原创《基于数据挖掘客户电量流失预测方法》：本论文为您写数据挖掘毕业论文范文和职称论文提供相关论文参考文献，可免费下载。
客户流失,在电力系统中称之为客户销户,即客户因自身原因希望终止与供电企业的供用电关系而*销户手续.根据原国家电力工业部1996年发布的《供电营业规则》第三十二条和三十三条规定：客户销户,须向供电企业提出申请.供电企业应按下列规定*：1）销户必须停止全部用电容量的使用；2）客户已向供电企业结清电费；检查用电计量完好性后,拆除接户线和用电计量装置；4）客户持供电企业出具的凭证,领还电能表保证金与电费保证金；办结上述事宜,即解除供用电关系.
电力一直以来处于垄断地位,2015年3月**、国务院印发《**国务院关于进一步深化电力体制改革的若干意见》（中发[2015]9号）和《关于推进售电侧改革的实施意见》,根据文件精神要求通过开展售电侧改革试点,引入社会资本竞争,未来电力企业面临社会资本对客户市场的竞争.未来客户可以根据电价、服务体验等因素对供电对象进行选择,因此电力企业需要通过现有强大的客户基础信息数据,对客户流失问题开展研究,并对流失进行预测,为制定相应的服务策略争取增量客户市场提供决策依据,同时也能为政府机构开展经济形势分析提供参考.目前针对用电客户流失的相关研究较少,往往通过人工经验预测流失电量,没有系统的流失电量计算方法,使得预测流失电量对预测人的经验要求非常高,故需设计一种用电客户流失电量预测方法,以估算客户流失给电力企业带来的电量.
客户电量流失预测
本文设计的基于数据挖掘的客户电量流失的预测方法,主要包含以下四个步骤：
（1）对用电客户进行分类；
（2）根据步骤（1）的分类,得到每类用电客户在预测月流失的预测客户流失数；
（3）获取每个用电客户的历史用电量,根据历史用电量计算得出每类用电客户在预测月的平均用电量；
（4）根据每类用电客户在预测月的平均用电量和每类用电客户在预测月流失的预测客户流失数计算得出全体用电客户在预测月的总流失电量.
其中,用户客户的传统分类方法主要有：
1）按照供电区域分类.供电区域和电力市场有明显的对应关系,把位于同一区域的客户划分为同类.
2）按照客户规模分类.就是根据客户的用电量大小、电压等级高低、容量大小作为依据进行分类.
3）按照客户性质分类.客户性质分类包括按产业、按行业、按负荷重要性、按耗能程度、按用电潜力分类.
4）按照电价分类.按照执行电价的对象不同可分为：居民生活、非居民照明、大工业、非普工业、商业、农业生产、其他.
5）按照信用等级分类.
6）按照经济贡献率分类.
但是就目前供电企业对电力客户的细分主要存在以下问题：缺乏考虑客户的用电行为；细分指标单一,只能从某方面反映客户的价值；细分方法可操作性较差,分类结果不能直观反映客户的真实价值,无法满足市场营销的需要.具体说明如下：
1）缺乏考虑客户的用电行为
一个客户存在多种属性及特征,主要归纳成3类：社会属性、经济属性和客户行为.对客户进行细分的时候,企业可以根据实际需求选择不同的属性.
随着智能电网建设的推进,用户多元化需求对现有营销方式提出新的挑戰,尤其是进入个性化的“一对一”营销时代,更需要科学的客户行为细分.因此,基于现有客户服务数据资源,从电力客户的客户行为人手,综合考虑客户多方因素,对于更好的认识客户,增强企业营销服务和实现营销精益化管理都具有重要意义
2）电力客户细分指标单一
在电力客户细分工作中目前主要采用的是定性分类方法,对定量分类方法的应用并不多见,能将两种方法有机结合的客户分类方法更为缺乏.事实证明,定性分类方法由于营销人员的主观原因和经验所限,缺乏对客户的全面了解,分类结果往往比较粗糙,难以发现不同类别客户之间的区别,难以真正发挥客户分类的作用,不利于进一步开展营销服务和客户开发等工作.而定量方法通常是对客户信息进行统计和计算来对客户进行分类,分类结果解释性比较差.
用电信息采集系统和数据仓库的建设完善,客户数据将会越来越丰富和复杂,为构建结合定性和定量的细分方法提供了基础.但对于有些复杂的数据,传统分类方法无法精确解读,而随着数据挖掘技术水平的提高,有效解决了这一难题,其分类结果能很好地贴近人类的思维方式,使分类更加科学化和规范化.
3）电力客户细分可操作性较差
目前,国内电力市场建设还不完善,对电力客户细分的研究更多是停留在理论研究阶段,脱离实际营销市场,不能满足现代电力市场营销活动的需要.同时,由于分类方法过于简单,客户细分结果模糊、可操作性较差,不能反应电力客户的用电行为,实际的操作意义不大.
近年来,各省市供电局陆续开展了信息采集系统的建设工作,客户的用电数据呈爆炸式增长,为智能化客户细分方法的研究和应用奠定了基础.现在应用较多的方法主要有以下几种：
1）聚类分析.聚类分析在数据挖掘技术中是一个非常重要的研究领域,是一种无监誓的、具有探索性的分类技术,它是在没有任何先验知识的前提下,按照一定规则将数据集划分成不同的簇,使得同一个簇中的样本之间的相似程度较高,而不同的簇之间的样本之间的差异程度大.目前聚类分析在营销分析、信息检索、数据统计等多个领域得到了广泛的应用.
2）人工神经网络.人工神经网络是模仿生物学中人体的神经网络结构和运行原理而建立起来的一种计算模型,整个模型由一些相互联系的神经元组成,这些神经元的功能在于处理和传递信息,其连接方式直接决定着信息在网络中传递和信息的属性.通过模拟人脑的学习、记忆和处理问题等方式,对神经网络进行客户细分方面的训练,神经网络就可习得客户数据处理方法,并且根据相应细分要求,对数据进行合理分类.
3）拟合分析.采用拟合分析进行客户细分的过程是：首先对样本的偏好进行评估,在此基础上将有相同或相似偏好的样本划分为一类.原始的拟合分析仅以表面特征为细分指标,随后不断地向屯、理特征过渡.相应地细分技术也从事前细分向事后细分转移.在不断改进之后,拟合分析成为最受欢迎的细分方法之一.
数据挖掘论文参考资料：
结论：基于数据挖掘客户电量流失预测方法为关于本文可作为相关专业数据挖掘论文写作研究的大学硕士与本科毕业论文数据挖掘前景论文开题报告范文和职称论文参考文献资料。
