［摘 要］ 數(shù)據(jù)挖掘是一門新興的數(shù)據(jù)處理技術(shù)，是當前熱門的一個研究領(lǐng)域。本文簡要介紹了數(shù)據(jù)挖掘的概念，論述了基于數(shù)據(jù)挖掘的預測決策模型建立、實施和效果評估，最后對基于數(shù)據(jù)挖掘的預測決策模型在電力營銷系統(tǒng)中的應(yīng)用作了實證。

［關(guān)鍵詞］ 數(shù)據(jù)挖掘；預測決策；電力營銷系統(tǒng)

［中圖分類號］F270.7；F272.3［文獻標識碼］A［文章編號］1673-0194（2009）01-0057-03

1 引 言

隨著數(shù)據(jù)庫、網(wǎng)絡(luò)等技術(shù)的迅速發(fā)展，人們積累的數(shù)據(jù)越來越多，需要有新的、更有效的方法對各種大量的數(shù)據(jù)進行分析、提取以挖掘其潛能，數(shù)據(jù)挖掘正是在這樣的應(yīng)用需求環(huán)境下產(chǎn)生并迅速發(fā)展起來的，它的出現(xiàn)為智能地把海量的數(shù)據(jù)轉(zhuǎn)化為有用的信息和知識提供了新的思路和手段。

隨著電力市場的改革和發(fā)展，供電企業(yè)越來越需要對用戶側(cè)需求、發(fā)電側(cè)需求以及第三方需求進行科學預測決策，以便為供電企業(yè)運營提供科學依據(jù)。

2 數(shù)據(jù)挖掘技術(shù)

數(shù)據(jù)挖掘（Data Mining，DM），就是從大量的、不完全的、有噪聲的、模糊的、隨機的數(shù)據(jù)庫中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程。

數(shù)據(jù)挖掘也可稱為數(shù)據(jù)庫中的知識發(fā)現(xiàn)，它是從大量數(shù)據(jù)中提取出可信的、新穎的、潛在的、有效并能被人理解的模式的一種高級處理過程。數(shù)據(jù)挖掘是按照企業(yè)既定的業(yè)務(wù)目標，對大量的企業(yè)數(shù)據(jù)進行探索，揭示隱藏其中的規(guī)律性，并進一步將之模型化的先進、有效的方法。

數(shù)據(jù)挖掘是從數(shù)據(jù)中發(fā)現(xiàn)有用知識的整個過程，如圖1所示。整個數(shù)據(jù)挖掘過程是由若干挖掘步驟組成，其主要步驟有：數(shù)據(jù)清洗、數(shù)據(jù)集成、數(shù)據(jù)轉(zhuǎn)換、數(shù)據(jù)挖掘和知識表示。

3 預測決策模型

預測決策系統(tǒng)根據(jù)歷史數(shù)據(jù)對未來數(shù)據(jù)進行預測，同時根據(jù)天氣因素/節(jié)假日因素等調(diào)整預測結(jié)果。任何一種方法只是數(shù)學上的一種理想的模型，很難用一種或幾種預測決策模型描述所有的變化規(guī)律。因此建立預測決策的方法庫，以盡可能多地預測決策模型，滿足事物發(fā)展規(guī)律多樣性的需求，其中既包括被企業(yè)預測人員所經(jīng)常采用的常規(guī)方法，也包括一些比較新穎的預測決策方法，如人工神經(jīng)網(wǎng)絡(luò)法等。

提供對預測決策所用的歷史序列進行不良數(shù)據(jù)的檢測與辨識，有效地提高精度。預測人員可以結(jié)合具體情況靈活選用較為合適的預測決策方法，對多種方法的預測結(jié)果互為比較，再進行合理的綜合分析，得出最終的預測結(jié)果。充分考慮影響預測結(jié)果的多種因素，如氣象因素、日分類（正常日、國慶、春節(jié)等）、星期類型（周一至周日）等。

預測決策系統(tǒng)為4庫結(jié)構(gòu)：數(shù)據(jù)庫、算法庫、模型庫、綜合分析庫。數(shù)據(jù)庫中存儲有關(guān)的歷史業(yè)務(wù)指標，算法庫/模型庫保存了對預測決策模型的管理，綜合分析數(shù)據(jù)庫保存了進行組合預測決策的相關(guān)信息。預測決策系統(tǒng)基本結(jié)構(gòu)如圖2所示。

4 基于數(shù)據(jù)挖掘的電力營銷預測決策系統(tǒng)

電力營銷管理信息系統(tǒng)涵蓋供電企業(yè)用電營業(yè)管理的全過程業(yè)務(wù)，包括電量電費、業(yè)擴報裝、計量管理、用電檢查和綜合管理等。整體系統(tǒng)框圖如圖3所示。

對于一個中型地市級的供電企業(yè)，電力營銷管理信息系統(tǒng)一年積累電量電費、業(yè)擴報裝、計量管理、用電檢查數(shù)據(jù)至少2GB，一般供電企業(yè)至少保存3年以上歷史數(shù)據(jù)。預測決策層為制訂營銷管理目標及營銷預測決策提供科學的依據(jù)，即從這些大量的、不完全的、有噪聲的、模糊的、隨機的數(shù)據(jù)庫中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識。

4. 1預測決策模型

預測決策的模型可以分為3類：初級模型、常規(guī)預測模型、專用模型，根據(jù)電力業(yè)務(wù)分析人員的實踐經(jīng)驗，針對電量、電費等預測指標在年度、季度、月度等不同的時間單位上總結(jié)出一些獨有的預測決策模型（詳見圖4）。

不同地區(qū)、不同時間、不同行業(yè)的負荷變化規(guī)律是不同的，很難用一種或幾種預測決策模型描述所有的變化規(guī)律。建立預測決策的模型庫，使得用戶可以自定義預測決策模型中的參數(shù)，可定義各種新增加的預測決策模型。這種開放為用戶提供了充分的空間，將人的經(jīng)驗與計算機有機地結(jié)合起來，從而保證了預測決策的精度。

4. 2預測決策策略

每一種預測決策模型都代表了一種發(fā)展規(guī)律，預測決策模型越多，預測決策人員的選擇余地越大，預測決策結(jié)果越精確。系統(tǒng)提供的預測決策方法庫中既包括了被電力系統(tǒng)預測決策人員所經(jīng)常采用的常規(guī)方法，如一元及多元線性回歸、滑動平均預測、指數(shù)平滑預測，也包括了一些比較新穎的預測決策模型，如人工神經(jīng)網(wǎng)絡(luò)模型等，并且對一些預測決策模型進行了改進，如改進的Winters-dm模型。同時針對電力業(yè)務(wù)分析人員的實踐經(jīng)驗，總結(jié)出一些獨有的預測決策模型，如模式分解預測決策法。

預測決策人員可以結(jié)合具體情況靈活選用較為合適的預測決策方法，對多種方法的預測決策結(jié)果互為比較，再進行合理的綜合分析，得出最終的預測決策結(jié)果。

（1）基于模型庫的預測決策模型管理。建立預測決策的方法庫和模型庫，將人的經(jīng)驗與計算機有機地結(jié)合起來，從而保證了預測決策的精度。

（2）組合模型預測決策技術(shù)。對于電量、負荷等序列量的預測決策，預測決策人員可選擇的模型是多種多樣的。數(shù)學模型是理想抽象，負荷發(fā)展的自然規(guī)律很難用單一數(shù)學模型加以描述，任何單一的預測決策模型的精度不可能很好。無論是從預測決策人員方便地選擇模型的角度，還是為了提高預測決策的精度，都需要研究如何將不同種模型進行有機的組合，即綜合模型，才能形成對電量、負荷發(fā)展自然規(guī)律的更貼切或完備的描述，提高預測決策的精度。

（3）預測決策過程控制技術(shù)。在預測決策值未得到真實值證實之前，由預測決策系統(tǒng)得到的預測決策結(jié)果是否達到了預測決策精度的要求，是預測決策工作者迫切關(guān)心的問題。系統(tǒng)采用“虛擬預測決策策略”，即通過對近期已知數(shù)據(jù)的虛擬預測決策，考察該預測決策系統(tǒng)在數(shù)據(jù)條件變化下的預測決策結(jié)果穩(wěn)定性、擬合精度和虛擬預測決策精度等指標，得到預測決策模型的預測決策精度等級，為預測決策人員提供自動選擇預測決策模型的功能。

（4）歷史數(shù)據(jù)的預處理技術(shù)。為了獲得較好的預測決策效果，用于預測決策的歷史數(shù)據(jù)的合理性應(yīng)該得到充分保證。因此，需要對歷史數(shù)據(jù)進行合理性分析，去偽存真。最基本的要求是：須排除由于人為因素帶來的錯誤、由于統(tǒng)計口徑不同帶來的誤差，以及歷史上的突發(fā)事件或由于某些特殊原因?qū)y(tǒng)計數(shù)據(jù)帶來重大的影響。

（5）預測決策結(jié)果評價與自動參數(shù)修正技術(shù)。預測決策結(jié)束后，隨著實際數(shù)據(jù)的產(chǎn)生，為了進一步提高預測決策的精度，系統(tǒng)對多種預測決策方法所得結(jié)果進行全面的誤差分析，對預測決策結(jié)果作出評價，并對預測決策模型的參數(shù)進行修正。所有誤差分析結(jié)果均保存于用戶指定的信息文件中，可供隨時查閱，并對以后的預測決策數(shù)據(jù)進行校正。

（6）預測決策結(jié)果的人工干預。在業(yè)務(wù)實踐過程中， 預測決策人員積累了豐富的工作經(jīng)驗，同時由于電力工作的實際情況，有很多未來的變化并不依從歷史數(shù)據(jù)規(guī)律，而是政策性的或者是人為設(shè)置的。因此系統(tǒng)必須提供充分的人工調(diào)整預測決策數(shù)據(jù)的手段。

4. 3系統(tǒng)框架

系統(tǒng)整體結(jié)構(gòu)由3部分組成：數(shù)據(jù)倉庫的架構(gòu)與管理、中間應(yīng)用服務(wù)器的調(diào)優(yōu)與設(shè)置、前端報表分析數(shù)據(jù)的展示與設(shè)計，如圖5所示。

（1）數(shù)據(jù)倉庫構(gòu)架與管理主要包括數(shù)據(jù)倉庫系統(tǒng)結(jié)構(gòu)的構(gòu)建、目標數(shù)據(jù)的生成過程（數(shù)據(jù)抽取）及數(shù)據(jù)倉庫主題數(shù)據(jù)的管理與維護。

（2）中間應(yīng)用服務(wù)器由兩部分組成：Web服務(wù)器與報表分析應(yīng)用服務(wù)器。Web服務(wù)器采用WebLogic作為應(yīng)用服務(wù)器。報表分析應(yīng)用服務(wù)器采用先進的商業(yè)智能軟件Microstrategy的Intelligence Server進行元數(shù)據(jù)管理與描述，通過4級緩沖技術(shù)，可及時快速實現(xiàn)對用戶數(shù)據(jù)分析內(nèi)容的提取。在主題構(gòu)架與屬性定制方面，通過Microstrategy的Architect構(gòu)架體系，可實現(xiàn)對主題靈活定義，對相關(guān)屬性任意增刪，對在用電營銷過程中新加的各種分析方法與手段可以實現(xiàn)自助式設(shè)計，滿足系統(tǒng)的不斷擴充需求。

（3）前端數(shù)據(jù)分析內(nèi)容的展示以表格與圖形相結(jié)合的方式，通過對不同分析主題，相關(guān)不同屬性的多角度、多方位轉(zhuǎn)換，充分運用鉆取、切片等分析手段，并配以不同的經(jīng)濟分析方法，可輔助決策者及時快捷地了解本區(qū)域電力運營的實際狀況。全面掌握電力運營過程中潛在的問題及增長點。

4. 4數(shù)據(jù)抽取

數(shù)據(jù)抽取作為數(shù)據(jù)倉庫數(shù)據(jù)生成的關(guān)鍵步驟，在數(shù)據(jù)抽取過程中，系統(tǒng)提供詳細的日志功能。日志內(nèi)容包括數(shù)據(jù)抽取過程中對源數(shù)據(jù)正確性校驗、數(shù)據(jù)抽取相關(guān)分析主題抽取情況說明，并能將最終抽取日志內(nèi)容按不同單位轉(zhuǎn)發(fā)給各部門相關(guān)人員，對上報數(shù)據(jù)及時更正。

審核驗證后的數(shù)據(jù)經(jīng)匯總、聚集后可自動插入到相應(yīng)的數(shù)據(jù)表中，基礎(chǔ)數(shù)據(jù)生成后為只讀形式，前端分析人員只有分析數(shù)據(jù)的權(quán)限，任何人沒有更改基礎(chǔ)數(shù)據(jù)的權(quán)限。

5 總 結(jié)

數(shù)據(jù)挖掘技術(shù)是一種多學科相互綜合、相互滲透的技術(shù)。它以傳統(tǒng)的數(shù)據(jù)庫技術(shù)為基礎(chǔ)，運用多種手段分析數(shù)據(jù)，對海量數(shù)據(jù)進行知識發(fā)現(xiàn)，并進行恰當?shù)目梢暬硎荆且环N高效的預測決策系統(tǒng)解決方案。數(shù)據(jù)挖掘技術(shù)為預測決策系統(tǒng)的研制和開發(fā)提供了一種有效的、可行的體系化解決方案?；跀?shù)據(jù)挖掘技術(shù)的預測決策系統(tǒng)，利用挖掘技術(shù)，通過構(gòu)建預測決策模型，對企業(yè)生產(chǎn)和計劃的完成情況及相關(guān)環(huán)境數(shù)據(jù)進行多角度、多層次的分析，幫助企業(yè)決策者及時掌握企業(yè)的運行情況和發(fā)展趨勢，并為制訂生產(chǎn)計劃和長遠規(guī)劃提供理論和現(xiàn)實指導，從而提高企業(yè)的管理水平和競爭優(yōu)勢。

主要參考文獻

［１］ 王銳，馬德濤，陳晨． 數(shù)據(jù)挖掘技術(shù)及其應(yīng)用現(xiàn)狀探析［Ｊ］． 電腦應(yīng)用技術(shù)，２００７（2）．

［２］ 李丹丹． 數(shù)據(jù)挖掘技術(shù)及其發(fā)展趨勢［Ｊ］． 電腦應(yīng)用技術(shù)，２００７（2）．

［３］ 李潔，滕振芳． 數(shù)據(jù)倉庫及數(shù)據(jù)挖掘技術(shù)在超市中的應(yīng)用［Ｊ］． 保定職業(yè)技術(shù)學院學報，２００７（１２）．