数据挖掘技术在电力营销系统的应用.docVIP

数据挖掘技术在电力营销系统的应用 　　[摘 要]近年来，数据挖掘技术在电力营销系统中得到了广泛应用，研究其相关课题有着重要意义。本文首先对数据挖掘技术相关内容做了概述，分析了数据挖掘技术主要步骤，并结合相关实践经验，分别从聚类技术、分类技术、空间挖掘技术，以及时序模式等方面，研究了数据挖掘技术在电力营销系统中的应用，阐述了个人对此的几点看法与认识。 　　[关键词]数据挖掘技术 电力营销 系统 应用 　　中图分类号：P418 文献标识码：A 文章编号：1009-914X（2016）07-0243-01 　　一、前言 　　作为能够有效提升电力营销系统实际效果的技术方法之一，数据挖掘技术的关键性不言而喻。该项课题的研究，将会更好地提升数据挖掘技术的实践水平，从而有效优化电力营销系统的整体效果。 　　二、数据挖掘技术概述 　　数据挖掘技术是人工智能技术与数据库发展相互结合而产生的一门新型学科。他是集统计学、人工智能、数据库、模式识别等众多技术于一体的前沿学科。通过对其的利用，可以有效的从大量模糊、有噪声且不完整的随机性数据中提取出隐含的有用的信息和知识，从而实现数据应用由简单查询到深层挖掘的升级，为企业管理者的决策提供有力依据。可以说数据挖掘技术具有广阔的发展前景，是信息决策领域最前沿的研究方向。 　　电力营销系统的普及是现阶段我国电力企业发展的核心问题之一，是其实现现代化的必由之路。而高效营销策略的制定需要大量的有用信息作为依据，此外电力企业在其信息化建设中亦积存了大量历史数据有待处理。这就急需在电力营销中引进数据挖掘技术，通过对其的引进可以有效地对电力营销系统产生的大量数据进行分类及优化整合，并根据相关标准提取核心营销信息，从而为营销系统的决策提供有力的数据支撑，进而实现对电力营销决策系统的完善和电力行业经济效益的提高。此外数据挖掘技术的应用还能增强电力企业的核心竞争力，维护国家电网的正常运行，提高对国有资产的保护，实现电力企业的长远可持续发展。 　　三、数据挖掘技术主要步骤 　　数据挖掘技术首先要建立数据仓库，要根据实际情况而定，在易出现问题的有关领域建立有效的数据库。主要是用来把数据库中的所有的存储数据进行分析，而目前的一些数据库虽然可以进行大量的存储数据，同时也进行了一系列的技术发展。比如，系统中的在线分析处理，主要是为用户查询，但是却没有查询结果的分析能力，而查询的结果仍旧由人工进行操作，依赖于对手工方式进行数据测试并建模。 　　其次，在数据库中存储的数据选一数据集，作为对数据挖掘算法原始输入。此数据集所涉及到数据的时变性以及统一性等情况。然后，再进行数据的预处理，在处理中主要对一些缺损数据进行补齐，并消除噪声，此外还应对数据进行标准化的处理。随后，再对数据进行降维和变换。如果数据的维数比较高，还应找出维分量高的数据，对高维数数据空间能够容易转化为检点的低维数数据空间进行处理。下一步骤就是确定任务，要根据现实的需要，对数据挖掘目标进行确定，并建立预测性的模型、数据的摘要等。随后再决定数据挖掘的算法，这一步骤中，主要是对当前的数据类型选择有效的处理方法，此过程非常重要，在所有数据挖掘技术中起到较大作用。随后再对数据挖掘进行具体的处理和结果检验，在处理过程中，要按照不同的目的，选择不同的算法，是运用决策树还是分类等的算法，是运用聚类算法还是使用回归算法，都要认真处理，得出科学的结论。在数据挖掘结果检验时，要注意几个问题，要充分利用结论对照其他的信息进行校核，可对图表等一些直观的信息和手段进行辅助分析，使结论能够更加科学合理。需要注意的是要根据用户来决定结论有用的程度。最后一项步骤是把所得出的结论进行应用到实际，要对数据挖掘的结果进行仔细的校验，重点是解决好以前的观点和看法有无差错，使目前的结论和原先看法的矛盾有效解除。 　　四、数据挖掘技术在电力营销系统中的应用 　　1.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