分析负荷特性
促进有序用电管理
国网福建电力还运用大数据挖掘技术，分析客户用电负荷特性，建立客户用电负荷特性分析模型，运用聚类分析法，分析不同客户的用电负荷特性，更加科学有序开展用电管理。
每年度，福建电网用电最高负荷都会出现在7、8月份。2017年1月，国网福建电力在开展大客户负荷特性分析时，选择582户大客户，根据2016年8月份的月平均负荷数据进行聚类分析，按大客户的用电特性分为高用电双峰型、避峰型、多段式不规则型、两段式不规则型、三段式不规则型、单谷型、单峰型、低用电双峰型等八类。
对于大客户用电负荷特性聚类分析，国网福建电力通过收集企业大客户的24小时用电负荷及所属行业、所属地区、用电特征、地区单位变电容量所需投资等数据，将具有相同用电特征的客户聚集在一块，对比客户用电负荷特性分析模型聚类后的各类重点大客户的负荷曲线及其聚类中心、用电特征、可中断负荷及其代价，对不同负荷特性的重点客户进行移峰填谷潜力分析及错峰用电建议，为科学有序用电管理提供支持。
国网福建电力还从行业和地区的角度分析可中断负荷规模及其代价，将地区移峰填谷潜力代价与电网建设投资进行对比分析，为电网规划与建设管理提供意见建议，有效降低电网建设投资。
提前预测用电行为
有效防范经营风险
提前预测客户用电行为，有效防范供电企业经营风险，这是国网福建电力运用大数据挖掘技术开展客户用电行为分析的主要成效之一。
国网福建电力通过建立电费回收风险预测模型对客户交欠费数据进行分析，实现对客户未来按期交费行为的提前预测。针对高欠费风险客户，该公司通过差异化提醒和账单等方式，提高电费回收率指标；通过建立用电检查风险预测模型对客户用电检查数据进行分析，实现对客户用电风险的提前预测。在实际执行用电检查工作时，该公司按照客户风险针对重点客户优先、重点进行用电检查，提高用电检查工作效率，有效防范降低企业经营风险。
“2016年，国网福建电力总体电费回收情况较好。截至2017年1月6日，该公司2016年1～11月电费回收率99.99%，高于年度目标值0.04个百分点，从区域年度电费回收情况来看，福州、南平的电费回收需要加强；从客户的欠费特征看，客户欠费超过3个月的情况比较严重……”
在对2016年客户欠费、用电检查风险预测分析中，国网福建电力以全量客户为分析对象，根据客户交欠费等方面的用电行为，通过大数据挖掘，分析客户的电费回收情况及交费渠道偏好，同时，采用决策树算法，预判客户未来一年内的用电风险，提前预警，采取针对性预防措施，提升企业风险管理和防控能力。
国网福建电力通过预警模型预测，2016年风险客户为0.097%，该公司下一步将持续重点关注商业用电、普通工业用电等低压非居民的客户欠费风险。
占彤平介绍，与传统的客户用电行为分析相比,基于大数据挖掘的客户用电行为分析能够提高客户行为分析的精确度，并实现对客户的用电行为进行定量化描述；与专业部门开展的分析相比，基于数据挖掘的客户用电行为，分析更加注重对客户用电风险的预测和大客户用电效益的挖掘，促进企业运营效率和服务水平的提升。
