探討電力營銷系統(tǒng)中的數(shù)據(jù)挖掘技術(shù)

摘要：如何在海量的電力營銷數(shù)據(jù)中提取出有價(jià)值的信息，進(jìn)而快速地為決策者提供盡可能準(zhǔn)確的等量化指標(biāo)和決策數(shù)據(jù)，提高經(jīng)營管理水平，指導(dǎo)電網(wǎng)的經(jīng)濟(jì)運(yùn)行工作，是目前信息技術(shù)在電力營銷系統(tǒng)應(yīng)用中面臨的主要問題。數(shù)據(jù)挖掘技術(shù)的出現(xiàn)，無疑將在電力營銷領(lǐng)域引起一場革命性的變革。本文主要闡述了電力營銷系統(tǒng)數(shù)據(jù)來源、特點(diǎn)及數(shù)據(jù)挖掘技術(shù)有關(guān)內(nèi)容，并探討了數(shù)據(jù)挖掘技術(shù)在電力營銷系統(tǒng)中的運(yùn)用，以供參考。

關(guān)鍵詞：電力營銷系統(tǒng)；數(shù)據(jù)挖掘；技術(shù)

1電力營銷系統(tǒng)數(shù)據(jù)來源、特點(diǎn)及數(shù)據(jù)挖掘技術(shù)的概述

電力營銷系統(tǒng)中的數(shù)據(jù)涵蓋管理信息系統(tǒng)、地理信息系統(tǒng)、SCADA系統(tǒng)、電網(wǎng)運(yùn)行過程中的負(fù)荷管理系統(tǒng)、配變檢測系統(tǒng)等實(shí)時信息系統(tǒng)中的所用數(shù)據(jù)，而且這些數(shù)據(jù)伴隨著電力企業(yè)的發(fā)展逐漸積累，數(shù)據(jù)含量非常龐大。此外，電力營銷系統(tǒng)數(shù)據(jù)在種類上還比較混雜，而且采集到的數(shù)據(jù)通常都會摻雜著一些噪聲或是存在數(shù)據(jù)缺失、錯誤等情況，數(shù)據(jù)質(zhì)量難以保證。作為一門新興的學(xué)科，自從集統(tǒng)計(jì)學(xué)和人工智能以及模式識別、數(shù)據(jù)庫、高性能并行計(jì)算等多種技術(shù)于一體的數(shù)據(jù)挖掘技術(shù)出現(xiàn)之后，人們對于數(shù)據(jù)的應(yīng)用不再只停留在簡單的數(shù)據(jù)查詢階段，而是進(jìn)入到更高層次的應(yīng)用——從數(shù)據(jù)中挖掘有價(jià)值的知識和信息，給管理者的決策提供支持。目前常用的數(shù)據(jù)挖掘技術(shù)有關(guān)聯(lián)規(guī)則、分類及時間序列挖掘與序列挖掘及聚類等。

2數(shù)據(jù)挖掘技術(shù)在電力營銷系統(tǒng)中的運(yùn)用

2.1關(guān)聯(lián)規(guī)則的應(yīng)用

電力營銷系統(tǒng)中的數(shù)據(jù)挖掘技術(shù)應(yīng)用中關(guān)聯(lián)規(guī)則是最為關(guān)鍵的技術(shù)應(yīng)用之一。這種應(yīng)用可以有效地幫助決策人員進(jìn)行當(dāng)前有關(guān)數(shù)據(jù)以及歷史數(shù)據(jù)的規(guī)律分析，最后預(yù)測出未來情況。把關(guān)聯(lián)規(guī)則成功引入電力營銷分析，通過FP-Growth算法對電力營銷的有關(guān)數(shù)據(jù)進(jìn)行關(guān)聯(lián)規(guī)則分析，從中得出各種電量銷售的影響因素以及外部因素等的關(guān)聯(lián)信息，以便更好地為電力的市場營銷策略提供參謀和決策。

2.2分類的應(yīng)用

在對電力營銷系統(tǒng)進(jìn)行中長期預(yù)測時常用的方法有序列預(yù)測、模糊理論和專家系統(tǒng)以及建立在競爭分類基礎(chǔ)上的神經(jīng)網(wǎng)絡(luò)法和模式分類法等，其中，神經(jīng)網(wǎng)絡(luò)法和模式分類法在電力負(fù)荷預(yù)測上都有著令人滿意的精確度。同時還有可應(yīng)用于日調(diào)度計(jì)劃編制當(dāng)中的一種短期負(fù)荷預(yù)測算法，此種預(yù)測方法將決策樹技術(shù)和外推算法做了有效結(jié)合，有著較高的預(yù)測精度；在對SCADA系統(tǒng)中不良數(shù)據(jù)進(jìn)行狀態(tài)估計(jì)時可以通過分類樹建立子數(shù)據(jù)庫，進(jìn)而縮減SCADA數(shù)據(jù)庫規(guī)模，將計(jì)算速度提升上來。

2.3時間序列與序列挖掘的應(yīng)用

對電力營銷系統(tǒng)的應(yīng)用中，時間序列挖掘以及序列挖掘非常經(jīng)典、系統(tǒng)，是應(yīng)用最為廣泛的一種預(yù)測方法。這種方法的應(yīng)用中，對神經(jīng)網(wǎng)絡(luò)的研究非常之多。因此，在現(xiàn)實(shí)中應(yīng)用主要把時間序列挖掘以及神經(jīng)網(wǎng)絡(luò)兩者進(jìn)行有效地結(jié)合，然后再分析有關(guān)電力營銷數(shù)據(jù)。此外，有關(guān)專家還提出應(yīng)用一種時間窗的序列挖掘算法，這種方式可以進(jìn)行有效地報(bào)警處理，使電力系統(tǒng)中的故障能夠準(zhǔn)確的定位并診斷事故。此算法對電力系統(tǒng)的分析和挖掘能力的提高非常有效，還可判定電力系統(tǒng)的運(yùn)行是否穩(wěn)定，對錯誤模型的分析精度達(dá)到一定的精確度。

2.4空間挖掘的應(yīng)用

在目前的市場經(jīng)濟(jì)大環(huán)境下，原本就需要決策者對各項(xiàng)數(shù)據(jù)做出快速的分析和診斷，這樣才能在最短的時間內(nèi)做出最正確的反應(yīng)和決策，為電力企業(yè)健康、穩(wěn)定、長遠(yuǎn)的發(fā)展提供有力保障。在這個過程中，需要運(yùn)用特定的空間挖掘技術(shù)對各種目標(biāo)層次的信息進(jìn)行綜合處理，這些信息包括電網(wǎng)的運(yùn)行數(shù)據(jù)以及負(fù)荷的位置分布、負(fù)荷的實(shí)時變化數(shù)據(jù)等，只有如此才能對設(shè)備進(jìn)行跟蹤、對故障進(jìn)行定位、對損失進(jìn)行評價(jià)或是進(jìn)行模擬停電、實(shí)現(xiàn)調(diào)度最優(yōu)化等。對于同類負(fù)荷或是不同類負(fù)荷的位置分布數(shù)據(jù)可以通過空間分布規(guī)則和聚類規(guī)則以及特征規(guī)則與區(qū)分規(guī)則獲得。另外，在針對用戶開展業(yè)擴(kuò)報(bào)裝和負(fù)荷管理以及電表、電費(fèi)查收等業(yè)務(wù)工作時，可以通過利用空間數(shù)據(jù)挖掘技術(shù)獲取到的像地理編碼這樣的幾何知識來完成；在負(fù)荷填谷和調(diào)峰、錯峰等管理功能當(dāng)中可以分別把變壓器和用戶地理位置、線路實(shí)際負(fù)荷以及負(fù)荷可控制情況等作為參考依據(jù)制定不同的負(fù)荷控制方案。

2.5聚類應(yīng)用

聚類在電力營銷系統(tǒng)當(dāng)中主要應(yīng)用在以下方面：電力用戶分類、信用評價(jià)和負(fù)荷預(yù)測、分類以及變壓器故障診斷、不良數(shù)據(jù)的修正等。例如在對客戶各個方面不同屬性進(jìn)行劃分的基礎(chǔ)上通過聚類分析法把客戶劃分成不同組別，此時，負(fù)責(zé)決策分析的人員就可以此聚類結(jié)構(gòu)為依據(jù)，對存在于各個組別相互之間的差異性分析出來，然后對類群特征展開研究，這樣就可以根據(jù)實(shí)際情況實(shí)行不同的營銷策略，保證企業(yè)經(jīng)濟(jì)效益的提升。又如，鑒于電力客戶信用分類的特性，可以在模糊聚類分析的基礎(chǔ)上針對客戶信用建立一個評價(jià)算法，通過此種算法就可以獲得基于不同客戶群的聚類中心以及針對每個客戶的隸屬度矩陣，這樣就給針對客戶群的特征分析提供了量化的參考依據(jù)。在不良數(shù)據(jù)的校正上，可以在原有聚類算法——CURE算法當(dāng)中融入信息熵原則來對聚類過程中出現(xiàn)的基本參數(shù)進(jìn)行選擇，然后在相關(guān)負(fù)荷特征曲線的提取上使用Kohonen網(wǎng)絡(luò)。此外，對于典型負(fù)荷的代表曲線，可以在對獲取來的用戶用電數(shù)據(jù)進(jìn)行預(yù)處理之后再通過合適的聚類方法、聚類書目獲得，這樣既可以對用戶的用電模式有所了解，又可以為購電合同的制定提供參考依據(jù)，幫助企業(yè)獲得更多的經(jīng)濟(jì)效益。

3結(jié)語

總之，數(shù)據(jù)挖掘在電力營銷系統(tǒng)的應(yīng)用仍然處于起步的階段，單一的挖掘算法很難滿足實(shí)際決策的需要，應(yīng)該要在多方面因素的影響下不斷改進(jìn)挖掘算法。目前，還未出現(xiàn)針對特定決策支持系統(tǒng)的專門挖掘軟件，只是架構(gòu)出系統(tǒng)結(jié)構(gòu)，核心的算法體制并未完善，不能滿足決策需要，如何保證數(shù)據(jù)挖掘方法更精確、高效、穩(wěn)定地應(yīng)用于營銷系統(tǒng)中仍是亟待解決的問題。雖然存在不足，但是數(shù)據(jù)挖掘?qū)撛趩栴}和規(guī)律具有很高的預(yù)見性，而且具有高效計(jì)算、監(jiān)測和管理的能力，因此，它適用于電力營銷系統(tǒng)大規(guī)模非線性問題的求解，必會顯示出其強(qiáng)大的生命力，成為電力營銷領(lǐng)域發(fā)展的重要工具。

參考文獻(xiàn)：

[1]許敏.數(shù)據(jù)挖掘技術(shù)在電力營銷系統(tǒng)中的應(yīng)用及發(fā)展[J].科技與企業(yè)，2015.

[2]雷波.數(shù)據(jù)挖掘技術(shù)在電力營銷系統(tǒng)中的應(yīng)用研究[J].廣東科技，2014.

（作者單位：國網(wǎng)伊寧縣供電公司）

作者簡介：李春生，男，（1972-2）籍貫：河北省棗強(qiáng)縣，職稱：助理工程師，研究方向：黨建，電力營銷。