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(chǎng)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(cè)系統(tǒng)等實(shí)時(shí)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(huì)摻雜著一些噪聲或是存在數(shù)據(jù)缺失、錯(cuò)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(shí)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(duì)于數(shù)據(jù)的應(yīng)用不再只停留在簡(jiǎn)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(shí)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(shí)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(cè)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(duì)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(chǎng)營銷策略提供參謀和決策。

2.2分類的應(yīng)用

在對(duì)電力營銷系統(tǒng)進(jìn)行中長(zhǎng)期預(yù)測(cè)時(shí)常用的方法有序列預(yù)測(cè)、模糊理論和專家系統(tǒng)以及建立在競(jìng)爭(zhēng)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(cè)上都有著令人滿意的精確度。同時(shí)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(cè)算法，此種預(yù)測(cè)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(cè)精度；在對(duì)SCADA系統(tǒng)中不良數(shù)據(jù)進(jìn)行狀態(tài)估計(jì)時(shí)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(shí)間序列與序列挖掘的應(yīng)用

對(duì)電力營銷系統(tǒng)的應(yīng)用中，時(shí)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(cè)方法。這種方法的應(yīng)用中，對(duì)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(shí)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(shí)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(duì)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(duì)錯(cuò)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(chǎng)經(jīng)濟(jì)大環(huán)境下，原本就需要決策者對(duì)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(shí)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(zhǎng)遠(yuǎn)的發(fā)展提供有力保障。在這個(gè)過程中，需要運(yùn)用特定的空間挖掘技術(shù)對(duì)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(shí)變化數(shù)據(jù)等，只有如此才能對(duì)設(shè)備進(jìn)行跟蹤、對(duì)故障進(jìn)行定位、對(duì)損失進(jìn)行評(píng)價(jià)或是進(jìn)行模擬停電、實(shí)現(xiàn)調(diào)度最優(yōu)化等。對(duì)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(duì)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(shí)，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(shí)來完成；在負(fù)荷填谷和調(diào)峰、錯(cuò)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(píng)價(jià)和負(fù)荷預(yù)測(cè)、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(duì)客戶各個(gè)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(shí)，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(duì)存在于各個(gè)組別相互之間的差異性分析出來，然后對(duì)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(duì)客戶信用建立一個(gè)評(píng)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(duì)每個(gè)客戶的隸屬度矩陣，這樣就給針對(duì)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(duì)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(duì)于典型負(fù)荷的代表曲線，可以在對(duì)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(duì)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(duì)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(cè)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(huì)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(jiǎn)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。