導語：智能農(nóng)村營銷服務渠道優(yōu)化分析一文來源于網(wǎng)友上傳，不代表本站觀點，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

摘要：本文研究了一種面向農(nóng)村電網(wǎng)營銷服務渠道的改進粒子群算法并驗證其挖掘結(jié)果適應性。引入收斂因子的改進PSO算法并非單純從粒子群數(shù)據(jù)迭代收斂效率上高于傳統(tǒng)PSO算法，其實際的數(shù)據(jù)應用端表現(xiàn)也顯著優(yōu)于后者。其中表現(xiàn)在對優(yōu)勢用戶和問題用戶的數(shù)據(jù)特征提取方面，改進PSO算法表現(xiàn)出較強的數(shù)據(jù)挖掘結(jié)果可用性。

關(guān)鍵詞：改進粒子群算法；農(nóng)電營銷；優(yōu)勢用戶；竊電用戶；故障特征數(shù)據(jù)

農(nóng)電服務渠道主要包括線下營業(yè)廳、郵儲銀行、超市網(wǎng)點，以及線上的網(wǎng)上國網(wǎng)、支付寶、微信等渠道，農(nóng)電用戶包括農(nóng)村地區(qū)的居民用電、家庭農(nóng)場及規(guī)模種植戶用電、養(yǎng)殖戶用電、村辦企業(yè)用電、灌溉用電等。因為農(nóng)村地區(qū)的用電用戶分布范圍較廣，單用戶用電量較少，所以關(guān)鍵用戶的用電量是農(nóng)電系統(tǒng)的主要利潤來源。農(nóng)電服務過程中，優(yōu)選出優(yōu)勢用戶并對其用電特征進行分析，同時優(yōu)化智能服務渠道，以提升用電市場的營銷效率。

1改進粒子群算法在農(nóng)電營銷渠道優(yōu)化中的應用

粒子群算法又稱作PSO算法，是利用模型化的粒子在數(shù)學投影空間中的移動過程對數(shù)據(jù)進行歸類分析的常用算法。農(nóng)電用戶的GIS地理坐標、電表戶ID、歷史用電量記錄等數(shù)據(jù)，構(gòu)成農(nóng)電營銷渠道數(shù)據(jù)的基礎(chǔ)。GIS地理坐標指在地球地理信息數(shù)據(jù)庫（GIS）上對用戶的電表安裝位置進行標記的數(shù)據(jù)，包括其經(jīng)緯度坐標（一般采用GB2000坐標系）。對上述數(shù)據(jù)進行分析，可以得到其粒子群的基函數(shù)如公式（1）：Xi（t＋1）＝Xi（t）＋Vi（t＋1）（1）式（1）中：Xi（t）為第i個輸入數(shù)據(jù)在第t個變化周期內(nèi)的表現(xiàn)；Vi（t）為第i個輸入數(shù)據(jù)在第t個變化周期內(nèi)的修正系數(shù)，如公式（2）：Vi（t＋1）＝wVi（t）＋c1r1（pi－Xi）＋c2r2（p0－X0）（2）式（2）中：w代表粒子移動速度，也控制著迭代效率，當w=0.4時，粒子迭代效率最高；此時設(shè)定迭代條件如公式（3）：f（x）＝100（x12－x02）＋（1＋x12－2x1）（3）當式（3）中條件滿足時，認為數(shù)據(jù)迭代已經(jīng)完成。不同w值時的PSO算法收斂曲線如圖1所示。圖1中，使用常規(guī)PSO算法的條件下，粒子群的收斂過程在不同w值的驅(qū)動下并不穩(wěn)定，且因為對農(nóng)電用戶數(shù)字化模型的構(gòu)建過程無法從邏輯上確認w值的營銷學含義，所以需要對PSO算法進行進一步優(yōu)化，以實現(xiàn)更高的數(shù)據(jù)收斂效率。本文方案是在其中加入收斂因子的方式對PSO算法進行強制收斂，加速其收斂過程，增加模型的統(tǒng)計學穩(wěn)定性。圖2中2~3次迭代后，數(shù)據(jù)基本實現(xiàn)收斂，較圖1中10次左右迭代才發(fā)生完全收斂的效果進行比對，改進算法的計算效率顯著提升。

2改進粒子群算法的實際應用效果分析

在農(nóng)電營銷渠道數(shù)據(jù)的分析需求目標下，發(fā)現(xiàn)需要重點服務的優(yōu)勢用戶，即擁有穩(wěn)定大負荷的用電用戶，以及發(fā)現(xiàn)出現(xiàn)用電問題的用電用戶，包括竊電用戶和電表故障用戶等，均是該分析過程的目標。所以使用上述改進粒子群算法，以某縣區(qū)農(nóng)電公司實際服務的2.8萬戶農(nóng)電用戶在2018年1月至2019年12月的實際用電量數(shù)據(jù)為基礎(chǔ)數(shù)據(jù)進行試分析，分析平臺為構(gòu)建在MySQL數(shù)據(jù)庫平臺上的Python數(shù)據(jù)分析軟件。

2.1優(yōu)勢用戶篩選效果

傳統(tǒng)優(yōu)勢用戶的篩選方法是利用Excel軟件對用戶用電數(shù)據(jù)求取均值，然后對均值進行倒序排序，選出用電負荷最高的前100名用戶；傳統(tǒng)PSO算法是利用上述公式（1）（2）（3）描述的粒子群算法，對優(yōu)勢用電用戶進行篩選，最終獲得充分迭代收斂后的高負荷用戶數(shù)據(jù)群；改進PSO算法是指使用上述加速收斂因子后的數(shù)據(jù)分析算法。比較項目中最小負荷是指2年考察期內(nèi)選入優(yōu)勢用戶的用電負荷最小用戶的平均用電負荷，平均負荷指2年考察期內(nèi)選入優(yōu)勢用戶的全部用戶的平均用電負荷；標準偏差率指計算平均負荷時的標準偏差率計算結(jié)果。詳見表1。表1中，傳統(tǒng)PSO算法和改進PSO算法的數(shù)據(jù)篩選效率均高于傳統(tǒng)的排序法獲得的數(shù)據(jù)量。其核心原因為PSO算法在計算過程中幾乎不丟失用戶特征信息，而排序法在求取用戶用電均值時，會丟失大量的用戶用電細節(jié)信息。而改進PSO算法較傳統(tǒng)PSO算法主要有以下特征：①后者篩選用戶量遠小于前者，標志其篩選容忍度更低；②入選用戶的最小負荷和平均負荷遠大于前者，標志著其選入用戶的用電負荷更高；③標準偏差率更小，標志著其入選用戶的特異化特征不明顯。

2.2問題用戶篩選效果

電力營銷數(shù)據(jù)分析過程中，發(fā)現(xiàn)竊電及電表故障，是保障供需雙方合法利益、提升服務效率和企業(yè)窗口形象、實現(xiàn)更高的電力大營銷管理效能的有效途徑。特別是有效區(qū)分竊電行為和電表故障，可以有效避免電力營銷過程影響農(nóng)電公司形象的重要分析需求點。如表2所示的發(fā)現(xiàn)量指數(shù)據(jù)分析中發(fā)現(xiàn)竊電行為和電表故障的例數(shù)，發(fā)現(xiàn)周期指數(shù)據(jù)分析中竊電行為或電表故障發(fā)生后，數(shù)據(jù)分析結(jié)果展現(xiàn)出明確數(shù)據(jù)特征的時間，單位為月。表2問題用戶篩選效果表2中改進PSO算法對竊電行為和電表故障的發(fā)現(xiàn)量顯著高于傳統(tǒng)PSO算法，其中對竊電行為的發(fā)現(xiàn)量達到1.5倍，電表故障的發(fā)現(xiàn)量達到2.3倍，且改進PSO算法的發(fā)現(xiàn)周期顯著短于傳統(tǒng)PSO算法。

3結(jié)論

引入收斂因子的改進PSO算法并非單純從粒子群數(shù)據(jù)迭代收斂效率上高于傳統(tǒng)PSO算法，其實際的數(shù)據(jù)應用端表現(xiàn)也顯著優(yōu)于后者。其中表現(xiàn)在對優(yōu)勢用戶和問題用戶的數(shù)據(jù)特征提取方面，改進PSO算法表現(xiàn)出較強的數(shù)據(jù)挖掘結(jié)果可用性。同時，與傳統(tǒng)的基于Excel軟件系統(tǒng)的數(shù)據(jù)排序法相比，傳統(tǒng)PSO算法和改進PSO算法均表達出數(shù)據(jù)適應性。

作者：高嘉偉 劉濱 韓峰 翟雨茜 賈嘉 單位：國網(wǎng)天津市電力公司營銷服務中心