基于电力营销聚类分析的数据挖掘算法研究

基于电力营销聚类分析的数据挖掘算法研究

申世红

国网山西省电力公司晋城供电公司 山西省晋城市

摘要：近年来，社会的发展迅速，我国的电力行业的发展也有了很大的改善。中国已进入经济新常态时代，电力公司需要回归企业经营的本质。中国电力企业联合会发布的《2015年1-6月份电力工业运行简况》中指出，今年上半年，全国全社会用电量同比增长1.3%，创35年来新低。公司售电量增幅下降，电费回收难度增大，当前公司面临的经营风险和压力加大。未来，电力公司需要更进一步回归企业经营的本质，电力营销在强化市场拓展、维系大客户关系、提升自身竞争力等方面的工作将成为当前及未来的重点任务之一。因此在互联网时代，客户对服务的质量、服务的便捷性、服务的效率、信息的透明、服务的精准等均提出了更高的要求。因此本文主要从营销大数据客户服务监控这个角度出发，针对客户的所需所求所关心的要点，通过大数据进行分析，从而为客户提供精准的需求，避免资源重叠浪费。

关键词：电力营销聚类分析；数据挖掘算法；研究

引言

聚类分析是一种有效的分类方法和数据处理方式具有丰富的内容从实际运用方面来看康类分析是数据挖掘的重要方式。将聚类分析算法作为独立的工具能够获得数据的分布情况并展现每一类数据的特征并对具体数据类别进行深层次分析。目前聚类分析算法已经广泛运用到各种信息系统的设计和开发过程中。电力企业要顺应时代发展潮流和市场需求,必须提高企业自身的营销管理能力捉进电力营销的信息化和数据化构建完善的电力营销管理信息系统。将聚类分析运用到电力营销中不日用数据挖掘技术为企业管理者提供直观的有价值的客户信息,为企业营销决策的制定提供科学的依据。

1电力信息系统运维管理中存在的问题

1.1运维管理主动性不够

在现今的电力信息系统中，管理人员在进行运维管理时存在着一个很大的问题就是不够积极主动，只有在信息系统出现故障或者发生问题时才会进行处理而不是主动地去发现安全隐患以更小代价的实现系统的有效运维管理。电力系统企业是我国的传统行业，因此在其内部必然有一些根深蒂固的管理观念，随着时代的发展不但没有得到改善，反而愈演愈烈，成为阻碍电力信息系统自动化发展的主要原因。落后的管理理念使得企业发生安全事故的几率增大，不但造成企业自身的财产设备损失，还会给企业内员工带来很大的生命安全威胁，影响电力系统的运营。而电力信息系统自动化平台，可以有效改善这一现象，利用现今的技术以及管理理念实现管理效率的提高，增进系统运维管理科学性。

1.2管理模式科学性不强

所谓管理模式不科学，体现最为明显的地方在于在运营管理自动化中采用多头管理的方式，这种管理方式的弊端在于管理工作只是按照电力企业的要求进行。而不是根据实际情况进行全面的考虑，造成了工作上的疏漏、失误等，严重降低管理效率。如果不提高管理模式的科学性，就会造成部门人浮于事，人力成本大大提高的同时工作效益反而下降，在日后工作中进行运维管理时，需要提高管理流程的专业化和标准化，以提高整体的管理效益。

2电力营销聚类分析的数据挖掘优化

2.1关注人群分布

关注人群的分布可以分两个口径进行，一个是通过选择的热点，对人群的分布情况和变化趋势进行了解，一个是选择人群，显示其关注的热点以及相应变化趋势。这两种口径都可以结合相应的GIS地图了解不同地区的情况。在对人群和热点的分布情况进行分析，从而了解客户群体的情况和相关的异常情况，并采取相应的服务策略。可以通过寻找需要重点关注的人群进行人群分布的识别，在依据个体的属性，如用电类型、学历和年龄等，采取聚类分析的方式识别出该类热点的人群特征和相应的影响占比，了解相应的具体量等数据。举例而言，分析电价电费咨询热点的情况，发现热点分布年龄范围在50岁至70岁，其收入水平较低，主要集中在农村的居民用户，关注的重点内容为阶梯电价，所以，可以针对这类人群加大对阶梯电价的宣传作用。此外，在关注人群中发现某些地区存在20至30岁的群体提高了对阶梯电价的关注情况，结合当时的相关情况发现，其原因主要是由于近期出现了阶梯电价计算误差偏大的事件，媒体集中在市县区区域，可以采取宣传的方法向用户解答阶梯电价的相关政策，引导用户使用微信公众号对家中阶梯电量进行了解。

2.2改善设备管理系统

保持设备管理系统的稳定性对于保证管理效率是很大的保障，因此需要借助信息化管理、风险评估、性能检测以及设备维护等手段来完善设备管理系统。所谓信息化管理，指的是在进行设备管理时借助于各种先进的技术手段对电力设备进行检测、控制；而风险评估也是完善设备管理系统必须的步骤，对电力设备的运行状况进行完整的分析与评估，以预测其可能发生风险的几率，这样就能更好的做出预防措施，防患于未然；性能检测则是风险评估的基础，通过这一技术手段可以对电力设在运行过程中的状态进行全天候监测，从而在设备发生故障时能够及时向控制中心汇报，尽快解决相关问题；设备维护则是在检测到设备发生故障之后按照制定好的维修计划进行设备维修，同时对设备进行定期的检查维护，提高设备运行寿命。

2.3客户服务态势监控过程

借助大数据分析技术，并依靠多个大数据分析的模型与场景能够掌握客户服务的多层级、多维度数据标签。对于客户服务态势监控而言，就是在监控大屏中显示分析结果；首先借助客户关注的热点话题，掌握不同地区用户实际服务需求。接着，利用业务办理实时抢修、停电态势，体现用户需求的服务进程，从大方向了解客户落地与诉求的变化趋势。紧接着，借助服务渠道掌握供电企业提供的各项服务渠道整体使用状况以及业务分布状况，并对各渠道的服务能力进行初步评估，以此为根据判断是否存在漏洞。最后，借助特点事件态势、电力舆情态势、投诉全景态势以及客户满意度态势、投诉全景态势、电力舆情态势、热点事件态势掌握客户对电力服务全方位的整体评价，进而分析影响电力服务与客户满意度的主要因素。除此之外，客户服务态势监控应当以辖区GIS地图为依据，并新增钻取、元素以及浮层等功能充分表明客户服务态势。

2.4客户关注热点态势

以GIS地图为基础，对客户关注渠道分布、关注人群分布、热点区域分布以及关注热点构成等进行实时展示，同时紧密联系历史监控数据掌握动态变化趋势，从而全方位掌握用户关注热点情况，更能够提供多元化的自定义组合条件，进而掌握详细渠道、人群、区域以及热点的实际情况，也能够了解各热点之间的关系，为电力服务决策提供可靠依据。根据种类的不同，客户关注热点主要有服务质量、供电质量、电价电费以及供电业务等，而每个分类也包含多种热点，主要有电力积分、电e宝、电量异常、电压不稳、网点查询、电费缴纳、停电公告、进度查询、电力工程、窃电行为、故障检修、停电抢修、业扩咨询以及业扩受理等。

结语

以往所使用的电力营销聚类算法，很难给出恰当的决策，且挖掘速度慢。而本次提出的基于电力营销聚类分析的数据挖掘算法计算了事先给定的聚类数据，可以有效提升数据类型的聚类性。聚类算法是数据挖掘中常使用的算法，可以对数据挖掘结果进行合理的分析。在算法流程设计中，给出了此次算法的基本策略，用于抽取有价值的数据。最后，设计对比实验，分别测试三种算法的挖掘速度。本文设计的数据挖掘算法创新点是依据聚类分析原理，筛选电力营销系统数据。求取聚类数据距离，对数据对象进行聚类分析，计算各个数据对象之间距离的相异度。实验结果表明，所提算法挖掘速度一直保持在0．8s左右，相比其他算法更快，其计算精准度更加准确，由此，说明所提算法挖掘效果更好。

参考文献

［1］许统德，赵志俊，高俊文．多层级联式少数类聚类高精度数据挖掘算法［J］．控制工程，2018，25(5):829－834．

［2］黄博韬，朱邦贤．基于复杂系统论的中药药对数据挖掘研究进展［J］．中华中医药杂志，2018，33(6):2485－2487．