大数据在电力营销系统中的应用

大数据在电力营销系统中的应用

刘承伟谢春雨

（国网白山供电公司吉林白山134300）

摘要：随着电力企业的快速发展，电网数据不断积累，呈现出爆炸式增长的趋势。怎样从这些数据中挖掘出价值数据，已经成为智能电网建设和电力企业发展的关键，而大数据相关技术的飞速发展为电网数据带来新机遇。在当下主流的大数据技术中，相比Hadoop平台，Spark平台更加优异的迭代工作负载性能、RDD数据集的高速计算能力以及HDFS的强大存储能力在海量的电力数据挖掘中都表现出极大的优势。

关键字：大数据；电力营销；决策分析；系统

引言

系统采用Ｂ／Ｓ模式进行架构，使用Ｊａｖａ为幵发语言，开发平台采用ＭｙＥｃｌｉｐｓｅ＋ｔｏｍｃａｔ，数据库采用Ｏｒａｃｌｅ１０Ｇ〇该系统在资阳供电公司的有效实施，提高了该供电公司营销业务数据的企业级分析能力和需求预测的准确性，对营销服务能力的提升有指导意义，使得资源供电公司的电力营销业务管理工作水平提上新台阶。

1、电力大数据及特征

电网是我国社会重要性很高的基础设施，我国人民生活的离不开电网业务的发展和提升。而且国家的经济要想稳固持续的前进，必须要保证电网的稳定。可2013年，由我国电力行业主管部门，印发了《中国电力大数据发展白皮书》，在该书中对电力大数据及其特征进行了详细的说明。总结来说，我国的电力大数据具有两大类特征4v和3E：（1）4指的是Ｖｏｌｕｍｅ（体积大）、Ｖａｒｉｅｔｙ（种类多）、Ｖｅｌｏｃｉｔｙ（速率高）、Ｖａｌｕｅ（重要性）Ｖｏｌｕｍｅ（体积大）：电力大数据重要的特征之一是数据的体积大，由于近十年，国家电网在电网信息化的建设上，投资比例逐渐增加，各种电力业务系统纷纷投入运行，导致电网信息数据呈指数增长。Ｖａｒｉｅｔｙ（种类多）：由于电力应用系统各式各样，使得电力数据的类型繁多，从电力生产到输变电，各种结构化或非结构化的数据类型。而由于某些电力系统还需要与对外的民生系统如天气、能源等进行对接，使得电力数据的复杂度更加明显。而作为以输电售电为核心业务的国网公司，在电力营销上要结合新时期的情况，进行电力营销方式的转变，加强对于电力市场需求侧的管理，才能确保传统的电能企业在新能源市场中的稳固地位。所以，可以看出，大数据时代的到来，也给予了电力营销方式改革的机会，同时作为传统的电力企业，我们更应该抓住机遇，采用信息化的手段，建立更深层次的电力营销系统。

2、电力营销数据分析方法

2.1电力营销分析方法

（1）对比分析法对比分析法是电力营销分析中比较常用的方法，该方法将电力营销的相关指标进行水平或速度的对比。水平对比分析是指在某一段时间内，根据电力营销中的定量指标比如用电量或电价的增长指标描述该指标绝对数的快慢。而速度分析是根据电力营销中用电或电价的增长率来描述某段时间内的发展速度。例如，以售电量为例，己知某年的售电量指标为1000，把该指标作为基准指标，把最近几年的售电指标与该基准指标进行百分数的比较。也可以计算其环比，来预测未来几年的售电变化趋势曲线。而将售电实际指标与售电计划指标相对比后，可以考核售电计划完成情况，并找出差异之处。（2）结构分析法结构分析法是一种在研究中经常使用的方法，结合这种方法的特征，也称之为比重分析，经过计算后，获取某项经济指标中，不同的组成部所占比重，以此为基础对内容构成变化进行分析，对矛盾进行划分，分为主要矛盾和次要矛盾两种形式，能够更好的掌握事物的特点，了解掌握变化趋势，在此基础上对事物的本质和客观规律形成正确的认识。（3）比率分析法比率分析法由于其特点的原因，也被称之为数字联系分析法，简单的说就是把性质不同，但彼此之间却有较大的关联性，对此类经济指标从强度层面进行比较，经过计算后获取强度相对数，在此基础上生成新的分析方法，详细的计算方式为：强度相对数等于某一个经济指标和其相关联经济指标总体绝对数的商的百分比。采用比率分析法获取的结果使研究更加直观，对于分析效益指标具有优势，例如人均电量，指的是在一定的时期限期里，单位共出售多少电量，与此期间工作的人数之间的比率，所获取的数值所代表的是在此评估期内，全员售电能力的高低。以单位峰谷电量为例，指的是在某一时间期限内，单位峰谷电价经营的指标数与该峰谷电价执行后的售电量的比率。（4）排序分析法这种分析方法是把需要进行比较的对象所涉及的不同指标，按照内在规律进行排后比较，优势在于能够更加深入的掌握设定条件下对象的排名情况，然后再具体分析。此方法分析的效果相对来说更加好。通常情况下，排序可以分为正向排列和逆向排列。如果排序的标准是研究对象的数量，则可以设定阈值来进行排序。如果采取正向排列，研宄者可以更加快捷的了解了掌握指标高的研宄对象，如果采取逆向排列，可以更快的掌握指标低的研宄对象。

3、电力数据挖掘过程

电力大数据的分析技术是指利用统计学和计算机科学等学科中的关联分析、机器学习、数据挖掘、模式识别、神经网络、遗传算法等分析技术从电力系统的海量数据中找出潜在的模态与规律，为决策人员提供决策支持。数据挖掘过程是分为多个数据阶段，其过程比较复杂，主要分为如下阶段：（1）数据挖掘中挖掘对象的确定。通过了解特定的数据对象，从而提出问题，确定挖掘目标的定义。认识数据挖掘的目的，是数据挖掘中的一个重要的步骤。一般来说，不可能预测数据挖掘的最终结果，然而对于数据挖掘的问题具有预见性，也就是说数据挖掘的目标是确定的。（2）数据准备。准备数据的目的是为数据挖掘提供较高质量的数据输入，这事实上也是数据挖掘成功的基础。数据准备包括数据的选择、预处理、转换三个阶段。数据选择指的是筛选与挖掘相关的内外部数据信息，选择适宜进行数据挖掘的数据，进而进行数据仓库的构建；数据预处理则指的是对于数据的初步整理，进行数据噪声的去除，从而使得数据能够和数据挖掘的要求相符合。转换数据指的是，基于数据挖掘使用的方法，把数据转变成容易进行数据挖掘的存储方式。（3）数据挖掘。挖掘数据的关键是模式发现，基于数据挖掘的方法以及工具，分析全部的经转换的数据，对某个特定的数据集或者感兴趣的模式进行搜索。（4）结果分析。数据挖掘结果的分析和验证，以确保模型的准确性被发现，然后找到有价值的信息。（5）知识表示。向用户直观的将挖掘的规则，模式进行呈现。比如进行分类挖掘树挖掘的结果一般表示形式为“ｉｆ．．．ｔｈｅｎ．．”。

结束语

本章主要是对电力大数据营销分析的基本理论进行了概述，首先对电力大数据分析的定义和数据特征进行了描述，从４Ｖ（Ｖｏｌｕｍｅ、Ｖａｒｉｅｔｙ、Ｖｅｌｏｃｉｔｙ、Ｖａｌｕｅ）和３Ｅ（Ｅｎｅｒｇｙ、Ｅｘｃｈａｎｇｅ、Ｅｍｐａｔｈｙ）两个方面描述了电力大数据的特征，然后研宄了大数据背景下，电力营销方式的改变，以及产生的影响，得出了客户服务需求越来越高、电费回收风险越来越大的结论，为研宄大数据背景下营销分析做好铺垫。最后对电力营销常用的分析方法、模型和电力数据挖掘过程进行了分析，为课题的研宄打下理论基础。

参考文献：

[1]张刚.基于大数据的电力营销探讨[J].中国新通信，2017，19（22）：151-152.

[2]夏春艳，刘飞.大数据在电力营销中的运用[J].企业改革与管理，2017（15）：72.

[3]刘少斌.基于大数据的电力营销创新研究[J].科技创新与应用，2017（12）：194.