信息融合背景下電力營銷數據的多元回歸分析系統

國網陜西省電力有限公司延安供電公司 苗壯

關于電力營銷數據的分析系統的構建，應以具備的應用功能為基礎，設計多元回歸分析系統，基于這個多層結構體系，細化和分解各接口，創建分布式數據集成方案，依托于關鍵技術，設計ONCE平臺（數據集成平臺），根據系統設計和實現，著重研究電力營銷數據中多元回歸分析，豐富電力營銷數據分析，提升其精準度和安全性，也為相關研究提供借鑒。

1 信息融合背景下的電力營銷數據系統構建

1.1 功能設計

圍繞用戶群體，準確定位服務功能，包括數據的實時監測、線損分析功能、售電資金回收分析功能、專項查詢功能和數據分析箱等[1]。其中，數據的實時監測，結合為用戶創設的某些重點數據（閾值限制），全程跟蹤預警和智能疑點，配備相應的數據監測（實時性）和過限預警，若是一旦產生異常情況，及時啟動跟蹤查證和預警裝置；線損分析功能比較分析購電量和售電量兩者之間的線損情況，形成一些決策依據；再如專項查詢功能，用戶可結合自身情況，添加新的查詢方式，運用數據庫實現多元數據的采集和分析，如插件式的專項查詢功能等。

1.2 C/S模式的多層結構設計

組件設計在電力領域應用廣泛，其優勢體現在功能獨立，各軟件包具有自定義的標準服務接口，滿足用戶“即插即用”的需求，運行中各組件不受其他組件干擾，其開發和測試均可獨立運作，在一定程度上提升軟件開發的重用性和效率。本文研究分析的對象則是多層C/S模式（Client/Serve），作為一種分布式的計算模式，具有可伸縮性的屬性和特點，在技術推動下，以從傳統的兩層設計轉化為多層架構，融合客戶端、應用服務器、數據基層服務等（如圖1所示）。C/S模式的多層結構以組件技術為關鍵，還涉及計算機、大數據技術等，靈活利用數據采集及處理，集中解決系統運行中的重難點，實現同步開發、測試和分析等目標。

圖1 C/S模式多層結構系統架構Fig.1 C/S mode multi-layer structure system architecture

1.3 電力營銷數據采集系統的方案設計

C/S模式多層結構結合實際的系統，以處理和解決數據傳輸及轉換為核心，數據轉換涉及到數據類型、數據生成、數據合并、數據分解等，還根據系統轉型升級相應改變，對此應構建開放式的系統，既在外部實現數據轉換，又為用戶提供自行制定管理和轉換工具。C/S模式多層結構中各層功能設計如下。

1.3.1 分布式數據庫

本文C/S模式多層結構中，創建的分布式數據庫采用Oracle、SYSBASE和SQL Server2000。為保障系統可靠性和安全性，添加鏡像服務器，替代原有的數據提取、篩選及傳輸等。

1.3.2 數據集成服務器

數據集成服務器基本功能是兩端服務，考慮到數據采集呈單向，將系統中的發送端和分數式數據庫連接為一體，接收端坐落在本地，配備多個發送服務器和一個接收服務器，具有高度的開放性，滿足各類數據的實時性和自動傳輸。因此，用戶根據服務器各種界面，可及時提取和篩選本地庫數據。

1.3.3 本地數據庫本地數據庫基于分布式，依靠于多個數據服務器，應用SQL Server 2000（數據庫管理軟件），以此來處理系統中龐大復雜的數據量，設計和開發觸發器和存貯路徑，符合數據的一致性特點，避免出現數據冗余和堆積的現象。

1.3.4 應用功能層

應用功能層從現實需求出發，將邏輯層設計為低級端口和高級端口，低級端口用作本地數據庫的連接及維護，高級端口根據組件技術，為用戶提供各類服務功能，如查詢功能、統計功能、數據采集控制功能等。組件接收的數據主要來源于客戶，運用不同形式的方法集，采集和分析用戶數據，表現為邏輯層和用戶表示層之間的接口。此外，數據采集控制功能涉及數據采集控制類組件，不僅從用戶群體中提取數據，還及時發出命令捕捉數據，滿足表示層的提交對應信息任務。

1.3.5 界面表示層

界面表示層與用戶交互，一方面，給予用戶溝通交流環境，收集和分析用戶習慣，實時接收和處理各類用戶文件和電力信息；另一方面表示層與邏輯層高效連接，各種功能組建安全云總，更好地推進程序的升級及維護。

2 電力營銷數據采集系統的實現路徑

2.1 OnceDI的技術原理

OnceDI是電力企業應用的數據集成中間件，具有服務器端和客戶端兩個部分（如圖2所示），用戶結合實際情況二次開發利用服務器，經過各類數據傳輸任務及設置，個性化管理和應用服務器。各種任務具有發送和接收兩大形式，涉及數據源、渠道等對象，其中的數據源的適配器包括XML文件適配器、格式化文件適配器等；再如渠道類型運用FTP、MSMQ等，及時將數據傳輸多個接收端。

圖2 OnceDI 的架構圖Fig.2 Architecture of OnceDI

2.2 數據集成的解決方案及實現

發送任務具有觸發外部程序、獲取數據源中的數據、加工數據、發送數據到一個或多個渠道4個步驟，接收任務包括加工數據、數據保存及處理、觸發外部程序3個流程。對于數據集成的解決方案設計及事項，具有如下思路。

2.2.1 實時數據

整個電力營銷系統中，及時采集和處理各種售電數據和資金回收回收數據，運用自動執行方式，設置OnceDI的客戶端，靈活使用數據源、數據轉換插件等，實時采集和收集數據，還可以添加包裝器，實現對數據的檢索及轉換。

2.2.2 定期制定數據

系統中繁瑣復雜的數據，需要定期采集和處理，如報表數據、電價數據等，根據數據周期長、不穩定等特點，在數據對象已知的條件下，結合自動執行和人工執行方式，啟動服務器層的組件程序（OnceDI服務器），經過相應的編程處理，設計各項任務和安插數據源，及時編排在數據報表中，滿足查詢數據和調用功能[2]。

2.2.3 臨時性數據

啟動事件預警裝置，離不開對數據的跟蹤及查尋，因數據的不確定性，尤其是數據檢索任務往往是用戶隨機設定，這種單次和數據對象模糊的情況，需要服務層配備特定的組件，及時接收用戶信息，包括數據來源、數據篩選等，及時配置服務器（收發兩端）接口，輸送和傳遞任務，還可以根據具體情況，隨時返回數據源或者取消任務。

3 信息融合背景下電力營銷數據的多元回歸分析系統研究

3.1 電力營銷數據的抽取及篩選

電力營銷信息融合，采集和分析數據信息，經過對不同類型的信息融合，捕捉和獲取新的數據來源，圍繞相關數據，校準和估計各種數據狀態，采取模式識別的方式，豐富和完善更為全面的信息，以此構建系統功能模型，引入多元回歸分析方法及流程（如圖3所示）。

圖3 電力營銷數據多元回歸分析流程Fig.3 Multiple regression analysis process of power marketing data

靈活利用各種挖掘算法捕捉、篩選和獲取各種數據。（1）低密度區域分割數據，依據計算理論“nd=(υ - b1)nr” （υ代表空間數據的數目，b1代表低密度條件下數據對象的區域空間，nr代表數據節點的值域）。（2）高密度區域分割數據，依據計算理論代表高密度條件下數據對象的區域空間，φ和δ分別代表低密度和高密度的屬性值）。（3）綜合處理低密度和高密度的數據應用，依據計算理論代表實際的數據）。運用上述三種不同的電力營銷聚類數據篩選值計算理論，圍繞樣本數據，抽取和篩選屬性最高的數據，匯總和分析數據集，若是數據集符合實際應用，則繼續實施和執行下一步。

3.2 多元回歸處理過程

針對電力營銷數據系統，多元回歸處理運行過程具體如下：

3.2.1 根據數據結構創建矩陣模型

3.2.2 標準化處理

依照度量值和絕對平均值，將兩者的聚堆偏差值進行標準化處理，計算過程為（sf和mf代表絕對偏差值和絕對平均值，f代表數據內部的差別），比較分析相關數值，sf的魯棒性較佳，魯棒性是指控制系統在具體（結構、大小）的參數攝動下，維護相關性能特性，具有穩定魯棒性和性能魯棒性兩種，根據魯棒控制器（固定控制器），防止異常數據出現偏差。

3.2.3 不同數據對象的回歸分析

針對各類電力營銷數據，既要尋求這些數據間的異同點，又要預測和評估數據對象內部的距離，依據回歸分析距離計算理論代表各類數據多元回歸分析處理中對象的距離），若“ 0),( =jid ”，則兩個對象具有對稱屬性，按照上述公式計算；若“ 0),( ≠jid ”，兩個對象則無對稱屬性，此時考慮到對象的相異性，還應歸納“ W = d(i ,j)×ki”（W代表多元回歸分析的最后數據結果，ki代表多元回歸分析中的數據量）。

3.3 試驗分析

根據XX電力企業，獲取一組電力營銷數據（如表1所示），進行多元回歸分析，實驗流程及實施，事先填充該組數據中的空缺值，及時糾正各種數據異常，避免產生不一致現象；整合數據到數據管理系統中，明確選取相應的樣本數據，壓縮數據包，保障數據多元回歸分析的效率。

表1 XX電力企業的一組電力營銷數據Tab.1 A set of power marketing data of XX power companies

運用決策樹理論，剔除無關數據，推進數據轉換，基于C/S模式多層結構，實施表1中數據的實驗分析。由于各種方法數據分析的速率大小不一，設計實驗次數（次），計算C/S模式多層結構的回歸分析的時間（s），推導出回歸分析的精準度計算理論為“（m代表數據量，w代表實際分析數據量，w'代表預估分析數據量，Z代表精準數據結果）。經過對實驗數據的計算及演變，得出信息數據轉換中，靈活使用各種發掘數據算法，實現對精準數據數值的捕捉和獲取，更好地服務于電力運營[3]。

4 結語

根據傳統電力營銷數據分析耗時耗力、數據準確性低等現象，本文借鑒和運用信息融合技術手段，以系統整體架構為基礎，根據C/S模式的多層結構設計，依據OnceDI的技術原理，深化數據集成的解決方案及實現，結合實驗分析，驗證新型多元回歸分析處理的合理性和精準性。

引用

[1]楊峰,劉勝強,吳麗賢.基于信息融合的電力營銷數據多元回歸分析系統研究[J].微型電腦應用,2022,38(4):143-146.

[2]方娜,李俊曉,陳浩,等.基于變分模態分解的卷積神經網絡-雙向門控循環單元-多元線性回歸多頻組合短期電力負荷預測[J].現代電力,2022,39(4):441-448.

[3]張游國,高巖.基于灰色關聯分析及多元回歸的上海市電力需求預測[J].物流科技,2021,44(12):26-29+35.