數(shù)據(jù)挖掘技術(shù)在電廠經(jīng)濟(jì)性分析系統(tǒng)中的應(yīng)用Q

李玥

摘要：隨著互聯(lián)網(wǎng)技術(shù)的迅速發(fā)展，各行業(yè)其是銷售行業(yè)得到了快速的發(fā)展，同時(shí)也產(chǎn)生了海量的相關(guān)數(shù)據(jù)資源。作為銷售行業(yè)中的一部分，傳統(tǒng)的人工分析模式已經(jīng)無(wú)法為電廠直供電、供熱和電力營(yíng)銷提供必要的數(shù)據(jù)分析。需要利用大數(shù)據(jù)挖掘與分析技術(shù)，從海量的電力營(yíng)銷數(shù)據(jù)中發(fā)掘潛在的、有價(jià)值的信息，快速有效地分析數(shù)據(jù)與信息，從而將各個(gè)信息孤島相互匯集成為決策輔助信息系統(tǒng)，更好地保證電廠生產(chǎn)的安全運(yùn)行、銷售利潤(rùn)和市場(chǎng)競(jìng)爭(zhēng)力。

關(guān)鍵詞：大數(shù)據(jù)；支持向量機(jī)；數(shù)據(jù)挖掘；銷售模式

經(jīng)過(guò)多年的使用和運(yùn)行，電廠信息化系統(tǒng)已經(jīng)積累了海量的數(shù)據(jù)資源，這些數(shù)據(jù)信息是散亂的、無(wú)序的和龐大的，蘊(yùn)含的知識(shí)和價(jià)值巨大。文章引入了大數(shù)據(jù)挖掘技術(shù)，利用大數(shù)據(jù)挖掘的優(yōu)勢(shì)創(chuàng)新電廠數(shù)據(jù)信息管理模式，提高電廠發(fā)展、服務(wù)水平和競(jìng)爭(zhēng)力。

1 數(shù)據(jù)挖掘技術(shù)

隨著互聯(lián)網(wǎng)、信息化系統(tǒng)的運(yùn)行和推廣，系統(tǒng)運(yùn)行積累了海量的數(shù)據(jù)資源，可以采用支持向量機(jī)、K近鄰算法、BP神經(jīng)網(wǎng)絡(luò)等大數(shù)據(jù)挖掘技術(shù)，從宏觀、微觀等多維度構(gòu)建電廠經(jīng)濟(jì)分析系統(tǒng)，挖掘電廠數(shù)據(jù)中潛在的有價(jià)值信息，指導(dǎo)電廠經(jīng)營(yíng)分析和管理，具有重要的作用。

1.1 支持向量機(jī)

支持向量機(jī)是一種基于分類的大數(shù)據(jù)挖掘技術(shù)，該挖掘技術(shù)可以針對(duì)非線性、高維空間的樣本數(shù)據(jù)實(shí)現(xiàn)挖掘分析，能夠利用核函數(shù)等優(yōu)化數(shù)據(jù)挖掘過(guò)程，從海量的油品數(shù)據(jù)中挖掘高價(jià)值信息，并且能夠?yàn)橛推蜂N售提供銷售、經(jīng)營(yíng)、管理決策知識(shí)。支撐向量機(jī)可以與遺傳算法、模糊數(shù)學(xué)、粒子群等思想集成在一起，實(shí)現(xiàn)算法優(yōu)化，挖掘更多的信息知識(shí)。

1.2 K近鄰算法

K近鄰算法采用線性統(tǒng)計(jì)分類算法，已經(jīng)在數(shù)據(jù)挖掘算法中得到了廣泛的普及，是一種非常成熟的算法。K近鄰算法的思路如下：給定一個(gè)樣本數(shù)據(jù)，計(jì)算該樣本與K個(gè)樣本相似程度，選擇相似程度最大的一個(gè)類別，將該樣本劃分為這個(gè)類別中。K近鄰算法運(yùn)行中，所選擇的鄰居都已經(jīng)擁有自己的類別歸屬，其可以依據(jù)最鄰近的一個(gè)數(shù)據(jù)對(duì)象或多個(gè)樣本類別確定樣本的歸屬，是一個(gè)比較簡(jiǎn)單的經(jīng)典大數(shù)據(jù)挖掘算法，K近鄰算法原理依賴于極限定理，但是在劃分類別時(shí)，其僅僅與少量的樣本數(shù)據(jù)對(duì)象存在關(guān)系，判定類別僅僅依靠少量的數(shù)據(jù)類別，對(duì)于類別交叉嚴(yán)重的待分類樣本來(lái)講，K近鄰算法并不適合，需要采用更高檔的學(xué)習(xí)器進(jìn)行分類。

電廠經(jīng)濟(jì)性分析系統(tǒng)引入數(shù)據(jù)挖掘技術(shù)，可以達(dá)到以下幾個(gè)目標(biāo)：（1）關(guān)聯(lián)分析。電廠經(jīng)濟(jì)性分析系統(tǒng)運(yùn)行產(chǎn)生的大數(shù)據(jù)來(lái)源于發(fā)電、用電、傳輸?shù)榷鄠€(gè)等環(huán)節(jié)，涉及各類型軟硬件設(shè)備，這些數(shù)據(jù)信息資源存在極大的關(guān)聯(lián)關(guān)系，比如簡(jiǎn)單關(guān)聯(lián)關(guān)系、時(shí)序關(guān)聯(lián)關(guān)系、設(shè)備一軟件關(guān)聯(lián)關(guān)系、日志操作關(guān)聯(lián)關(guān)系等。（2）分類預(yù)測(cè)。電廠經(jīng)濟(jì)性分析系統(tǒng)引入大數(shù)據(jù)挖掘之前，許多信息數(shù)據(jù)保存的較為繁亂，比如供用電設(shè)備種類和數(shù)量多，設(shè)備購(gòu)置、維修、更換等運(yùn)行記錄保存日期、位置、版本較多，容易產(chǎn)生不一致等特點(diǎn)。因此，分類預(yù)測(cè)可以根據(jù)電廠管理人員的需求，引入貝葉斯理論等構(gòu)建一個(gè)分類算法，挖掘數(shù)據(jù)中相同類別的信息，這些類別可以是維修記錄、購(gòu)置記錄，也可以是時(shí)間內(nèi)容等，并且可以利用預(yù)測(cè)管理功能，預(yù)測(cè)設(shè)備運(yùn)行趨勢(shì)。（3）聚類分析。電廠大數(shù)據(jù)多是供用電設(shè)備運(yùn)行自動(dòng)產(chǎn)生的數(shù)據(jù)，相關(guān)子數(shù)據(jù)集缺乏詳細(xì)的描述信息，此時(shí)可以采用聚類分析方法，將數(shù)據(jù)劃分為多個(gè)簇，簇內(nèi)保持高度的相似性、同構(gòu)性，簇間保持較大的差別性，這就可以把相同類別的數(shù)據(jù)劃分到一組，不同類別的數(shù)據(jù)劃分到多個(gè)簇。（4）偏差檢測(cè)。數(shù)據(jù)挖掘時(shí)發(fā)現(xiàn)數(shù)據(jù)集中的離群點(diǎn)或異常數(shù)據(jù)是一個(gè)重要的功能，比如電廠供用電網(wǎng)絡(luò)安全監(jiān)測(cè)，該功能被稱為偏差檢測(cè)。偏差檢測(cè)主要包括分類中的反常實(shí)例、例外模式、觀測(cè)結(jié)果對(duì)期望值存在的偏離以及量值可以隨時(shí)間的變化而變化。偏差檢測(cè)的方法尋找觀察結(jié)果、參照之間的有意義差別，偏差分析的一個(gè)非常重要的特征是可以有效地過(guò)濾大量不感興趣的模式。

2 基于數(shù)據(jù)挖掘的電廠經(jīng)濟(jì)性分析系統(tǒng)

近年來(lái)，我國(guó)各大電廠企業(yè)經(jīng)過(guò)深層次和多方位改革、重組，電廠引入了先進(jìn)的信息化技術(shù)，積累了海量的信息數(shù)據(jù)，但是數(shù)據(jù)整合存在較大的難度，無(wú)法快速提升電廠知名度和銷售利潤(rùn)，更無(wú)法提升電廠企業(yè)競(jìng)爭(zhēng)力。如圖1所示，大數(shù)據(jù)挖掘可以從海量的電廠銷售數(shù)據(jù)中發(fā)掘潛在的有價(jià)值信息，利用這些信息可以指導(dǎo)、創(chuàng)新電廠經(jīng)營(yíng)管理模式，構(gòu)建一個(gè)電廠數(shù)據(jù)挖掘系統(tǒng)，為電廠經(jīng)營(yíng)提供主動(dòng)化的推薦功能。電廠數(shù)據(jù)挖掘系統(tǒng)的一個(gè)顯著特點(diǎn)是，能夠收集電廠發(fā)電數(shù)據(jù)、售電數(shù)據(jù)等資料，并且根據(jù)用戶興趣偏好主動(dòng)為用戶做出個(gè)性化推薦，并且能夠?qū)崟r(shí)更新推薦內(nèi)容，提高企業(yè)的服務(wù)水平。

電廠經(jīng)營(yíng)分析系統(tǒng)可以基于K均值算法構(gòu)建自動(dòng)分類用電群組。目前，人們生活中，不同的家庭購(gòu)買(mǎi)的家用電器不同，用電量也是不同的，可以利用K均值算法構(gòu)建一個(gè)自動(dòng)分類的用戶群，這樣就可以將用戶消耗的電量劃分為高中低等檔次，針對(duì)電量用戶群可以制定一種更加優(yōu)惠的措施，保證用戶價(jià)值持續(xù)提升；針對(duì)中檔次用戶制定一些力度較大的電量?jī)?yōu)惠措施，培養(yǎng)用戶高電量習(xí)慣，這樣就可以把中檔次用戶提高為高檔次用戶。另外，電廠也可以使用BP神經(jīng)網(wǎng)絡(luò)可以構(gòu)建一個(gè)電量需求識(shí)別模型，這樣就可以分析不同家庭用電器耗費(fèi)的電量，更好地向用戶推薦耗電量較小的電氣，這對(duì)于提高用戶電量的有效利用率具有重要的作用和意義。具體地，電廠經(jīng)營(yíng)分析管理模式可以劃分為以下幾個(gè)方面：

2.1 聯(lián)想銷售，個(gè)性化推薦服務(wù)

基于用戶購(gòu)買(mǎi)行為實(shí)現(xiàn)個(gè)性化推薦服務(wù)。利用大數(shù)據(jù)挖掘技術(shù)，可以獲取用戶購(gòu)買(mǎi)的電力能源的記錄，并且統(tǒng)計(jì)客戶的行業(yè)信息，為客戶提供個(gè)性化的推薦服務(wù)，比如定制消防檔次，推薦低能耗家用電器等。

2.2 用戶群分，差異化營(yíng)銷

實(shí)現(xiàn)用戶群分，不同等級(jí)客戶采用差異化營(yíng)銷。采用K近鄰算法可以構(gòu)建用戶群分模型，主題可以是購(gòu)買(mǎi)頻次、售電金額等，針對(duì)售電金額較多的大客戶、價(jià)值較高的客戶推送力度較大的優(yōu)惠信息，更好地黏住客戶，持續(xù)為電廠經(jīng)營(yíng)管理創(chuàng)造價(jià)值。

2.3 電量歷史銷量預(yù)測(cè)，擇機(jī)銷售

電量銷售預(yù)測(cè)與分析。隨著人們的生活質(zhì)量提高，電力能源已經(jīng)成為千家萬(wàn)戶群眾和工廠的重要能源之一。不同的季節(jié)、不同的時(shí)間段，人們的耗電量是不同的，因此可以采用支持向量機(jī)、BP神經(jīng)網(wǎng)絡(luò)等大數(shù)據(jù)分析技術(shù)，從電量銷售數(shù)據(jù)中挖掘用電量高峰，展示各個(gè)季節(jié)的電量銷售數(shù)量、時(shí)間段，細(xì)化電量銷售的具體情況，以便能夠預(yù)測(cè)電量銷售高峰發(fā)作時(shí)間段，保證電廠可以提供充足的電量能源。

2.4 專家?guī)欤嵘娏夸N售決策知識(shí)

構(gòu)建電量銷售專家分析庫(kù)，便于電廠企業(yè)經(jīng)營(yíng)決策。電量數(shù)據(jù)挖掘分析過(guò)程中，可以采用現(xiàn)有的經(jīng)驗(yàn)知識(shí)構(gòu)建一個(gè)功能豐富電量專家決策庫(kù)，以便能夠?yàn)殡姀S提供經(jīng)營(yíng)、管理決策知識(shí)，幫助電廠制定戰(zhàn)略銷售決策時(shí)具有較高方向性，便于持續(xù)改善電廠的發(fā)展能力、競(jìng)爭(zhēng)能力。

3 結(jié)語(yǔ)

隨著“互聯(lián)網(wǎng)+”的誕生和發(fā)展，電廠可以充分地利用大數(shù)據(jù)挖掘技術(shù)發(fā)現(xiàn)電量銷售數(shù)據(jù)中潛在的有價(jià)值信息，實(shí)現(xiàn)電量用戶群分、差異化營(yíng)銷，滿足電量銷售多樣化需求，提高電廠市場(chǎng)競(jìng)爭(zhēng)力和利潤(rùn)。