复产水平预测。电力数据涉及行业广泛，结合当下市场现状，对企业用电量、电费等数据进行处理，基于时间序列方法进行分析，形成评价分析流程，预测企业复工复产时间趋势以及状态，并按电压等级和用户类型进行分析，为企业复工复产提供决策性建议，助力企业复工复产。 基于大数据分析和机器学习算法对电力用户价值进行分析。基于海量电力用户数据，按行业类别和用户性质，利用RFM方法构建电力用户价值模型，以楼宇空置和空巢用户为重点分析案例，形成具有指导意义的评价流程和报告，为政府科学决策提供参考依据。 基于大数据分析和机器学习算法对配电网变台进行精准投资分析。基于电力产业实际情况，明确配电网变台评价指标说明，就配电网变台进行相关性分析，形成基于K-means聚类算法的优质变台识别方法，并对识别结果进行验证，对模型进行修正，为研究电力配电网变台大数据人员提供参考。 基于大数据分析和机器学习算法对农网供电营业厅进行评价分析。基于农网营业厅业务流程和经营数据，梳理明确营业厅具体指标说明，对各指标进行相关性分析，去除多重共线性，按营业厅类型进行主成分因子分析，计算营业厅整体得分，形成基于主成分分析的营业厅得分评价计算，得出评价营业厅工作质效的评价体系，辅助农网营业厅革新调整。 基于大数据分析和机器学习算法生成基于OCR字符识别工具。对图片和数据进行处理，形成基于OCR光学字符和手写字符识别模型，并结合实际情况，对模型进行训练和修正，生成稳定的基于OCR提取图像关键信息。 基于大数据分析和机器学习算法生成一般工商业电价优选工具。基于大数据技术和机器学习算法，利用Python工具，对海量工商业电价数据进行处理，达到电费自动计算的目的，并形成电费优惠金额自动输出，形成数据结果可视化，构建电费自动化，减少业务工作人员工作环节，节省电力运营和服务成本。

　　国网宁夏电力公司是国家电网公司全资子公司，属国有特大型能源供应企业，主要从事宁夏回族自治区境内电网的建设、运行、管理和经营，为宁夏经济社会发展提供充足、稳定的电力供应和优质、高效的服务。国网宁夏电力公司经营区域覆盖宁夏回族自治区全境，覆盖国土面积6.64万平方公里，供电服务人口688万人。截至2020年底，公司用工总量13601人，其中长期职工9107人、供电服务（农电）职工3258人、集体企业用工1126人、劳务派遣110人。

前言
1 大数据分析介绍
1．1 大数据概述
1．2 数据准备
1．3 模型规划
1．4 机器学习
2 配变台区停电精准预测
2．1 概述
2．2 数据分析过程
2．3 基于时间序列实现停电预测
2．4 建议
3 高压用户电费回收风险预测
3．1 概述
3．2 数据分析过程
3．3 高压用户电费风险预测分析
4 企业复工复产水平预测
4．1 概述
4．2 基于时间序列实现企业复工复产水平预测
4．3 建议
5 电力用户价值分析
5．1 概述
5．2 数据准备
5．3 基于RFM构建电力用户价值模型
5．4 用电客户数据挖掘分析之楼宇空置率
6 配电网台区精准投资分析
6．1 概述
6．2 问题分析
6．3 关键指标分析
6．4 分析内容
7 农网供电营业厅评价分析
7．1 数据准备
7．2 数据预处理
7．3 模型建立及调参
7．4 模型检验
8 一般工商业电价优选工具生成
8．1 概述
8．2 存在的问题
8．3 基于Python实现电费自动计算
8．4 案例实测
参考文献