数据挖掘技术在电力营销系统的应用现状牛文浩

数据挖掘技术在电力营销系统的应用现状牛文浩

牛文浩

（国网盐池县供电公司宁夏回族自治区吴忠市盐池县751500）

摘要：电力营销系统在数据的采集方面不全备，一些数据存在不准确的现象，要想在大量电力营销数据中查找有用的信息，不仅要解决上述问题，而且要对电力经营提高其管理能力，使电网的管理和运行更加稳定安全。如何才能有效地解决这些问题，运用数据挖掘技术是一种行之有效的方法。本文分析了数据挖掘技术在电力营销系统的应用现状。

关键词：数据挖掘技术；电力营销系统；应用现状

数据挖掘在电力营销系统的整体应用上仍处在起步阶段，单一的挖掘算法很难满足实际决策的需要，应在多方面因素的影响下不断改进挖掘算法。目前尚未出现针对特定决策支持系统的专门挖掘软件，只是架构出系统结构，核心的算法体制并未完善，不能满足决策需要，如何保证数据挖掘方法更精确、高效、稳定地应用于营销系统中仍是亟待解决的问题。虽然存在不足，但数据挖掘对潜在问题和规律具有很高的预见性，并且具有高效计算、监测和管理的能力，因此，它适用于电力营销系统大规模非线性问题的求解，必会显示出其强大的生命力，成为电力营销领域发展的重要工具。

一、概述

数据挖掘技术是一种新型的技术，在现代数据存储以及测量技术的迅猛发展过程中，人们可以进行信息的大量测量并进行存储。但是，在大量的信息背后却没有一种有效的手段和技术进行直观的表达和分析。而数据挖掘技术的出现，是对目前大数据时代的一种应急手段，使得有关计算机数据处理技术得到加快发展。数据挖掘技术最早是从机器学习的概念中而产生的，在对机器的学习过程中，一般不采用归纳或者较少使用这种方法，这是一种非常机械的操作办法。而没有指导性学习的办法一般不从这些环境得出反馈，而是通过没有干预的情况下进行归纳和学习，并建立一种理论模型。数据挖掘技术是属于例子归纳学习的一种方式，这种从例子中进行归纳学习的方式是介于上述无指导性学习以及较少使用归纳学习这两种方式之间的一种方式。因此，可以说，数据挖掘技术的特征在出自于机器学习的背景下，与其相比机器主要关心的是如何才能有效提高机器的学习能力，但数据挖掘技术主要关心如何才能找到有用、有价值的信息。其第二个特征是，与机器学习特点相比较而言，机器关心的是小数据，而数据挖掘技术所面临的对象则是现实中海量规模的数据库，其作用主要是用来处理一些异常现象，特别是处理残缺的、有噪音以及维数很高的数据项，甚至是一些不同类型数据。以往的数据处理方法和现代的数据挖掘技术相比较而言，其不同点是以往的传统数据处理方法前提是把理论作为一种指导数据来进行处理，在现代数据挖掘技术的出发角度不同，主要运用启发式的归纳学习进行理论以及假设来处理的。

二、数据挖掘技术在电力营销系统的应用现状

1.数据挖掘技术主要步骤。数据挖掘技术首先要建立数据仓库，要根据实际情况而定，在易出现问题的有关领域建立有效的数据库。主要是用来把数据库中的所有的存储数据进行分析，而目前的一些数据库虽然可以进行大量的存储数据，同时也进行了一系列的技术发展。比如，系统中的在线分析处理，主要是为用户查询，但是却没有查询结果的分析能力，而查询的结果仍旧由人工进行操作，依赖于对手工方式进行数据测试并建模。其次，在数据库中存储的数据选一数据集，作为对数据挖掘算法原始输入。此数据集所涉及到数据的时变性以及统一性等情况。然后，再进行数据的预处理，在处理中主要对一些缺损数据进行补齐，并消除噪声，此外还应对数据进行标准化的处理。随后，再对数据进行降维和变换。如果数据的维数比较高，还应找出维分量高的数据，对高维数数据空间能够容易转化为检点的低维数数据空间进行处理。

2.电力营销策略支持。电力营销主要业务：一是分析各因素对用电水平的综合影响，做好用电量需求预测；二是电费回收及欠费风险分析控制；三是电价制定；四是客户细分。利用数据挖掘技术，对一段时间里电力系统中电能用量与时间变化的关系数据进行挖掘，掌握数年内电能需求的时间序列反映的方向和趋势，进行预测和推断。采用聚类技术来进行电力客户细分。分析用户的数据情况和根据分析需要，采取不同聚类算法来进行客户细分。利用关联规则分析市场环境与销售电量水平的关联度，寻找不同市场环境中影响电量销售变化的因素。利用决策树挖掘市场环境内部各个因素之间对电量水平变化的层次关系。对于用户提出的问题或假设，负责提取有关的详细信息，并将结果呈现给用户，这是电力营销数据仓库中主要采用的平台，面向各个主题分别建立多维数据集。

3.空间挖掘。对电力营销系统而言，大多数情况都需要决策人员快速地分析、诊断，并及时做出正确反应，特别是在电力市场条件下，重要决策的正确性对于电力企业的发展意义是不可估量的。将电网运行数据、负荷位置分布数据和实时变化数据等多目标层次的信息合为一体，利用特殊的空间技术对其进行综合处理，才能实现如设备跟踪、故障定位、模拟停电、损失评价及最优调度等高级功能。利用空间分布规则、空间聚类规则、空间特征规则、空间区分规则得到同类及不同类负荷的分布。空间挖掘可以应用于空间负荷预测、设备跟踪维护和故障定位。可以利用空间挖掘到的普遍几何知识（如地理编码）对各类用户进行业扩报装、查表收费、负荷管理等业务营运工作，还可以根据变压器、线路的实际负荷以及用户的地理位置、负荷可控情况制定各种负荷控制方案，以实现对负荷调峰、错峰和填谷等负荷侧管理功能。

4.电力设备状态检修。传统上，电力设备长期实行检修体制是：事后维修、预防性计划检修，主要包括定期维护、临修、小修、大修等形式。这种的主要缺点是：临时检修频繁，维修不足，过剩维修，盲目维修等。为解决这个缺点，电力系统正步向状态检修体制过渡。状态检测与设备故障诊断技术在电力设备上得到推广应用。状态检修是一种通过收集电力设备状态数据，并以数据为基础、预测电力设备状态未来发展趋势为根据的电力设备检修体制。状态检修通过收集电力设备的日常检查数成、定期重点检查数据、在线状态检测数据、故障诊断数据等，经过数据挖掘系统分析处理，通过挖掘的结果来预判设备的健康和性能优劣状况及其性能发展变化趋势，确定设备的维修状态，有计划地安排检修。采用数据挖掘技术对设备的检测数、试验数据进行分析，揭示电力设备性能状态渐变和寿命捐赠耗规律，及时、准确地发现潜在的故障的早期征兆，快速地对故障部位的严重程度及发展趋势做出判断，确定科学有效的检修计划。如在变压器检修中，用回归分析法分析变压器绝缘油运行中开成的各种气体浓度情况，判定变压器的状态。

电力信息化在电力行业使用越来越广，收集的数所越来越大，数据挖掘技术可以从海量的数据中挖掘出有用的知识和规则，用于电力行业的决策支持，这是传统的工具和方法，无法达到的，因此在电力行业中推广数据挖掘的应用，能有效提高信息系统的效能，提高电力行业决策的准确性，同时我们也发现数所挖掘也存在不足，它需要专业的人员培训，专业的应用软件，以及数据挖掘管理理念的建立的支持，在行业中如何解决这几个问题，是数据挖掘得到充分应用的有力保证，也是数据挖掘能否发挥其能力，开发电力行业信息系统潜能的关键。

参考文献：

[1]史小梅.数据挖掘在电力决策支持系统中的应用[J].上海电力学院学报，2015（4）.

[2]西安美林电子有限责任公司，大话数据挖掘[M].清华大学出版社，2015（1）.

[3]梁瑜.数据挖掘技术及其在电力系统中的应用[J].内蒙古广播与电视技术，2015，29，3.