摘要 | 第5-6页 |
Abstract | 第6页 |
第1章 绪论 | 第10-15页 |
1.1 课题研究的意义 | 第10-11页 |
1.2 国内外研究现状 | 第11-13页 |
1.2.1 国内研究现状 | 第11-12页 |
1.2.2 国外研究现状 | 第12-13页 |
1.3 本文的主要工作 | 第13-15页 |
第2章 大数据与电力营销管理理论 | 第15-20页 |
2.1 大数据理论 | 第15-17页 |
2.1.1 大数据定义 | 第15页 |
2.1.2 电力大数据价值及特征 | 第15-17页 |
2.2 电力营销管理理论 | 第17-18页 |
2.2.1 电力营销定义及特点 | 第17页 |
2.2.2 电力营销特殊性 | 第17-18页 |
2.3 大数据背景下电力营销发展趋势 | 第18-19页 |
2.4 本章小结 | 第19-20页 |
第3章 大数据背景下电力营销的机遇与挑战 | 第20-30页 |
3.1 大数据背景下电力营销存在的弊端 | 第20-21页 |
3.2 大数据背景下电力营销面临的机遇与挑战 | 第21-26页 |
3.2.1 当前电力营销的新形势 | 第21-22页 |
3.2.2 电力营销所面临的压力 | 第22-23页 |
3.2.3 大数据背景下电力营销的机遇 | 第23-24页 |
3.2.4 大数据背景下电力营销的挑战 | 第24-25页 |
3.2.5 新电改方案对售电侧的影响 | 第25-26页 |
3.3 新型电力营销管理模式 | 第26-29页 |
3.3.1 基于GIS的业扩报装 | 第26页 |
3.3.2 电动汽车及充电站运营 | 第26-28页 |
3.3.3 合同能源管理与节能服务 | 第28页 |
3.3.4 电力微信营销平台 | 第28-29页 |
3.3.5 智能电源运营 | 第29页 |
3.4 本章小结 | 第29-30页 |
第4章 基于GIS技术的电力大数据系统的建立 | 第30-36页 |
4.1 建立电力大数据系统的必要性 | 第30-32页 |
4.1.1 多系统数据融合的必要性 | 第30-31页 |
4.1.2 多系统数据融合的技术支撑 | 第31-32页 |
4.2 面向用户的电力大数据特性 | 第32-33页 |
4.2.1 地理分布特性 | 第32页 |
4.2.2 电力设备的数据特性及拓扑关系 | 第32-33页 |
4.3 面向用户的电力大数据库的建立 | 第33-35页 |
4.3.1 数据采集面临的问题 | 第33页 |
4.3.2 基于GIS的电力大数据库建立 | 第33-34页 |
4.3.3 应用GIS的电力大数据系统功能 | 第34-35页 |
4.4 本章小结 | 第35-36页 |
第5章 基于电力大数据的营销管理创新的实现 | 第36-53页 |
5.1 故障抢修可视化管理 | 第36-41页 |
5.1.1 故障抢修工作流程 | 第36-37页 |
5.1.2 抢修中心调度指挥流程 | 第37-38页 |
5.1.3 电力抢修平台可视化流程 | 第38-41页 |
5.2 故障抢修可视化管理成效分析 | 第41-43页 |
5.2.1 实现停电用户分析到户 | 第41-42页 |
5.2.2 实现抢修信息实时更新 | 第42页 |
5.2.3 实现故障主动推送 | 第42页 |
5.2.4 抢修响应速度和效率明显提高 | 第42-43页 |
5.3 “四分”线损精益化管理 | 第43-46页 |
5.3.1 电力大数据在“四分”线损管理中的应用 | 第43-44页 |
5.3.2 降低“四分”线损的精益化管理措施 | 第44-46页 |
5.4 “四分”线损精益化管理成效分析 | 第46-47页 |
5.4.1 线损统计分析准确性提高 | 第46页 |
5.4.2 线损管理长效机制有效控制线损率 | 第46-47页 |
5.5 与税务部门合作减小电费回收风险的探索 | 第47-52页 |
5.5.1 当前电费回收风险产生的原因及防范措施 | 第48页 |
5.5.2 用户电费担保模式在电费风险防范中的应用 | 第48-50页 |
5.5.3 利用税务信息减小电费回收风险方式的建立 | 第50-52页 |
5.6 本章小结 | 第52-53页 |
第6章 结论与展望 | 第53-54页 |
参考文献 | 第54-57页 |
攻读硕士学位期间发表的论文及其它成果 | 第57-58页 |
致谢 | 第58-59页 |
作者简介 | 第59页 |