电气营销推广系统中的数据挖掘应用公开课教案教学设计资料.docxVIP

电气营销推广系统中的数据挖掘应用

\o电力论文\t/thesis/2017/_blank电力\o营销论文\t/thesis/2017/_blank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\o管理论文\t/thesis/2017/_blank管理与线损\o管理论文\t/thesis/2017/_blank管理等，各个业务模块又包括涵盖电话服务、客户中心服务、\o网络论文\t/thesis/2017/_blank网络服务等内容的服务模块和包括综合业务查询与\o历史论文\t/thesis/2017/_blank历史数据\o统计论文\t/thesis/2017/_blank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\o电力论文\t/thesis/2017/_blank电力系统的正常运行提供决策依据的原始数据都属于\o营销论文\t/thesis/2017/_blank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、\o经济论文\t/thesis/2017/_blank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。下面就其在电力营销系统中的\o应用论文\t/thesis/2017/_blank应用问题做进一步探讨。

1电力营销系统数据来源、特点及数据挖掘技术概述

电力营销系统当中的数据涵盖管理信息系统、SCADA系统、\o地理论文\t/thesis/2017/_blank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\o企业论文\t/thesis/2017/_blank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。

作为一门新兴的\o学科论文\t/thesis/2017/_blank学科，自从集\o统计论文\t/thesis/2017/_blank统计学和\o人工智能论文\t/thesis/2017/_blank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\o应用论文\t/thesis/2017/_blank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。

2数据挖掘技术在电力营销系统中的具体应用

2.1关联规则的应用

作为当前阶段电力营销系统主要研究的一种数据挖掘技术，关联规则可以帮助决策者在对当前数据和\o历史论文\t/thesis/2017/_blank历史数据进行分析的基础上找出其中隐含的规律和特征，在此基础上对未来变化趋势做出相应预测。具体介绍以下五种应用途径：

2.1.1在电力市场营销分析中针对经由离散化处理过的电力营销数据使用FP-Growth（频繁模式增长）算法进行关联规则分析，进而将存在于售电量水平和各种对电量销售有影响作用外部因素间的关联特征描述出来，从而给电力市场营销决策提供辅助参考信息。

2.1.2在电力市场营销策略制定、项目以及\o投资论文\t/thesis/2017/_blank投资组合管理等方面运用关联规则进行指导，同时对需求、销售和收入以及理赔等进行分析和预测。

2.1.3将关联规则同其他方法结合在一起应用到电力营销系统当中，比如建立在关联分析法和云模型基础上的模糊评价法，此种方法主要是针对电力营销目标市场来确定，比较简单可行。

2.1.4在用于电力负荷定量分析和非定性分析当中融入关联规则挖掘是一种新型电力负荷预测方法，此种方法既容易理解，又比较明显。

2.1.5在城市负荷分布中引进关联规则这种数据挖掘技术，应用的时候需要先利用频繁模式增长算法――FP-Growth算法将负荷数据挖掘出来，然后在考虑电力行业数据特殊性的基础上对电力负荷所受到的有关因素的影响进行分析。

2.2分类的应用

在对电力营销系统进行中长期预测时常用的方法有序列预测、模糊理论和专家