(国网河南获嘉县供电公司河南新乡453800)
摘要:随着电力系统市场化改革的深入,当前电力企业所面临的一个重要问题是如何建立现代营销理念,因为它决定了电力企业可以在激烈的市场竞争环境中生存和发展。然而,当前电力营销领域的分析,大多数集中在营销管理和汇总的数据,或数据的统计分析简单。这些分析方法在面对不断增长的电力营销数据库,往往是难以高效的和提取有意义的信息营销决策。如何从大量的数据中提取有用的信息是当务之急。关联规则技术开发适应需要生成和数据处理技术,其主要任务包括关联分析、时间序列预测模式和偏差分析等,是信息挖掘的关键一步。本文结合电力市场的特点,关联规则技术应用在电力市场营销的分析。
关键词:关联规则技术;数据挖掘;电力系统
1前言
深化电力体制市场化改革,不断吸收的竞争机制,国家电力系统的垄断被打破。为了赢得未来的竞争,将被要求电力企业加快生产经营降低成本,为客户提供更多个性化服务,企业和竞争对手有更深刻的理解,这些都需要依靠现代信息技术来解决,数据挖掘将在这一过程中发挥着重要的作用。本文介绍了关联规则技术,充分考虑电力行业的特殊性提出了将数据挖掘技术应用到电力企业的设想。
2电力市场营销
2.1概念
指的是一个竞争的电力市场,电力市场是电力生产商和用户协商、投标等方式电力和相关产品交易,通过市场竞争机制来确定价格和数量。电力市场营销意味着电力生产商在不断变化的市场环境中,为了满足用户的需求,电力消耗的目的,通过一系列的营销工具,以提供用户最优的产品和满意的服务,从销售活动获得全面的商业利润。简而言之,就是通过电力市场交换来满足实际需求和潜在需求者的过程。
2.2电力市场营销的特点
电力产品与其他商品大不一样,其区别就在于以下几点:
(1)电力产品的单一性。这使得电力市场营销策略缺乏更大的发挥空间,但因为用户需求不同,所以要收取不同的价格,从而形成一种产品不同的价格的态势。
(2)电力产品交易不必考虑库存成本。因为它是由一系列环节,从发电到传输到销售,可以是瞬时的,不像常见的产品那么的复杂。
(3)电气产品销售取决于电气设备和电器的使用。因此,电力产品在市场上销售要和电气设备的相互组合。
(4)电力产品一旦出现故障,通常对用户的影响是大范围的,因此有必要建立全天候的服务团队。
虽然电力产品不同于其他一般商品,但也有某些共通的东西,比如这两个目标是满足消费者的需要,都必须遵循市场价值的规则等等。
2.3电力市场营销分析的内容
现代市场营销理论的研究中,可以应用于电力市场营销分析的主要内容是市场细分,目标电力市场选择、市场消费特征分析,潜在的市场预测和市场营销战略制定。
(1)电力市场细分:是指根据不同的电力电气产品的整体市场消费者的需求特点、购买行为和购买习惯等特点,整个电力市场分为若干子市场的共同特征,用于确定目标电力市场的过程。在相同的电力市场细分的用户,他们的需求和欲望是非常相似,分属于不同的消费者对同一产品的需求和欲望有一个明显的区别。
(2)目标电力市场选择:是指评估每个细分市场,然后在市场发展潜力,竞争条件和电力企业自身资源条件的基础上,决定选择哪些市场发展的关键对象。
(3)电力市场营销策略,指的是电力企业全面掌握目标市场的特点,分析市场机会,开发一套营销解决方案,包括产品,价格,服务,广告和其他营销组合来实现营销目标。
3关联规则模型的建立
关联规则建立模型的研究对象是数据准备过程,形成一个事务数据库。它主要包括以下几个方面:
(1)数据集成减少数据文件或数据库运行时环境更多的数据合并处理,解决语义模糊性,遗漏和处理数据清理脏数据等。
(2)数据选择缩小知识发现的目标搜索和选择相关数据,包括不同的模式数据转换和数据汇总。数据选择的目标是确定需要分析的数据收集,处理的范围缩小,提高数据挖掘的质量。
(3)缩小数据编码、数据转换和不同值的字段在数据库转换成数字形式将有利于搜索。
4关联规则技术在电力市场营销分析中的应用
4.1关联规则挖掘的目的
把关联规则技术引进电力市场营销分析的原因,其基本目的是通过分析电力市场营销数据库,访问相关的规则。通过关联规则的分析,可以帮助找到销售行为和对电价的影响,区分不同的电力消费者的行为和倾向的差异,并制定适当的营销策略,以电力市场营销人员制定适合的营销策略。
4.2建立事务数据集
可以看到电力营销关联规则,事务数据集的数据挖掘来源,鉴于电力生产商出售电力的行为将受到很多外因的影响,从电力生产商出售电力管理信息系统可以提取多个出售电力行业的操作数据,然后从气象部门获取温度、降雨量和其他相关气象数据,然后将所有数据逻辑有序,以填补缺失数据,异常数据校正,最终形式出售电力交易关联规则分析的数据集。
(1)数据来源:数据库是一个面向主题的,集成的、时变的、非易失的数据的集合,支持管理决策过程的。数据库的最大特点是在特定主题整合各种各样的数据,而不是像传统的关系数据库的日常操作和事务处理,因此数据库可以排除对决策无关的数据,为进一步利用数据挖掘技术主题分析提供强大的数据平台。
(2)没有高质量的数据,就没有高质量的数据挖掘过程结果,也没有高质量的决策。数据预处理的作用是缩小范围,提高数据对象的质量,准备充分利用数据挖掘的分析。
4.3基于k-means聚类技术的处理
电力行业和其他行业操作数据的形式有很大的不同。电力业务数据,价格,气温,降水数据或数值的连续性,由于连续性,发生了数据挖掘和总结规律的因素,因此需要出售电力交易数据集进行处理,本文引入k-means聚类技术进行处理。
(1)电量数据:从电力的销售事务数据集将年月历史售电量抽取出来,作为K-Means算法手段样本。同时,考虑到能耗自然增长的趋势,所以将本月月除以总数量点亮销售。
(2)电价数据:行业将出售电力的事务数据集的所有年历史月出售电力的月平均价格提取,作为电价输入样本概化。
(3)将售电事务数据集所有历史多年月平均气温和降水量分别提取,作为温度输入样本和降水输入样本概化。
k-means聚类技术是一个比较常见的处理方法,它可以对空间的采样点数量分为几个集群,每个集群内部有明显的区别和采样点的相似度较高,可以紧密地在一起。当然,在具体处理的过程中,根据不同的样品需要具体分析。
5结束语
数据挖掘技术是一个新兴学科,目前广泛应用于市场营销、金融投资、产品制造等领域。作为一个重要的数据挖掘关联规则的方法,由于其强大的数据处理能力也得到越来越多的应用。数据挖掘的关联规则应用于出售电力行业市场分析,通过对关联规则的研究营销数据分析,得到了一些很有启发性关联规则,电力市场营销人员更合理,更有针对性的营销策略,具有一定的指导意义。当然,这项研究仍处于初步探索阶段,还面临着诸如缺乏历史数据,分析模型还有待完善,一系列的问题。因此需要进一步的仔细研究,能够更实际的对电力市场营销辅助决策效果。
参考文献:
[1]张江霞田文颖.浅析供电企业电力市场营销策略与优质服务[J].科技创新与应用.2016(31)
[2]明伟仁明伟杰.关于电力市场营销工程问题的探索[J].黑龙江科技信息.2016(29)
[3]黄海棠.电力市场营销中电力营销及电力优质服务的作用[J].黑龙江科技信息.2016(04)
[4]王书祺.新时代背景下电力市场营销不良风险及对策[J].黑龙江科技信息.2013(32)