电力用户大数据智能画像技术及应用

　　专家简介

　　马占宇，瑞典皇家理工学院博士、博士后，现任北京邮电大学副教授、博士生导师，丹麦奥尔堡大学兼职副教授、博士生导师，IEEE高级会员，中国计算机学会(CCF)高级会员、计算机视觉专委会委员、副秘书长，中国计算机学会大数据专委会通信委员。主要研究方向是模式识别与机器学习及其在非高斯概率模型、大数据建模与分析、多媒体信号处理、生物医学信号处理、生物信息学等领域的应用。共在包括IEEE TPAMI、IEEE TNNLS、ICASSP、ECCV在内的顶级国际期刊和会议上发表论文50多篇，担任IEEE Transactions on Vehicular Technology Editor, IEEE ACCESS Associate Editor、IET Express Associate Editor、NEUROCOMPUTING特刊主编、SPLINE2016技术委员会联合主席(Technical Co-chair)IEEE MLSP2018大会程序主席(Program Chair)及多个期刊和会议的审稿人，担任SPLINE 2016Technical Co-Chair，IEEE MLSP 2018 Program Chair等国际会议重要职务，获授权发明专利5项，相关技术被应用于多个实际系统中;主持包括国家自然科学基金、教育部、北京市自然科学基金在内的多个项目，参与科技部重大专项、欧盟FP7等多个研发计划;荣获2017年度“北京市科学技术奖”(第三完成人)，入选2017年度“北京市科技新星”计划;是国家自然科学基金和北京市自然科学基金评审专家。2017年，获得“中国智能科学技术最高奖”——吴文俊人工智能科技进步奖一等奖。

　　项目简介

　　省级电网公司的平均电力用户数量约为 2000 万，最高可达 3500 万。通过电网公司营销业务系统、用电信息采集系统、客户服务系统、计量生产调度平台等子系统产生的电力用户大数据可达 600G/月，涵盖了 1000 多个指标/维度。电力用户大数据的高效处理与智能化分析，特别是数据驱动的电力用户全维度画像，有利于实现数据资产标签化，实现电力用户数据的挖掘与增值，更好地支撑电网行业发展方式转变与效率提升电力用户大数据处理与分析存在数据来源复杂，数据种类多，数据质量参差不齐，各系统间数据共享不畅，以及数据利用率低等若干问题。针对上述问题，项目团队历时 12 年，在国家科技重大专项、国家高技术研究发展计划(863 计划)、国家自然科学基金等多项国家级项目的支撑下，对电力用户大数据智能画像技术进行攻关，在电力用户多模态大数据的数据分析与业务理解基础上，研究了数据抽象与标签提取方法。提出了电力用户大数据分类定级与隐私保护框架，实现了电力用户的全维度智能画像以及标签的可视化管理与快速定制。全面支撑了电网公司深度挖掘数据资源、提高管理效率、优化客户服务、提升数据商用价值。项目主要创新内容包括：(1)研究了电力用户大数据的跨模态信息分析与提取方法及相关的系列算法，通过客服/用户交互数据的分析提取关键信息，并针对多源异构数据采用嵌入式特征表示学习的方法进行抽象和标签提取;(2)提出了电力用户大数据分类定级与隐私保护框架，抽取关键影响因素，基于独立性权系数思想，形成了用户信息数据三维安全定级模型;(3)提出了基于深度特征学习的个性化用户标签推荐算法和提出基于联合潜在因子模型的标签补全算法。项目相关成果共发表高水平学术论文 120 篇(SCI 检索 29 篇，影响因子 2.0 以上 21 篇，累计影响因子超过 100，含 Nature 旗下综合性科学期刊 Scientific Reports (影响因子 4.259)一篇，模式识别领域国际权威期刊 IEEE TPAMI(影响因子 8.329)三篇);申请发明专利 12 项，授权 5 项;授权软件著作权 2 项;牵头完成国际标准(含草案)1 项、国家标准(含草案)2 项，发布了《大数据安全标准化白皮书》;获国际学术会议最佳论文奖 2 项，1 人入选 IEC Young Professional，荣获中央国家机关青年五四奖章，并享受国务院政府特殊津贴，4 人次获省部级人才计划支持;项目的核心技术作为主要模块集成到电力用户大数据智能化分析系统中，两年来新增销售额近 1.24 亿元，新增利润 3700 余万元，累计上缴税收 1300 余万元。项目核心技术的相关成果在国家电网公司下属湖南、四川等省级电网公司得到广泛应用和推广，在确保用户隐私与信息安全的基础上，实现了电力用户数据的深度挖掘，电力用户数据资产的高效利用，促进了电力行业的快速发展，辅助了政府宏观经济决策，产生良好的社会效益。