电力营销系统中数据挖掘技术的应用分析

电力营销系统中数据挖掘技术的应用分析

韩梅

（国网辽宁省电力有限公司葫芦岛供电公司辽宁葫芦岛125000）

摘要：目前在电力营销分析领域中，多数电力企业侧重单纯的营销数据汇总和管理，以及对数据进行简单的统计分析，实现部分报表功能，或者对各种数据规律进行简单的分析加工，以便提高服务品质和提升负荷预测管理水平。但是这些统计分析工作基于的数据量小而孤立，分析手段简单，而且局限性大、粗略、针对性不强，改善作用有限，距离真正有效利用电力资产的目标还有很大距离。因此，电力营销应用数据挖掘技术是实现信息化时代电力营销、电力生产自动化、智能化的必然要求。

关键词：电力营销系统；数据挖掘技术；应用

1电力营销系统

1.1营销系统简析

电力营销系统以业扩报装、电能计量、用电管理、营业计费和线损管理等关键业务为核心,在各业务模块之上提供服务模块和分析模块。服务模块包括电话服务、因特网服务和客户中心服务等,侧重于为电力用户提供各种快捷优质的服务;而分析模块则包括综合业务查询、基于历史数据的统计、效益分析和决策支持,侧重于为企业领导提供及时准确的决策依据。因此,一切为电力系统正常运行提供决策的原始数据都可归结为营销数据范畴,比如生产系统规划设计、负荷预测及用户特征提取、经济调度、电力系统故障诊断、动态安全评估、异常数据的挖掘及相应处理等。

1.2营销系统的数据特点

(1)数据多。在电力营销系统中,数据主要分为由各种装置实时采集的现场数据和由调度中心多种系统在运行过程中产生的大量数据,数据来源多。另外,电力系统属于大规模奇异非线性动态大系统,在对其进行特征描述时往往涉及到上千个状态变量。传统的处理方法是对系统进行降维或简约化处理,这在一定程度上影响了最终结果的精度。(2)数据种类混杂。营销系统是一个标准的混杂系统,其上层(如调度中心)给出的(调度)决策主要是逻辑性的操作指令,而下层控制(如发电机的励磁与调速控制)主要是连续性的,为了达到系统多目标优化控制的目的,应将不同性质的上层和下层控制有机地对合起来。(3)数据质量差。在营销系统中,采集到的数据往往存在含有噪声、缺失、不正确等情况。(4)对数据的要求高。当系统处于紧急状态甚至瓦解状态时,必须制定实时在线快速决策,使系统重新回到正常状态。

2电力营销业务数据挖掘需求分析

2.1分析各因素对用电水平的综合影响，做好用电量需求预测:

用电量需求预测通常可分为短、中、长期预测，通过分析购电量，售电量和新装、增容及变更用电数据以及电能信息采集数据、抄表计费数据，结合国家政策、经济发展形势和自然环境等相关事件因子数据在内的各类数据，研究不同影响因素与用电量水平的相关程度和弹性，得到在给定属性的电力市场中影响电量变化的主要因素，得到分析各因素对用电水平的综合影响，得到用电需求变化的综合规律，从而预测用电市场需求，实现用电量需求的分层级、有针对性预测。用电需求短期预测不仅可实现以年、季、月、周为周期的预测，还可达到以天为量级的预测，实现当天对第二天中的用电进行预测，生成预测曲线。如果软件、硬件设备条件允许，采用高性能分析手段，甚至可以实现用电量需求的实时分析预测。

基于精确化的用电量需求短期预测指标，可以设计出更合理的用电需求侧管理手段：（1）精确定位用电高峰、低谷，及时准确调整用电负荷，削峰填谷，切实提高电力资源利用率；（2）可根据分层级，有针对性的用电预测，提出有科学依据的、精确量化的拉闸限电方案，还有针对不同地区、不同行业、不同企业、单个用户，乃至不同季节、时间的拉闸限电方案，为营销配电环节上的不同客户提供精益化用电管理方案，确定有序用电序列，从而实现真正意义上的有序用电。

2.2电费回收及欠费风险分析控制：

电费回收问题是每年困扰电力企业利润乃至生存发展的关键问题，建立起切实有效的电费回收和风险分析控制机制已成为当务之急。首先，通过对营销数据中涉及电费收缴及财务管理相关数据的分析；对不同电费回收主要途径的数据分析，必须考虑经济危机、国家宏观调控及产业结构调整等政策因素以及自然环境因素对电费回收可能造成的影响和风险；其次，结合企业资金运转状况等信息和不同类型客户信用等级评估，完成电费回收及欠费风险分析的综合评估。

2.3电价制定：

通过综合考虑电力生产各环节，甚至细致到每个流程、每个具体操作步骤动作的成本分析，结合上述用电量需求分析，以及电网规划建设计划，在保障利润的同时，综合考虑有序用电、节能减排需要，最终制定出合理而有针对性的电价水平。

2.4客户细分：

结合用电需求分析，充分分析客户心理预期、用电特性和用电潜力，及时掌握用户用电变化，进行客户细分，从而制定有针对性的提高不同用户用电潜力的深度挖掘方法，开拓市场的同时，提升服务品质。

3营销业务分析中可利用的数据挖掘技术方法

3.1数据挖掘技术中的时间序列模型分析预测常规算法

时间序列分析是概率统计学科中应用性较强的一个分支，在金融经济、气象水文、信号处理、机械振动等众多领域有着广泛的应用。时间序列模型最主要的特征就是承认观测值之间的依赖关系和相关性，它是一种动态模型，能够应用于动态预测。时间序列预测法就是通过编制和分析时间序列，根据时间序列所反映出来的发展过程、方向和趋势，进行类推或延伸，借以预测下一段时间或以后若干年内可能达到的水平。其内容包括：收集与整理某社会现象的历史资料；对这些资料进行检查鉴别，排成数列；分析时间数列，从中寻找社会现象随时间变化而变化的规律，得出一定的模式；以此模式去预测社会现象将来的情况。

3.2数据挖掘技术中的聚类算法

目前，电力营销领域通常采用聚类技术来进行客户细分。可根据不同的数据情况和分析需要，选择不同聚类算法来进行客户细分。此外，还可利用客户忠诚度驱动关系模型，回归分析，客户忠诚矩阵分析，以及忠诚客户安全指数分析等数据挖掘模型和手段，进行更深层次、多方位的客户细分。

3.3数据挖掘技术中的关联分析和决策树分析方法

用关联分析和决策树分析方法，可分析各种因素所构成的市场环境与电量变化之间的规律。利用关联规则分析主要是分析某一市场环境与各种售电量水平之间的关联程度，进而确定不同市场环境中影响售电量变化的主要因素和次要因素。决策树主要是分析某一市场环境内部各个因素之间对电量水平变化的层次关系，并归纳对该市场内对售电水平进行分类的规则并根据规则对售电水平进行预测分类。

4结语

综上所述，数据挖掘技术可深入渗透到电力营销领域各方面，对科学指导电网发展，制定电力营销策略，防范电费回收风险，合理制定电价，提升电网服务品质，并为最终实现切实提高电力企业运营管理水平的目标发挥巨大作用。

参考文献：

[1]数据挖掘在电力系统中的应用[J].戴小廷,陈荣思.重庆科技学院学报(自然科学版).2009(03)

[2]基于数据挖掘的电力营销预测决策模型应用与研究[J].陈章良.电力信息化.2008(12)