论文部分内容阅读
摘 要：电力营销系统正常运行，与提供决策的数据密不可分，要提高数据分析的精确性以及可靠性，应重视现代科技技术的运用，针对电力营销系统数据研究，应用较为普遍的技术是数据挖掘技术，通过其可以在大量复杂数据中获得电力企業决策所需要的数据信息，增强电力企业决策准确性。
关键词：数据挖掘技术;电力营销系统;应用现状
社会进步，我国科技技术发展脚步逐渐加快，在电力行业发展中也出现较多新型技术，为新型电力营销决策支持系统的创建提供专业技术支持。数据挖掘技术就属于新型科技技术中一种，可以在模糊或是不够完整的数据中获得电力营销系统运行需要的有价值数据，保障电力营销系统的正常运行。
1数据挖掘技术的相关概述
数据挖掘技术是新时代产生的一种新型技术，其可以对于信息测量以及存储。数据挖掘技术是从机器学习的概念中产生，由于机器学习缺乏指导性学习方式，而数据挖掘技术是归纳学习方式之一，其主要是针对信息的抽取，通过何种方式可以在短时间获得有价值且有效数据信息。数据挖掘技术主要针对的对象为大量数据库，可以处理数据中存在异常，尤其是在处理维数、噪音以及残缺数据方面有极大作用，也可以处理各种类性数据。其与传统数据技术之间区别在于，传统数据技术主要是以理论为基础指导的数据处理，而数据挖掘技术主要是对启发归纳学习实施理论与假设来进行数据处理，两者的出发角度不同。
2数据挖掘技术在电力营销系统中的运用
2.1加强空间挖掘技术的应用
市场环境下，电力营销企业发展，需要对于市场相关的电力营销数据进行诊断以及分析，保障可以在短期做出科学的决策，促进电力行业正常且健康的发展，在此阶段，可以利用空间挖掘技术综合处理不同目标层次显示的数据信息，信息主要有负荷位置分布、电网运行中产生相关数据、负荷实时变化数据，根据对数据分析情况，对电力设备进行追踪，定位设备出现故障的部位，并评价电力营销损失情况，也可以模拟停电，保障电力调度实现最优化。而针对电力营销系统中产生的不同类负荷以及同类负荷位置所分布的数据，技术人员可以通过聚类规则以及空间分布规则等得到。在开展电力行业工作中，特别是针对电费查收、负荷管理、业务报装等，技术人员应重视对于数据挖掘技术中空间挖掘技术应用，得到类似电力编码几何知识，并完成对数据研究以及分析。而在电力营销系统中，负荷填谷和调峰、错峰管理功能，可以依据用户所在地理位置、负荷可控制情况、线路在实际生活中的负荷，制定各种负荷控制计划以及方案。
2.2加强聚类技术的应用
在电力营销系统中 ，聚类应用对于数据挖掘技术至关重要，数据挖掘技术的聚类应用可以将用户进行严格分类，并进行负荷检测以及信用方面的评价、修正不良数据、诊断变压设备故障等。依据对电力营销系统中不同客户属性划分的前提下，利用聚类分析方式，将客户互分到不同组别中来，这种情况下，决策人员可以依据已经构建聚类分析结构对不同组别之间存在相互差异进行研究以及分析，明确类群特征，通过聚类应用制定电力营销系统各种营销方案以及策略，为电力企业经济效益的提升提供便利。如果技术人员想要对电力客户进行信用分类，应利用模糊聚类进行分析，在此基础上为客户信用创建评价算法，进而了解客户群聚类中心以及隶属度，这可以为电力企业客户特征研究提供数据支持。在电力营销系统分析中，经过计算获得典型负荷的代表曲线，可以对客户用电数据实施预先处理，之后选择合适且科学的聚类方式获得，通过此种方式，可以对电力营销系统用电模式熟悉，也可以为制定购电合同提供数据[1]。
2.3重视时间序列与序列挖掘技术结合的应用
电力营销系统中，数据挖掘技术运用要对短期负荷进行预测，可以采取时间序列以及序列挖掘方式，在现阶段电力系统中运用较为广泛，可以将时间序列以及序列挖掘技术有效结合，分析电力营销系统产生的相关数据。在所有的网络方法中，小波神经元网络在收敛速度方面有很好应用，在应用过程中使用的是隶属度改进聚类方法，可以有效改善负荷大波动预测精度。同时将时间序列与序列挖掘结合，也可以对电力营销系统出现的故障进行研究，定位故障同时，也可起到对于电力营销系统中存在的故障进行诊断的指导作用，也可将时间序列挖掘算法应用于对于警报信息中来。另外，通过时间序列挖掘技术，可以建立在错误模型分析与快速诊断推理背景下，将新型数据挖掘算法应用其中，对于电力营销系统运行状态实施科学的分析以及挖掘，提高错误模型的精确度有效分析[2]。
2.4关注关联规则的应用过程
关联规则在数据挖掘技术中有很大作用，可以对于相关人员的决策提供当前以及历史数据，并在此前提下，寻找其中的特征以及规律，并预测电力营销系统在未来发展的趋势，通过关联规则，可以对电力市场营销方案以及策略制定提供指导，同时也可进行项目与投资组合管理，对于销售、理赔以及人们需求进行分析，并预测。另外，在电力市场的营销分析过程中，对于已经经过离散化处理电力营销相关数据，利用频繁模式增长计算方法进行关联规则方面的分析以及研究，进而可以了解电量销售有影响作用外部因素以及售电量水平之间存在联系，并描述出来，这可以为电力系统的市场营销以及决策奠定基础。关联规则也可以应用于城市负荷分布中。技术人员可以先运用频繁模式增长算法，计算出负荷数据，还应对电力营销系统数据的特殊性进行考量，进而对电力负荷受到影响因素加强分析。也可以将数据挖掘技术中的关联规则与其他方法进行结合，并在电力营销系统中加强应用，可以创建云模型以及关联分析法前提下的模糊评价法，可以确定电力营销目标[3]。
3结束语
数据挖掘技术是新时代产生的关键技术之一，可以在海量数据中挖掘有价值的数据，在电力企业发展中，也起到良好效果。特别是在电力营销系统中，数据挖掘技术得到良好的应用，从时间序列与序列挖掘的应用、聚类应用、关联规则的应用等，可以看出，数据挖掘技术对于电力营销系统顺利运行能够提供数据支撑。
参考文献
[1]许敏. 数据挖掘技术在电力营销系统中的应用及发展[J]. 科技与企业， 2017， 000（010）：60-60.
[2]唐雨， 郭捷. 数据挖掘技术在电力营销系统中的应用探讨[J]. 名城绘， 2018（4）：661-661.
[3]郑杰. 论数据挖掘技术在电力营销系统线损计算中的应用[J]. 全文版：工程技术， 2017， 000（004）：P.218-218.
关键词：数据挖掘技术;电力营销系统;应用现状
社会进步，我国科技技术发展脚步逐渐加快，在电力行业发展中也出现较多新型技术，为新型电力营销决策支持系统的创建提供专业技术支持。数据挖掘技术就属于新型科技技术中一种，可以在模糊或是不够完整的数据中获得电力营销系统运行需要的有价值数据，保障电力营销系统的正常运行。
1数据挖掘技术的相关概述
数据挖掘技术是新时代产生的一种新型技术，其可以对于信息测量以及存储。数据挖掘技术是从机器学习的概念中产生，由于机器学习缺乏指导性学习方式，而数据挖掘技术是归纳学习方式之一，其主要是针对信息的抽取，通过何种方式可以在短时间获得有价值且有效数据信息。数据挖掘技术主要针对的对象为大量数据库，可以处理数据中存在异常，尤其是在处理维数、噪音以及残缺数据方面有极大作用，也可以处理各种类性数据。其与传统数据技术之间区别在于，传统数据技术主要是以理论为基础指导的数据处理，而数据挖掘技术主要是对启发归纳学习实施理论与假设来进行数据处理，两者的出发角度不同。
2数据挖掘技术在电力营销系统中的运用
2.1加强空间挖掘技术的应用
市场环境下，电力营销企业发展，需要对于市场相关的电力营销数据进行诊断以及分析，保障可以在短期做出科学的决策，促进电力行业正常且健康的发展，在此阶段，可以利用空间挖掘技术综合处理不同目标层次显示的数据信息，信息主要有负荷位置分布、电网运行中产生相关数据、负荷实时变化数据，根据对数据分析情况，对电力设备进行追踪，定位设备出现故障的部位，并评价电力营销损失情况，也可以模拟停电，保障电力调度实现最优化。而针对电力营销系统中产生的不同类负荷以及同类负荷位置所分布的数据，技术人员可以通过聚类规则以及空间分布规则等得到。在开展电力行业工作中，特别是针对电费查收、负荷管理、业务报装等，技术人员应重视对于数据挖掘技术中空间挖掘技术应用，得到类似电力编码几何知识，并完成对数据研究以及分析。而在电力营销系统中，负荷填谷和调峰、错峰管理功能，可以依据用户所在地理位置、负荷可控制情况、线路在实际生活中的负荷，制定各种负荷控制计划以及方案。
2.2加强聚类技术的应用
在电力营销系统中 ，聚类应用对于数据挖掘技术至关重要，数据挖掘技术的聚类应用可以将用户进行严格分类，并进行负荷检测以及信用方面的评价、修正不良数据、诊断变压设备故障等。依据对电力营销系统中不同客户属性划分的前提下，利用聚类分析方式，将客户互分到不同组别中来，这种情况下，决策人员可以依据已经构建聚类分析结构对不同组别之间存在相互差异进行研究以及分析，明确类群特征，通过聚类应用制定电力营销系统各种营销方案以及策略，为电力企业经济效益的提升提供便利。如果技术人员想要对电力客户进行信用分类，应利用模糊聚类进行分析，在此基础上为客户信用创建评价算法，进而了解客户群聚类中心以及隶属度，这可以为电力企业客户特征研究提供数据支持。在电力营销系统分析中，经过计算获得典型负荷的代表曲线，可以对客户用电数据实施预先处理，之后选择合适且科学的聚类方式获得，通过此种方式，可以对电力营销系统用电模式熟悉，也可以为制定购电合同提供数据[1]。
2.3重视时间序列与序列挖掘技术结合的应用
电力营销系统中，数据挖掘技术运用要对短期负荷进行预测，可以采取时间序列以及序列挖掘方式，在现阶段电力系统中运用较为广泛，可以将时间序列以及序列挖掘技术有效结合，分析电力营销系统产生的相关数据。在所有的网络方法中，小波神经元网络在收敛速度方面有很好应用，在应用过程中使用的是隶属度改进聚类方法，可以有效改善负荷大波动预测精度。同时将时间序列与序列挖掘结合，也可以对电力营销系统出现的故障进行研究，定位故障同时，也可起到对于电力营销系统中存在的故障进行诊断的指导作用，也可将时间序列挖掘算法应用于对于警报信息中来。另外，通过时间序列挖掘技术，可以建立在错误模型分析与快速诊断推理背景下，将新型数据挖掘算法应用其中，对于电力营销系统运行状态实施科学的分析以及挖掘，提高错误模型的精确度有效分析[2]。
2.4关注关联规则的应用过程
关联规则在数据挖掘技术中有很大作用，可以对于相关人员的决策提供当前以及历史数据，并在此前提下，寻找其中的特征以及规律，并预测电力营销系统在未来发展的趋势，通过关联规则，可以对电力市场营销方案以及策略制定提供指导，同时也可进行项目与投资组合管理，对于销售、理赔以及人们需求进行分析，并预测。另外，在电力市场的营销分析过程中，对于已经经过离散化处理电力营销相关数据，利用频繁模式增长计算方法进行关联规则方面的分析以及研究，进而可以了解电量销售有影响作用外部因素以及售电量水平之间存在联系，并描述出来，这可以为电力系统的市场营销以及决策奠定基础。关联规则也可以应用于城市负荷分布中。技术人员可以先运用频繁模式增长算法，计算出负荷数据，还应对电力营销系统数据的特殊性进行考量，进而对电力负荷受到影响因素加强分析。也可以将数据挖掘技术中的关联规则与其他方法进行结合，并在电力营销系统中加强应用，可以创建云模型以及关联分析法前提下的模糊评价法，可以确定电力营销目标[3]。
3结束语
数据挖掘技术是新时代产生的关键技术之一，可以在海量数据中挖掘有价值的数据，在电力企业发展中，也起到良好效果。特别是在电力营销系统中，数据挖掘技术得到良好的应用，从时间序列与序列挖掘的应用、聚类应用、关联规则的应用等，可以看出，数据挖掘技术对于电力营销系统顺利运行能够提供数据支撑。
参考文献
[1]许敏. 数据挖掘技术在电力营销系统中的应用及发展[J]. 科技与企业， 2017， 000（010）：60-60.
[2]唐雨， 郭捷. 数据挖掘技术在电力营销系统中的应用探讨[J]. 名城绘， 2018（4）：661-661.
[3]郑杰. 论数据挖掘技术在电力营销系统线损计算中的应用[J]. 全文版：工程技术， 2017， 000（004）：P.218-218.