基于電力營銷聚類分析的數(shù)據(jù)挖掘算法

陳廣興

（廣東電網(wǎng)有限責(zé)任公司佛山順德供電局，廣東 順德 528300）

0 引 言

電力營銷積累了大量用戶信息及其用電行為數(shù)據(jù)，通過對(duì)該數(shù)據(jù)進(jìn)行有效的聚類和分類分析，可以提取有價(jià)值的用戶群體和用戶用電特征，為后續(xù)的電力營銷策略提供支持。按數(shù)據(jù)來源劃分，電力營銷系統(tǒng)采用了調(diào)度中心和終端數(shù)據(jù)實(shí)時(shí)發(fā)出的中央數(shù)據(jù)匯總，該數(shù)據(jù)具有狀態(tài)多樣化、變量類型復(fù)雜的特點(diǎn)，不利于統(tǒng)計(jì)分析。而采用聚類分析法可對(duì)其進(jìn)行簡約化處理[1-3]，針對(duì)在不同運(yùn)行狀態(tài)下電力營銷系統(tǒng)的數(shù)據(jù)挖掘和分析，提取有效數(shù)據(jù)及其之間的關(guān)聯(lián)性，作為系統(tǒng)隱患檢測的數(shù)據(jù)參考。因此，本文通過對(duì)聚類分析的數(shù)據(jù)篩選和數(shù)據(jù)類型的相異度進(jìn)行計(jì)算。通過對(duì)該算法進(jìn)行仿真實(shí)驗(yàn)，與其他相關(guān)算法對(duì)比檢測了其可用性和有效性，可在制定系統(tǒng)安全穩(wěn)定運(yùn)行的規(guī)劃方案設(shè)計(jì)中，提供高效的信息處理能力。

1 基于電力營銷聚類分析的數(shù)據(jù)篩選

目前工作中使用比較多的聚類方法主要包括基于模型的聚類方法、基于網(wǎng)格的聚類方法和基于密度的聚類方法。本設(shè)計(jì)在電力營銷聚類分析的數(shù)據(jù)挖掘算法中采用基于密度的聚類方法篩選數(shù)據(jù)[4]：設(shè)低密度區(qū)域?yàn)閚d，用以分割聚類空間中的數(shù)據(jù)類；分割后的數(shù)據(jù)類高密度區(qū)域設(shè)為ng，其屬性值為p。nd和ng表達(dá)式如下：

式中，v為所屬空間數(shù)目；b1為低密度對(duì)象子區(qū)域數(shù)目；nr為當(dāng)前節(jié)點(diǎn)屬性的值域，a1為高密度對(duì)象子區(qū)域數(shù)目。

結(jié)合式（1），對(duì)電力營銷聚類分析數(shù)據(jù)進(jìn)行篩選，可表示為：

式中，p為分割得到的子區(qū)域數(shù)目；i為屬性值的樣本密度，也就是聚類分析數(shù)據(jù)篩選的數(shù)據(jù)對(duì)象，即篩選出屬性值中出現(xiàn)頻率最高的樣本密度。

2 基于電力營銷聚類分析數(shù)據(jù)類型的相異度計(jì)算

依據(jù)電力營銷聚類分析原理對(duì)數(shù)據(jù)對(duì)象進(jìn)行聚類，并通過數(shù)據(jù)結(jié)構(gòu)和相異度矩陣獲得數(shù)據(jù)間的相異度。數(shù)據(jù)相異度矩陣如下:

聚類分析數(shù)據(jù)相異度矩陣用來存放n個(gè)數(shù)據(jù)對(duì)象兩兩之間形成的差異。式中，n表示數(shù)據(jù)矩陣對(duì)象，其間的差異值用i和f表示，p表示屬性。當(dāng)差異值取正數(shù)時(shí)，f和i越接近于0，屬性值p越大，則表示f和i不相似；否則，若f和i的取值小于0，p數(shù)值就會(huì)越小，說明f和i的相似度高。

在上述矩陣基礎(chǔ)上采用聚類算法進(jìn)行計(jì)算數(shù)據(jù)類型相異度，即將變量值度量化并進(jìn)行標(biāo)準(zhǔn)化處理，如（3）：

式中，sf表示變量值的絕對(duì)偏差值；mf表示f的絕對(duì)平均值。

基于式（3）計(jì)算數(shù)據(jù)類型相異度，如式（4）：

式中，d（i，j）是對(duì)象i和對(duì)象j之間相異性的量化表示，且該相異性值通常是一個(gè)非負(fù)的數(shù)值，當(dāng)對(duì)象i和j越相似時(shí)，相異性值就越接近于0，反之，值越大，且d(i,j)=d(j,i)，d(i,j)=0。基于電力營銷聚類分析的數(shù)據(jù)類型相異性計(jì)算如式（5）：

式中，kl為聚類分析數(shù)據(jù)量。目前為止，完成了聚類分析數(shù)據(jù)類型相異度計(jì)算，接下來需要設(shè)計(jì)聚類分析數(shù)據(jù)挖掘算法的流程。

3 基于電力營銷聚類分析的數(shù)據(jù)挖掘算法流程

聚類分析數(shù)據(jù)挖掘算法是大數(shù)據(jù)和數(shù)據(jù)挖掘最常用的經(jīng)典算法之一，也是數(shù)據(jù)挖掘的關(guān)鍵技術(shù)。通過聚類分析算法可將物理或抽象對(duì)象的集合按照相似性進(jìn)行分組，然后在相似的基礎(chǔ)上，根據(jù)數(shù)據(jù)類型相異度挖掘出數(shù)據(jù)蘊(yùn)含的潛在信息并進(jìn)行數(shù)據(jù)分類。其算法如圖1所示。

圖1 聚類分析數(shù)據(jù)挖掘算法流程圖

基于聚類分析數(shù)據(jù)挖掘算法流程完成聚類分析的框架設(shè)計(jì)，如圖2所示。

圖2 電力營銷聚類分析框架

對(duì)輸入的樣本向量定義為 (v1，v2，…，vi，c)，該向量由字段值vi和類型c組成，對(duì)應(yīng)的數(shù)據(jù)記錄結(jié)構(gòu)也是類型標(biāo)簽+數(shù)值的訓(xùn)練集。其中，該標(biāo)簽也可作為輸入的經(jīng)驗(yàn)數(shù)據(jù)。完成分類后，可引入決策樹算法進(jìn)行數(shù)據(jù)挖掘，預(yù)測準(zhǔn)確度：數(shù)據(jù)挖掘算法的基本策略設(shè)計(jì)如圖3所示。

圖3 數(shù)據(jù)挖掘算法的基本策略

其中，基于SLIO算法的修剪樹表達(dá)式如（6）：

式中，COST(DM)為編碼成本；BCOST(M)為所有的分類錯(cuò)誤數(shù)。

4 算法實(shí)例

設(shè)計(jì)仿真實(shí)驗(yàn)，通過算法實(shí)例對(duì)基于電力營銷聚類分析的數(shù)據(jù)挖掘算法進(jìn)行可行性和有效性驗(yàn)證。實(shí)例中所用到的數(shù)據(jù)來自數(shù)據(jù)挖掘網(wǎng)站，其關(guān)鍵數(shù)據(jù)主要為聚類數(shù)目和權(quán)重指數(shù)。其中，聚類數(shù)目用于與聚類樣本的總數(shù)量比較，用以判斷數(shù)據(jù)挖掘是否有意義。即，當(dāng)聚類數(shù)目大于聚類樣本的總數(shù)量時(shí)，數(shù)據(jù)挖掘才有意義。權(quán)重指數(shù)用來體現(xiàn)數(shù)據(jù)挖掘算法效果，指數(shù)越小，說明算法對(duì)數(shù)據(jù)挖掘效果越好；指數(shù)越大，說明數(shù)據(jù)挖掘效果越差。基于數(shù)據(jù)有意義挖掘需求，給出電力營銷聚類數(shù)據(jù)相應(yīng)的值，包括聚類數(shù)（JLN）、類間距（LJJ）、類內(nèi)距（LNJ）和準(zhǔn)則（ZZ），如表1所示。

表1 電力營銷聚類數(shù)據(jù)參數(shù)值

算法實(shí)現(xiàn)過程大概分為六步：（1）根據(jù)問題定義，完成數(shù)據(jù)中的空值填補(bǔ)和一致性優(yōu)化，做好數(shù)據(jù)準(zhǔn)備；（2）創(chuàng)建數(shù)據(jù)倉庫用以將多個(gè)數(shù)據(jù)源集合起來，形成目標(biāo)數(shù)據(jù)并存放在數(shù)據(jù)庫，作為下一步的數(shù)據(jù)應(yīng)用準(zhǔn)備；（3）為提高挖掘效率，將數(shù)值轉(zhuǎn)換為數(shù)據(jù)集壓縮形式；（4）根據(jù)實(shí)際需求，制定數(shù)據(jù)任務(wù)并使用SLIO算法挖掘數(shù)據(jù)；（5）通過與需求標(biāo)準(zhǔn)對(duì)比，篩選相關(guān)模式和有價(jià)值的信息；（6）基于決策樹對(duì)最終數(shù)據(jù)進(jìn)行轉(zhuǎn)化，以便于理解的語言描述或展開形式呈現(xiàn)給用戶。到此，完成基于電力營銷聚類分析的數(shù)據(jù)挖掘算法過程。

分別使用本文設(shè)計(jì)算法和文獻(xiàn)[3]中提出的基于支持度-置信度-提升度的配網(wǎng)自動(dòng)化系統(tǒng)數(shù)據(jù)挖掘算法、文獻(xiàn)[3]中提出的基于神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘算法，重復(fù)實(shí)驗(yàn)10次，得出實(shí)驗(yàn)結(jié)果進(jìn)行對(duì)比，見表2。

由表2可以看出，三種算法中只有本設(shè)計(jì)中算法的挖掘速度更快，計(jì)算時(shí)間全都在1.0s以內(nèi)；而基于支持度-置信度-提升度的配網(wǎng)自動(dòng)化系統(tǒng)數(shù)據(jù)挖掘算法和基于神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘算法所用時(shí)間基本上在1.35s～1.84s范圍之內(nèi)，挖掘速度相對(duì)較慢。因此，在數(shù)據(jù)挖掘效率上，本文算法具有良好的可行性。

對(duì)本文算法與其他兩種算法進(jìn)行數(shù)據(jù)挖掘精確度測試以驗(yàn)證本文算法的應(yīng)用效果，計(jì)算公式如（7）:

式中，m為參與挖掘的項(xiàng)目數(shù)量；w為算法的實(shí)際挖掘數(shù)量；w'為預(yù)測挖掘數(shù)量。利用式（7）對(duì)上述三種數(shù)據(jù)挖掘算法的精準(zhǔn)度進(jìn)行計(jì)算并對(duì)比，結(jié)果如圖4所示。

圖4 三種算法測試精準(zhǔn)度對(duì)比結(jié)果

通過圖4所示的三種算法精準(zhǔn)度對(duì)比可知，基于電力營銷聚類分析的數(shù)據(jù)挖掘算法在引入決策樹算法后，其計(jì)算精準(zhǔn)度要遠(yuǎn)高于其他兩種算法。隨著數(shù)據(jù)挖掘數(shù)量的增加，本文算法的精準(zhǔn)度也越來越高，接近93%左右，其他兩種算法的最高精準(zhǔn)度均在85%以下。

通過上述實(shí)驗(yàn)可知，本設(shè)計(jì)中的算法無論是在數(shù)據(jù)挖掘效率還是精準(zhǔn)度方面均符合設(shè)計(jì)的可行性和有效性要求，能在一定程度上提高數(shù)據(jù)挖掘的可信度。

5 結(jié) 論

聚類分析在電力行業(yè)數(shù)據(jù)挖掘的應(yīng)用，可通過制定合理的決策幫助提升電力企業(yè)的市場競爭力。而傳統(tǒng)的電力營銷聚類算法挖掘速度慢，精準(zhǔn)度低，因此本設(shè)計(jì)所提出的基于電力營銷聚類分析的數(shù)據(jù)挖掘算法，通過對(duì)數(shù)據(jù)挖掘結(jié)果進(jìn)行合理的分析，可有效提升聚類數(shù)據(jù)類型的聚類性。結(jié)合算法流程設(shè)計(jì)中所用到的基本策略，可快速、精準(zhǔn)地完成目標(biāo)數(shù)據(jù)的提取。本文的數(shù)據(jù)挖掘算法創(chuàng)新點(diǎn)主要體現(xiàn)在兩方面，第一方面根據(jù)聚類分析原理，實(shí)現(xiàn)對(duì)電力營銷系統(tǒng)數(shù)據(jù)的篩選。第二方面通過求取聚類數(shù)據(jù)距離完成對(duì)數(shù)據(jù)對(duì)象的聚類分析，計(jì)算數(shù)據(jù)對(duì)象之間距離的相異度。通過相關(guān)實(shí)驗(yàn)測試結(jié)果，本文中算法在挖掘速度上基本在1.0s以內(nèi)，比其他算法提速了40%左右；在數(shù)據(jù)挖掘精確度上也平均高出了20～40個(gè)百分點(diǎn)，由此證明了基于電力營銷聚類分析的數(shù)據(jù)挖掘算法具有很好的可行性和有效性。