电力行业的减排效果对实现“双碳”目标至关重要。《电力行业低碳转型：客户细分、负荷预测与能效评价》从大数据赋能电力行业低碳转型的角度，对重塑电力服务体系这一课题进行研究，从客户细分、负荷预测与能效评价三个方面提出了方案并予以实践。首先，基于数据挖掘技术细分电力用户，提升客户满意度；其次，挖掘相关用电数据对电力负荷进行短期和中长期预测，以提高电力负荷的预测精度；最后，开展电力公司供电服务客户满意度评价，精准满足客户需求，提升供电服务质量。

    《电力行业低碳转型：客户细分、负荷预测与能效评价》可作为电力工程管理、技术经济与管理及相关管理专业的博士生和硕士生，以及从事相关研究的专业人员的参考书，同时对从事电力服务与电力体制改革的工作人员也具有一定的指导作用。本书的编写期望能推进我国电力行业低碳转型，为电力行业服务体系创新和提高电力服务质量开拓新思路。

目　录

前　言

第1章　绪论 1

1.1　研究背景与意义 1

1.1.1　研究背景 1

1.1.2　研究意义 3

1.2　国内外相关研究现状 4

1.2.1　电力行业低碳转型相关研究 4

1.2.2　电力服务质量相关研究 6

1.2.3　电力客户细分的相关研究 9

1.2.4　电力短期负荷预测的相关研究 10

1.2.5　电力中长期负荷预测的相关研究 16

1.2.6　能效评价的相关研究 17

1.2.7　研究评述 21

1.3　研究方法、内容及技术路线 23

1.3.1　研究方法 23

1.3.2　研究内容 29

1.3.3　技术路线 30

第2章　相关概念界定与理论基础 32

2.1　相关概念界定 32

2.1.1　电力行业低碳转型 32

2.1.2　智能电网 34

2.1.3　客户细分 35

2.1.4　电力负荷 37

2.1.5　负荷预测 38

2.1.6　能效评价 39

2.2　相关理论基础 39

2.2.1　电力服务理论 39

2.2.2　客户关系管理理论 42

2.2.3　需求响应相关理论 45

2.2.4　电力负荷预测相关理论 46

2.2.5　能效服务理论 49

2.2.6　客户服务质量评价理论 50

第3章　电力客户细分模型构建 53

3.1　电力客户细分模型构建思路 53

3.2　电力客户细分模型构建的目标和原则 54

3.2.1　模型构建目标 54

3.2.2　模型构建原则 54

3.3　客户细分变量提取 55

3.3.1　客户细分变量提取原则 55

3.3.2　基于煤改电客户意愿的细分变量提取 56

3.3.3　基于煤改电客户价值的细分变量提取 58

3.4　客户细分模型构建 58

3.4.1　肘部法则与轮廓系数方法确定电力客户细分初始簇数 58

3.4.2　K-means算法实现电力客户聚类 60

3.4.3　改进K-means算法实现客户细分模型的构建 62

3.5　本章小结 62

第4章　电力客户细分模型的验证 63

4.1　客户数据收集 63

4.1.1　营销系统数据收集 63

4.1.2　问卷调查数据收集 64

4.2　客户数据预处理 66

4.2.1　数据清洗与整理 66

4.2.2　离群值处理 67

4.2.3　标准化处理 68

4.2.4　One-Hot编码 69

4.2.5　二进制编码 70

4.3　客户细分聚类 71

4.3.1　实现工具 71

4.3.2　K值的确定 71

4.3.3　K-means算法聚类 72

4.4　客户细分聚类结果解释 77

4.4.1　基于煤改电客户意愿的居民客户聚类结果解释 77

4.4.2　基于煤改电客户价值的居民客户聚类结果解释 79

4.5　客户细分模型应用结果 80

4.5.1　基于煤改电客户意愿的居民客户细分结果 81

4.5.2　基于煤改电客户价值的居民客户细分结果 81

4.6　本章小结 82

第5章 　智能电网短期负荷预测模型构建 83

5.1　短期负荷预测影响因素的提取 83

5.1.1　短期负荷特性分析 83

5.1.2　短期电力负荷预测影响因素的初步选取 90

5.1.3　短期电力负荷预测关键影响因素的甄别 98

5.2　人工神经网络在模型构建中的适用性分析 103

5.3　基于神经网络的智能电网短期负荷预测单一模型构建 106

5.3.1　单一模型选取原则 107

5.3.2　BP神经网络预测模型构建 107

5.3.3　LSTM神经网络预测模型构建 113

5.4　基于遗传算法的短期负荷预测组合模型构建 116

5.4.1　组合预测模型权重确定方法 116

5.4.2　BP-LSTM神经网络组合预测模型构建 117

5.5　本章小结 119

第6章　智能电网短期负荷预测模型的验证 120

6.1　预测精度评价指标选取 120

6.2　样本数据选择与预处理 121

6.2.1　样本数据选择 121

6.2.2　样本数据预处理 122

6.3　预测过程及结果分析 125

6.3.1　BP神经网络模型预测结果 125

6.3.2　LSTM神经网络模型预测结果 126

6.3.3　BP-LSTM神经网络模型预测结果 127

6.4　模型预测效果对比分析 128

6.4.1　三种神经网络模型预测效果 129

6.4.2　组合模型与单一模型预测效果对比 131

6.5　本章小结 132

第7章　智能电网中长期负荷预测模型构建 133

7.1　中长期负荷预测影响因素的提取 133

7.1.1　中长期负荷特性分析 133

7.1.2　中长期电力负荷预测影响因素的初步提取 135

7.1.3　中长期电力负荷预测关键影响因素的甄别 140

7.2　灰色预测模型在中长期电力负荷预测模型中的适用性分析 141

7.3　单因素条件下的中长期电力负荷需求预测模型构建 142

7.3.1　单一模型选取原则 142

7.3.2　基于灰色模型的电力负荷需求预测模型构建 142

7.4　多因素条件下的中长期电力负荷需求预测模型构建 145

7.4.1　中长期电力负荷预测模型输入变量说明 145

7.4.2　中长期电力负荷需求预测模型构建 145

7.5　本章小结 147

第8章　智能电网中长期负荷预测模型验证 148

8.1　电力负荷需求预测实例公司负荷数据选取 148

8.2　单因素条件下电力负荷需求预测模型效果评价 149

8.2.1　预测精度评价指标选取 149

8.2.2　预测过程及结果分析 150

8.3　多因素条件下电力需求预测模型效果评价 153

8.3.1　预测精度评价指标选取 153

8.3.2　预测过程及结果分析 156

8.4　单因素与多因素预测模型预测效果对比分析 159

8.5　本章小结 160

第9章　电力客户用能效果评价模型构建 161

9.1　建立目标与原则 161

9.2　评价指标体系构建流程 162

9.2.1　评价指标初选 162

9.2.2　评价指标优化与确立 167

9.2.3　客户用电能效指标评价权重方法 178

9.3　电力客户用能效果评价模型构建 181

9.4　本章小结 186

第10章　电力客户用能效果评价模型验证 187

10.1　电力客户用能效果质量评价指标提取的原则和目标 187

10.2　基于改进的TOPSIS综合评价模型构建 188

10.2.1　客户数据收集 188

10.2.2　供电服务客户满意度评价 188

10.3　A省“供电+能效服务”项目评价结果分析 201

10.4　相关企业典型案例分析 205

10.4.1　典型案例1 205

10.4.2　典型案例2 207

10.4.3　案例分析结论 208

10.5　本章小结 209

第11章　提升电力服务质量的对策与建议 210

11.1　客户价值挖掘及服务提升的对策与建议 210

11.2　优化智能电网调控管理水平的对策与建议 219

11.3　客户用电能效服务质量提升的对策与建议 222

参考文献 228