淺析電力營銷大數據平臺建設及數據挖掘

江珂

摘 ? 要：在當前的大數據時代發展背景下，電力企業的主要競爭力就是電力營銷，過去的電力營銷大數據的挖掘和分析有很多缺陷，對此就需要引進電力營銷大數據平臺，強化電力營銷大數據平臺建設，實行營銷系統大量數據開展的數據挖掘與預測分析等，這樣可以將營銷業務服務水平與服務效率提升，還可以保證電力企業營銷服務更好的發展。本文通過對大數據簡單的概述，分析了電力營銷大數據平臺建設方法，探討了電力營銷數據挖掘技術的有效運用，以期為廣大研究相同問題的人士提供有價值的參考。

關鍵詞：電力營銷 ?大數據平臺建設 ?數據挖掘技術

中圖分類號：TP311 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻標識碼：A ? ? ? ? ? ? ? ? ? ? ? ?文章編號：1674-098X（2019）08（a）-0137-02

大數據時代的到來，給中國電力企業發展提供了鮮活的生命力。伴隨電力市場的持續變化和發展，使得電網企業提出了建立營銷配電和別的部門業務的一體化協同運行機制，達到信息共享、協調互動的目的。以及將營銷業務管理全程自動化實現，達到營銷業務和別的業務信息共享，將營銷信息化系統耦合等構建目標實現，構建營銷體系，而構建目標則需統一規范信息共享，同時還需要電力營銷大數據平臺的服務。并且，按照電力營銷發展要求，達到營銷集中監管的目的，需要將電力營銷大數據平臺為基礎，對電力營銷數據進一步挖掘。因而，以下對大數據時代中電力營銷大數據平臺建設和數據挖掘展開了分析論述。

1 ?大數據簡述

大數據就是經過準時采集和分析，從中挑選出利用價值較高的非結構化數據。大數據具備多樣化、實時性以及數量大的特點，因而在處理大數據的過程中需要盡可能將時間減短。概括來講，大數據有三個特征，可總結歸納為“3V”，即量（Volume）、類（Variety）、時（Velocity）。量，數據容量大，現在數據單位已經躍升至ZB級別。類，數據種類多，主要來自業務系統，例如社交網絡、電子商務和物聯網應用。時，處理速度快，時效性要求高。伴隨眼下信息技術的不斷發展，電力公司在信息建設層面投入的力度持續提高，建立起了集團公司一體化信息平臺。除此以外，電力公司在電力營銷層面構建了用電用戶信息檔案，經過電子表格以及視頻語音等對大數據進行統一化的管理。為緊跟時代發展，電力公司需要在第一時間收集信息數據，使用大數據提高企業工作水平，加深精細化程度。伴隨著時代的進一步改革與發展，國內電力營銷數據表現出很多特點，這就表明電力公司的電力營銷已經慢慢進入了大數據時代。

2 ?電力營銷大數據平臺建設探索

2.1 操作系統

在建立操作系統的過程中，應當從以下幾個方面來思考：（1）基礎設施層，涵蓋了服務器與儲存等各種硬件資源和操作系統，數據庫與別的支持軟件等資源數據源層劃分成數據儲存與訪問，數據訪問是以數據復制軟件Golden Gate與ODI達到數據轉換工具的數據儲存采用關系數據庫Oracle儲存緩存數據，企業與系統支持數據。（2）接口交換數據邏輯層。平臺管理軟件業務邏輯的實現涵蓋了標準編碼與數據轉換管理、數據質量與模型管理、平臺資源監控與交換區域管理等8個組件以及應用結構。（3）集成服務層。給別的管理系統提供數據服務，涵蓋數據訪問Web服務實現與經過JMS實現的消息傳輸。（4）表示層，根據業務邏輯層組件所提供的功能，所有良好的匹配用戶體驗的接口均是以Java技術、Swing技術、AJAX技術等方式實現的。

2.2 服務器

電力營銷大數據平臺的整體結構和電力系統里面豐富的電力數據源流有機融合，涵蓋電力與信息流量、業務與故障流量以及氣象流量，接著根據具體的工業運用之中推算出來，當作傳輸與轉換。負載控制與管理信息系統、監督控制系統、數據收集系統、還有能量檢測系統均會在電力設備和在線監測系統等之中分布、采用以及調節。服務器的穩定性牽扯到了系統的穩定性與可行性。所以，創建一個非常健全的功能以及穩定的服務器是至關重要的。

2.3 儲存和數據處理

電力營銷大數據平臺建設需要全面思考儲存技術，將PB與ZB儲存空間當成支撐，不然系統易于出現崩潰。所以，在開展儲存應用的過程中，需要從儲存模塊著手，為減少這一模塊硬件成本，提升硬件可擴展性，把大數據儲存和處理模塊建立在通用服務器、操作系統上構建儲存單元，標準的服務器即可編程基于這一結構的終端組成單元。另外，儲存還可以在大數據調度上當作企業級商業智能運用系統，用于統計或查找等。其次，數據復制轉型是數據營銷平臺的核心功能。經過該功能，電力營銷數據平臺及時從多個營銷業務系統采集業務數據信息，且實施標準轉換數據，給營銷業務監控系統提供數據知識和業務數據查找。

3 ?電力營銷數據挖掘技術的運用

在大數據時代背景下，數據信息量逐步增加，為了推動電力企業電力營銷健康穩定地發展，電力企業應基于電力營銷大數據平臺建設，采用有效的方式和手段合理運用數據挖掘技術。

3.1 分類的運用

分類方式能夠幫助處理數據變化的中長期預測性問題，過去的序列預測方式和現下的模糊理論與專家系統均被用在數據中長期預測之中。能夠采用分類樹構成子數據庫的方式，大大減小數據庫規模，進而將數據預測的廣度和精度提升。除此以外，模式分類方式同樣是提升電力負荷預測精度的主要方式，一些學者通過分類樹構成子數據庫的方式減小了SCADA數據庫規模，將系統運行速度提升了。

3.2 關聯規則的運用

現階段數據挖掘技術電力營銷的運用探究核心就是關聯規則，能夠對目前數據和歷史數據加以全面分析，進而獲得數據發展的特點與基本規律，給將來的決策擬定提供重要依據和參考。關聯規則能夠當成指導電力市場營銷對策與管理的技術工具，給電力營銷提供銷售、需求與收益等預測，進而給電力市場營銷提供很多輔助性的決策信息。

3.3 聚類的運用

聚類關鍵運用在電力營銷系統用戶分類和異常數據發現修改、信用評價與負荷分析、故障診斷等各個方面。采取聚類分析方式和模糊聚類方式分析，得到電力用戶特點群且展開量化分析，把電力用戶分成各種屬性的多個組別，進而擬定出不同的營銷方案和對策。在現實使用過程中需要挑選適應性決策樹對差異化的負荷展開聚類。

3.4 時間序列挖掘的運用

時間序列挖掘方式在短時間負荷預測之中獲得了非常廣泛的運用，神經網絡是使用頻率較大，研究非常成熟的短時間負荷預測方式。大多電力營銷系統在挑選數據挖掘技術的過程中，會把時間序列挖掘方式和神經網絡相融，經過差異化的方式分析電力營銷系統數據，進而獲取到非常準確的預測結果。在序列挖掘算法之中添加時間窗，把時間窗使用在電力運行警報系統中，就能夠減小故障對系統帶來的影響，有利于故障的定位和診斷。

4 ?結語

總的說來，大數據時代已經出現了，因而必須要優化電力大數據，給數據挖掘出來的有價值的信息提供技術方面的支持，為客戶提供優質服務，科學使用大數據平臺積極執行營銷服務創新與精益化管理，持續提升企業市場競爭能力，給企業良好發展提供動力。

參考文獻

[1] 王慧慧，李陳程.大數據平臺下的電力營銷信息化建設研究[J].通訊世界，2019，26（4）：198-199.

[2] 宋筱爽，王惠.基于大數據平臺的電力營銷信息化建設研究[J].居舍，2018（30）：184.

[3] 李育濱.電力營銷大數據平臺建設研究[J].現代信息科技，2018，2（6）：4-6.

[4] 王志堅.基于大數據平臺的電力營銷信息化建設分析[J].內蒙古電力技術，2016，34（4）：17-22.