论文部分内容阅读
摘要：电力营销系统中涉及的核心业务有业扩报装和电能计算、营业计费以及用电管理与线损管理等，各个业务模块又包括涵盖电话服务、客户中心服务、网络服务等内容的服务模块和包括综合业务查询与历史数据统计以及效益分析与决策支持在内的分析模块，可以说，所有能够为电力系统的正常运行提供决策依据的原始数据都属于营销系统的数据管辖范畴，比如生产系统的规划设计与负荷预测、经济调度、用户特征提取以及异常数据的挖掘处理等。可见电力营销系统有着海量且复杂的数据信息，如何从中快速获取能够为决策提供参考依据的准确信息和量化指标是摆在电力营销部门面前的一个主要问题，数据挖掘技术的出现有效解决了这一难题。下面就数据挖掘技术在电力营销系统中的应用问题做进一步探讨。
关键词：数据挖掘技术；电力营销系统；应用
1、电力营销系统数据来源及特点
电力营销系统当中的数据涵盖管理信息系统、SCADA系统、地理信息系统、电网运行过程中的负荷管理系统、配变检测系统、电能量计费系统以及计量检定等实时信息系统中的所用数据，并且这些数据伴随着电力企业的发展逐渐积累，数据含量非常庞大。除此之外，电力营销系统数据在种类上还比较混杂，而且采集到的数据通常都会掺杂着一些噪声或是存在数据缺失、错误等情况，数据质量难以保证。
2、数据挖掘技术概述
数据挖掘是数据库知识发现中的一个主要步骤，它主要是指从大量的数据中自动地搜索隐藏于其中的有着特殊关系的信息的过程。通常数据挖掘与计算机科学有着紧密的关系，通过搜集、在线分析处理、情报检索、专家系统、模式辨别等方法实现上述目标。作为一门新兴的学科，自从集统计学和人工智能以及模式识别、数据库、高性能并行计算与机器学习等多种技术于一体的数据挖掘技术出现之后，人们对于数据的应用不再只停留在简单的数据查询阶段，而是进入到更高层次的应用――从数据中挖掘有价值的知识和信息，给管理者的决策提供支持。当前常用的数据挖掘技术有关联规则、分类和时间序列挖掘与序列挖掘以及聚类、Web挖掘、空间挖掘等。
3、数据挖掘技术在电力营销系统中的应用
3.1关联规则在电力营销系统中的应用
当前数据挖掘技术电力营销应用的研究重点即为关联规则，可以对当前数据及历史数据进行综合性分析，从而得出数据发展的特征及规律，为未来的决策制定提供重要的参考。将关联规则引入电力市场的营销分析中，利用FP-Growth算法对经过离散化处理的电力营销数据进行关联规则分析，描述出各种影响电量销售的外部因素与售电量水平之间的关联特征，为电力市场营销提供辅助的决策信息，关联规则可指导电力市场营销策略、项目和投资组合管理，进而进行需求预测、销售及收入预测、理赔分析等。在采用关联规则与其它方法相结合的方向上，很多学者相继做了深入研究。
3.2聚类技术在电力营销系统中的应用
聚类技术在电力营销系统中的应用主要体现在对不良数据进行修正、对负荷进行预测、对变压器故障进行判别、对电力用户进行分类、对用户信用进行评价等。对不良数据进行分析主要是建立在传统的聚类算法基础之上，对聚类过程中所应用到的基本参数进行分析，并对其中的相关负荷特征曲线进行提取，对不良数据进行修整。对用户的用电数据通过选取最佳的角力方法，得出具有代表性的负荷曲线，使电力企业能够对用户的用电模式有所了解，并制定出相应购电合同，从而增加电力企业的经济效益。电力企业一般根据用户所提出的不同需求，采用聚类分析的方式，将用户分成不同的组别，并根据分组结果对不同组别之间存在的差异进行分析，并针对分析结果制定出不同的营销策略，在很大程度上促进了电力企业在经济效益方面的提高。对用户信用进行评价主要是通过建立基于聚类分析法的用户信用评价算法，对不同的用户组别制定不同的量化依据，从而实现对用户信用等级评定。
3.3时间序列与序列挖掘的应用
在所有短期负荷预测方法中，时间序列挖掘是被认为最经典的一种方法，比较系统，同时神经网络则是短期负荷预测中研究最多、应用最为广泛的，因此在电力营销系统的实际应用当中往往会把二者结合在一起对电力营销数据进行分析。在神经网络法当中，相较于BP神经网络，小波神经元网络在收敛速度上有着更好的表现，而且其中采用了基于隶属度改进的聚类方法，有利于负荷大波动日预测精度的改善。另外，为给电力系统的故障定位与故障诊断提供更为有效的指导，可以将建立在时间窗基础上的序列挖掘算法应用到警报信息的处理当中；为提高电力系统运行状态判定的准确性和有效性，可把建立在错误模型分析与快速诊断推理基础上的一种新型数据挖掘算法应用其中，此种算法极大地提升了在对系统运行状态进行挖掘和分析的能力，使得错误模型分析的精确度有所提高。
4、数据挖掘技术在电力营销系统的展望和发展
数据挖掘技术是电力營销系统中的主要技术之一，企业是电力营销体系应用性最广泛的技术。数据挖掘技术的广泛应用，促进了当代电力企业的发展，可以有效的把挖掘技术和数据分析整理归纳良好的结合，增加了电力企业的运作效率。数据挖掘技术具有极大发展潜力，其中时间框架序列数据挖掘技术的出现解释数据挖掘精神不断发展的象征，他的出现不仅可以有效解决电力营销系统的数据分析故障和你可以静海县警示的故障拯救和修补，极大的增加数据挖掘技术的数据挖掘能力和分析能力，其也可以对挖掘技术的运行平稳度做出进及时判断等等。由此可见数据发掘技术在电力营销系统的广泛应用是必然的趋势，它符合当代科技的发展水平和创新技术的理念，具有强大的实际应用性，促进了电力企业营销系统的不间断发展和有效运作。数据挖掘技术不断的创新完善自身的技术能力，从发展的角度来看，挖掘技术的发未来具有极大发展空间
5、结束语
为提高电力营销系统决策者的正确性以及时效性，研究人员应将数据挖掘技术中的神经网络分析技术、FP-Growth算法以及分类树，作用于电力系统管理实践，从而降低外界环境对电力系统多元化发展的影响。事实证明，电力营销系统采用数据挖掘技术后，成功为系统分析客户群的存在特征提供量化的依据。为此，电力营销系统决策人员应将重视起来，以满足现代化建设对其运行安全稳定性的要求。
参考文献：
[1]胡欣.浅谈电力营销数据采集的深化应用[J].科技与企业；2016（24）.
[2]张秀梅.浅谈数据挖掘理论与技术[J].办公自动化；2014（16）.
[3]吴升.空间数据挖掘技术及其应用[J].测绘通报；2013（2）.
[4]郝晓弘，朱洁，王维洲，胡振邦.数据挖掘技术在电力营销系统的应用现状[J].工矿自动化，2014（1）.
（作者单位：国网江西省电力有限公司九江供电分公司）
关键词：数据挖掘技术；电力营销系统；应用
1、电力营销系统数据来源及特点
电力营销系统当中的数据涵盖管理信息系统、SCADA系统、地理信息系统、电网运行过程中的负荷管理系统、配变检测系统、电能量计费系统以及计量检定等实时信息系统中的所用数据，并且这些数据伴随着电力企业的发展逐渐积累，数据含量非常庞大。除此之外，电力营销系统数据在种类上还比较混杂，而且采集到的数据通常都会掺杂着一些噪声或是存在数据缺失、错误等情况，数据质量难以保证。
2、数据挖掘技术概述
数据挖掘是数据库知识发现中的一个主要步骤，它主要是指从大量的数据中自动地搜索隐藏于其中的有着特殊关系的信息的过程。通常数据挖掘与计算机科学有着紧密的关系，通过搜集、在线分析处理、情报检索、专家系统、模式辨别等方法实现上述目标。作为一门新兴的学科，自从集统计学和人工智能以及模式识别、数据库、高性能并行计算与机器学习等多种技术于一体的数据挖掘技术出现之后，人们对于数据的应用不再只停留在简单的数据查询阶段，而是进入到更高层次的应用――从数据中挖掘有价值的知识和信息，给管理者的决策提供支持。当前常用的数据挖掘技术有关联规则、分类和时间序列挖掘与序列挖掘以及聚类、Web挖掘、空间挖掘等。
3、数据挖掘技术在电力营销系统中的应用
3.1关联规则在电力营销系统中的应用
当前数据挖掘技术电力营销应用的研究重点即为关联规则，可以对当前数据及历史数据进行综合性分析，从而得出数据发展的特征及规律，为未来的决策制定提供重要的参考。将关联规则引入电力市场的营销分析中，利用FP-Growth算法对经过离散化处理的电力营销数据进行关联规则分析，描述出各种影响电量销售的外部因素与售电量水平之间的关联特征，为电力市场营销提供辅助的决策信息，关联规则可指导电力市场营销策略、项目和投资组合管理，进而进行需求预测、销售及收入预测、理赔分析等。在采用关联规则与其它方法相结合的方向上，很多学者相继做了深入研究。
3.2聚类技术在电力营销系统中的应用
聚类技术在电力营销系统中的应用主要体现在对不良数据进行修正、对负荷进行预测、对变压器故障进行判别、对电力用户进行分类、对用户信用进行评价等。对不良数据进行分析主要是建立在传统的聚类算法基础之上，对聚类过程中所应用到的基本参数进行分析，并对其中的相关负荷特征曲线进行提取，对不良数据进行修整。对用户的用电数据通过选取最佳的角力方法，得出具有代表性的负荷曲线，使电力企业能够对用户的用电模式有所了解，并制定出相应购电合同，从而增加电力企业的经济效益。电力企业一般根据用户所提出的不同需求，采用聚类分析的方式，将用户分成不同的组别，并根据分组结果对不同组别之间存在的差异进行分析，并针对分析结果制定出不同的营销策略，在很大程度上促进了电力企业在经济效益方面的提高。对用户信用进行评价主要是通过建立基于聚类分析法的用户信用评价算法，对不同的用户组别制定不同的量化依据，从而实现对用户信用等级评定。
3.3时间序列与序列挖掘的应用
在所有短期负荷预测方法中，时间序列挖掘是被认为最经典的一种方法，比较系统，同时神经网络则是短期负荷预测中研究最多、应用最为广泛的，因此在电力营销系统的实际应用当中往往会把二者结合在一起对电力营销数据进行分析。在神经网络法当中，相较于BP神经网络，小波神经元网络在收敛速度上有着更好的表现，而且其中采用了基于隶属度改进的聚类方法，有利于负荷大波动日预测精度的改善。另外，为给电力系统的故障定位与故障诊断提供更为有效的指导，可以将建立在时间窗基础上的序列挖掘算法应用到警报信息的处理当中；为提高电力系统运行状态判定的准确性和有效性，可把建立在错误模型分析与快速诊断推理基础上的一种新型数据挖掘算法应用其中，此种算法极大地提升了在对系统运行状态进行挖掘和分析的能力，使得错误模型分析的精确度有所提高。
4、数据挖掘技术在电力营销系统的展望和发展
数据挖掘技术是电力營销系统中的主要技术之一，企业是电力营销体系应用性最广泛的技术。数据挖掘技术的广泛应用，促进了当代电力企业的发展，可以有效的把挖掘技术和数据分析整理归纳良好的结合，增加了电力企业的运作效率。数据挖掘技术具有极大发展潜力，其中时间框架序列数据挖掘技术的出现解释数据挖掘精神不断发展的象征，他的出现不仅可以有效解决电力营销系统的数据分析故障和你可以静海县警示的故障拯救和修补，极大的增加数据挖掘技术的数据挖掘能力和分析能力，其也可以对挖掘技术的运行平稳度做出进及时判断等等。由此可见数据发掘技术在电力营销系统的广泛应用是必然的趋势，它符合当代科技的发展水平和创新技术的理念，具有强大的实际应用性，促进了电力企业营销系统的不间断发展和有效运作。数据挖掘技术不断的创新完善自身的技术能力，从发展的角度来看，挖掘技术的发未来具有极大发展空间
5、结束语
为提高电力营销系统决策者的正确性以及时效性，研究人员应将数据挖掘技术中的神经网络分析技术、FP-Growth算法以及分类树，作用于电力系统管理实践，从而降低外界环境对电力系统多元化发展的影响。事实证明，电力营销系统采用数据挖掘技术后，成功为系统分析客户群的存在特征提供量化的依据。为此，电力营销系统决策人员应将重视起来，以满足现代化建设对其运行安全稳定性的要求。
参考文献：
[1]胡欣.浅谈电力营销数据采集的深化应用[J].科技与企业；2016（24）.
[2]张秀梅.浅谈数据挖掘理论与技术[J].办公自动化；2014（16）.
[3]吴升.空间数据挖掘技术及其应用[J].测绘通报；2013（2）.
[4]郝晓弘，朱洁，王维洲，胡振邦.数据挖掘技术在电力营销系统的应用现状[J].工矿自动化，2014（1）.
（作者单位：国网江西省电力有限公司九江供电分公司）