电力营销作为电网企业的核心业务之一,既是电网企业直接收入来源,也是电网企业与电力用户、发电企业的重要交流窗口。电力营销工作开展的好坏将直接影响公司的财务状态和企业形象,是电网企业各级领导狠抓落实的重点工作。而电力营销稽查作为营销业务的重要一环,起到规范电力用户用电行为、维护正常电价秩序的作用。近年来,供电公司大力推进工作业务的信息化、智能化,通过大量智能采集终端和管理系统上线,可以使营销业务部门迅速掌控电力用户用电状态信息,对于负荷监测预警、负荷调度控制以及用电异常检测等具有重要意义。对于用电异常检测,主要是对电力客户违规用电以及窃电等行为进行检测,每年供电公司因窃电造成的直接经济损失达到数百亿元,尤其是城市公变用户窃电行为隐蔽,单户窃电电费损失难以察觉,给营销稽查工作开展带来较大困难。本文提出利用大数据算法分析客户违规用电行为,以供电公司为例,采用大数据算法对营销业务相关数据等进行数据挖掘和分析,从而实现用户用电异常特征的判断与预警。本文主要研究以下内容:(一)研究K-means算法、Apriori算法以及FP-growth算法的基本原理和实现过程,通过对三种算法的聚类过程以及关联原则进行深入探讨,奠定论文分析的理论基础。(二)建立营销稽查的大数据模型,主要利用供电公司营销业务相关系统信息数据,并以K-means算法聚焦电量异常数据,Apriori算法和FP-growth算法对是否95598投诉、是否存在用户检修记录、是否重要客户、是否高耗能等一系列状态数据进行数据挖掘和关联分析,从而明确用户典型违规用电行为特征,为营销稽查活动提供线索。三种算法均采用仿真实验的形式,对相关结论有效性进行验证。(三)提出建设营销稽查信息系统系统,通过研究当前营销业务相关信息系统构架,对营销稽查相关的数据进行筛查整理,形成营销稽查系统的直接数据源,从而实现对营销稽查工作的专业化管理。通过对三种算法的原理介绍和仿真分析,说明各种大数据算法应用于营销稽查业务的主要优势和缺点,从而便于供电公司管理人员选择相应的计算方法。同时,通过提出以大数据算法为核心建立营销稽查系统,实现对各主要营销系统数据的实时接入和分析,使营销稽查工作开展更具有针对性和时效性。