当前位置:首页 >> 信息与通信 >>

基于数据挖掘技术的电力营销决策支持系统


第 26 卷   1 期 第 2007 年 2 月
文章编号 :1006 - 4869 (2007) 01 - 0059 - 04

南昌工程学院学报 Journal of Nanchang Institute of Technology

Vol. 26   1 No. Feb. 2007

基于数据挖掘技术

的电力营销决策支持系统
谢春讯
( 三峡大学 电气信息学院 ,湖北 宜昌 443002)

摘   : 电力部门营销工作依靠传统的信息管理方式已不能满足电力市场的要求 ,运用数据仓库 、 要 数据挖掘的理论 和方法以及 Web 技术 ,提出了基于数据挖掘技术的电力营销决策支持系统的开发设计方案 , 为高层营销决策提供 全面的信息支持 ,使之成为营销决策者的好帮手 . 关键词 : 数据挖掘 ; 电力营销 ; 决策支持 ;Web 中图分类号 :TP311. 13     文献标识码 :A

Decision Support System of Electric Power Marketing Based on Data Mining
XIE Chun2xun

( College of Electric Engineering & Information ,Three G orges University , Yichang 443002 ,China) Abstract :The traditional information management method ,which is practised by the electric institutions in power marketing ,can not meet the demands of the market . Based on the theory and method of data mining and web technology ,this paper presented a design scheme for decision support system of power marketing. The scheme can provide information for the marketing decision and will be helpful to the marketing decision2makers. Key words :data mining ;power marketing ;decision support ;web

0    引 言

随着电力体制改革的深化和电力市场的不断完善 ,电力企业的服务方式和管理模式都发生了根本的转 变 . 在此过程中 ,计算机技术 、 通讯技术及信息处理技术是企业发展的重要技术支持 . 当前 ,电力营销工作己 经进入营销决策型管理阶段 ,许多电力企业都在现有的电力营销管理信息系统 (MIS) 的基础上研究和开发用 于电力营销的决策支持系统 ,将现代信息技术和营销观念结合 ,帮助企业领导层制定科学的营销决策 ,以适 应市场竞争的要求 . 在很多电力公司的供电营业区内 ,各用电单位都已经统一建立了营销技术支持系统 ,即利用电子电力技 术、 计算机技术和通信技术为电力营销提供全面支持的系统 . 其数据核心层是基于大型数据库的电力营销信 息系统 ,所有用电业务均通过该平台进行流程化操作 ,经过长期的运用后 ,在数据库中积累了大量的用户信 息 ,包括用户的报装立户 、 日常用电业务变更 、 抄核收 、 电费帐务信息 ,与 95598 客户服务系统 、 负荷控制系统 ( 需求侧管理) 、 远抄集抄系统组成了一个完整的电力营销业务技术支持平台 . 在经过长期运行后 ,供电公司 不仅要通过现代化手段的提升来加强电力营销管理 ,还要从已经积累的电力营销运行及交易数据中快速准 确地提取出用于电力营销决策的信息 . 本文试图从数据仓库技术及采用 Web 构架的电力营销决策支持系统 的研究及开发做一些探讨 . 如何在现有的电力营销管理信息系统的基础上研究和开发用于电力营销的决策支持系统 ,将现代信息技 术和营销观念结合 ,帮助企业领导层制定科学的营销决策 ,以适应市场竞争的要求 . 在数据仓库技术的基础上 采用 Web 构架实现电力营销决策支持系统是一种有益的探索 ,在实际的建设及应用中也证明了这一点 .
收稿日期 :2006 - 12 - 05

作者简介 : 谢春讯 (1972 - ) ,男 ,湖北长阳人 . 研究方向 : 数据库及其应用技术 ,网络及多媒体技术等 .

60

南昌工程学院学报                      2007 年

1  数据仓库及 Web 构架的特点
1. 1   数据仓库的特点

数据仓库是将原始的操作数据进行各种处理并转换成综合信息 ,提供用户用于决策支持的当前和历史 数据 ,并提供功能强大的分析和挖掘工具对这些信息进行分析 ,以帮助企业决策者做出更符合业务发展规律 的决策 . 数据仓库是支持管理决策过程的 、 面向主题的 、 集成的 、 稳定的 、 不同时间的数据集合 . 数据仓库具有 面向主题性 ,主题是企业中某一宏观分析领域所涉及的分析对象 ,是针对某一决策问题而设置的围绕主题组 织数据 ,使得查询更为简便 . 数据仓库中的数据具有集成性 ,它是对原始的 、 详细的数据进行筛选 、 、 清理 概括 和聚集处理后的结果 ,更适合决策系统的需求 . 数据仓库中的数据具有稳定性 ,不同数据源中的数据经过抽 取转换存储到数据仓库后 ,只能对这些数据进行查询 、 分析 ,不能修改 ,数据仓库中的数据具有时变性 ,各数 据源中不断变化的数据定期的追加 、 汇总进数据仓库中 . 1. 2   Web 的三层结构 基于 Web 的决策支持系统采用三层浏览器/ 服务器模式的结构图如图 1 所示 . 这种结构具有如下的特点 : ① 具有统一的用户界面 , 操作简单 , 各种动态页 面生成技术使得系统具有很强的人机交互能力 ; ② 以 浏览器作为客户端实现了客户端的零维护 . 建立在 Internet/ Intranet 上的决策支持系统成本低廉 ; ③ 瘦客户端使系统具有很强的开放性 ,支持并发访问的能力很 强; ④ 系统维护和扩展很容易 ; ⑤ 对于 TCP/ IP 协议的支持解决了并构系统间的连接问题 ; ⑥ Web 技术中的各 种安全策略可以保证企业的信息安全 . 此外各种 Web 技术的飞速发展使基于 Web 的决策支持系统拥有广阔的发展前景 . 因此 ,将 Web 技术用 于决策支持系统是可行的并且比传统决策支持系统有更大的优势 .

2  系统开发环境及系统设计
2. 1   开发环境

核心设备采用 IBM 小型机双机备份 ,操作系统采用 Linux 7. 0 ,数据库采用 Sybase 12. 5. 数据存储采用磁 盘阵列 . 备份系统采用磁带机磁带库进行备份 . 前台客户端采用 WinX 系列 ,用 Delphi 、 Rapid Sql 进行开发 . 决 策支持系统采用流行的 “三层结构” 模式 ,IBMPC 服务器作为 Web 服务器 ,操作系统采用 Win Server2000 ,配置 SUN 公司的 Java 产品 T omcat ,用 Java 技术进行开发 . 2. 2   数据仓库的设计 数据仓库是多维数据集的载体 ,多维数据集又称为数据立方体 ,即数据的逻辑结构不同于关系数据库的 二维结构 ,而是三维或多维结构 . 针对电力系统的特点和用户的需求 ,结合现行电力营销标准相关专题分析 标准 ,建立如下主题 : 客户基本信息 、 客户电量信息 、 客户电费信息 、 应收汇总收入凭证 、 售电收入分析凭证 、 分时应收汇总 . 主要进行分时电价效益分析 、 低谷电量超理论值分析 、 大客户售电量及均价分析 . 客户基本信息包含 2 个事实表和 4 个维表 ,即客户基本信息事实表 、 计费档案事实表 、 部门维表 、 容量维 表、 电价维表 、 电压等级维表 . 售电量情况主题包括 2 个事实表和 5 个维表 . 即应收电量电费事实表 、 售电收入分析事实表 、 时间维表 、 所辖部门维表 、 用电类别维表 、 电压等级维表 、 用电行业维表 . 应收电量电费事实表的指标有计费电量合计 、 变损 、 峰电量 、 平电量 、 谷电量 、 应收电费合计 、 峰电费 、 平电费 、 谷电费 、 调整电费 ( 增) 、 调整电费 ( 减) 、 代收款 ( 1 - 8) 、 代收款合计 、 资金合计 、 应抄户数 、 营业户数 ; 售电收入分析事实表的指标有本月各用电类别售电量 、 分别占当月有电量的比重 ; 上年同期各用电类别售电量 、 分别占当月有电量的比重 、 同期比增减值 、 增减百分 比 ; 售电均价 ( 电费收入包含基本电费 、 利率调整电费) 本月值 、 同期值 ,本月与同期比增减值 、 增减百分比 . 分时应收汇总情况包括 2 个事实表和 6 个维表 : 即峰谷明细事实表 、 分时应收汇总事实表 、 时间 ( 年月) 维表 、 用电类别维表 、 电压等级维表 、 用电行业维表 、 所辖部门维表 、 户数维表 . 峰谷明细事实表和分时应收汇 总事实表的指标计费电量合计 、 、 变损 峰计费电量 、 平计费电量 、 谷计费电量 、 应收电费合计 、 峰电费 、 平电费 、

第 1 期              谢春讯 : 基于数据挖掘技术的电力营销决策支持系统          

61

谷电费 、 基本电费 、 力率电费 、 部分是电费 、 增减电费 、 增减百分比 、 高峰季节电量 . 大用户用电情况包括 1 个事实表和 6 个维表 ,即大用户月报表 ,时间 ( 年月) 维表 、 客户维表 、 用电类别维 表、 电压等级维表 、 用电行业维表 、 所辖部门维表 、 户数维表 ,大用户月报的指标有户名 、 本月电量 、 本月止累 计电量 、 上年同期电量 、 上年止累计电量 、 同期增减电量 、 同期增减电量百分比 、 上年增减电量 、 上年增减电量 百分比 、 上月电量 、 上月增减电量 、 上月增减电量百分比 . 在数据仓库的数据建模中 ,星型模式是基本建模方式 . 星型模式为数据仓库和决策支持系统提供了强大 的数据检索能力 ,由于星型能够帮助优化数据仓库的性能 ,星型设计思想的应用使数据仓库能更直观的满足 最终用户的需求 . 2. 3   数据仓库的抽取转换 、 管理控制模块 (1) 数据源   建立电力营销数据仓库要确定数据源 ,所有基础数据源来于电力系统及外部环境数据 ,主要 有电力营销信息系统、 远抄系统、 95598 系统、 负荷控制系统 ,经过导入、 抽取、 过滤、 合并、 处理进入数据仓库 . ( 2) 数据抽取 、 转换模块   通过专门的数据接口对数据源进行数据的提取 、 转换 、 清洁 ,进入数据仓库中 的数据抽取 、 转换模块采用两层数据转换结构 : 详细数据层 、 综合数据层如图 2 所示 (3) 数据仓库的管理控制模块功能   从各个业务处理系统中抽取所 需的数据 ,每周一零点到一点时自动地从事务数据库抽取相关数据到指 定的详细数据层中 ,并将详细数据层中的数据经过汇总添加到综合数据 层 . 对数据仓库的用户权限管理 , 并对数据定期备份 . 系统设置查询用户 和管理员两类用户 ,赋予不同的权限 , 数据将定期的进行增量备份 , 以防 止数据丢失 . 2. 4   联机分析处理模块 联机分析处理是数据仓库进行决策分析的一个重要概念 : 目标是满 足决策支持或多维环境的特殊查询需求 ,其核心就在 “维” 这个概念上 ,因 此也可以称为多维数据分析技术 , 是对用户当前及历史数据进行分析并 辅助领导决策 ,主要通过多维数据的查询 、 旋转 、 钻取和切片等关键技术 对数据进行分析和生成报表 . 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 . 2. 5   数据挖掘模块 数据挖掘 ,也可以称为数据库中的知识发现 ,是一种决策支持过程 . 它主要基于人工智能 、 机器学习 、 统 计学等技术 ,对数据仓库中的数据进行一定的处理 ,从而获得其中隐含的 、 事先未知的而又可能极为有用的 信息 . 数据挖掘与传统的数据分析 ( 如查询 、 、 报表 联机应用分析) 的本质区别是数据挖掘是在没有明确假设 的前提下去挖掘信息 、 发现知识 . 对于数据挖掘模块的设计 ,由于数据庞大 ,本文采用 C/ S 结构 ,客户端用开 发 ,数据库服务器采用 Sybase 服务器 ,挖掘的数据源是数据仓库中详细数据层和综合数据层中的表 . 根据电 力营销业务的实际需求 ,从 “量 ( 电量) 、 ( 电价) 、 ( 电费) 、 ( 线损) ” 价 费 损 分别对关联规则 、 聚类挖掘进行了初 步的研究 ,并在系统中予以实现关联规则用于寻找数据集中项与项之间的联系 . 目前 , 诸多研究成果均在 Apriori 算法的基础上进行 ,提出数据挖掘模块的设计方法 , 从逻辑上说 , 该模块由数据挖掘算法资源池和一 个调度算法组成 ,调度算法接受用户的请求 ,从知识库中获取规则 ,解析挖掘任务 ,按解析内容 ,组织挖掘数 据来源和挑选合适的挖掘算法并执行 ,将结果返回用户和存入知识库中 . 该模块的设计基于原型法的设计思 想 ,根据应用的不断深入及要求的不断加强 ,可向算法资源池中加入相应的挖掘算法 ,而在调度算法中加入 适当的接口 . 在众多挖掘关联规则的算法中 , Apriori 算法是引起最多讨论的经典算法 ,它能够有效地进行关 联规则的挖掘 . 但是基于 Apriori 算法思想的传统算法大多存在着 “项集生成瓶颈” 的问题 ,而且非常耗时 . 在 实践中不断运用改进算法 ,可以很好地解决以上问题 ,有效地缩小挖掘的范围 . 该类中构造函数用于解析挖掘任务数据挖掘模块中分为供电量分析 、 售电量分析 、 客户识别分析 、 成本 费用分析 、 市场需求分析等各子模块 ,让企业高层主管 、 营销业务主管掌握客户尤其是重点客户的特征和服 务关系 、 销售情况收入和利润的结构 、 客户重要价值 、 运营风险和成本等信息 . 使管理人员的工作由事务型向 思维型转变 ,由事后处理型向事前预测型转化 .

62

南昌工程学院学报                      2007 年

2. 6   Web 构架应用系统的实现模式 应用系统的实现采用 SUN 公司的 J SP 技术实现 . 应用 J SP 技术实现的 Web 应用程序有两种模式 J SP Model1 和 J SP Model2. J SP Model1 即 J SP/ JavaBeans/ DataBase 结构 . 这种模式结构简单 , 适用于简单的交互式

处理 . Model2 将 J SP 与 Servlet 结合使用 ,吸取了两种技术的优点 ,适用于复杂的企业级应用系统 . 电力营销决策支持系统的实现采用 J SP 规范提供的第一种模式 . 即 J SP Model2. 这种模式符合当前流行 的模型 — 视图 — 控制器 (Model — View — Controller ,MVC) 结构 . 在 MVC 结构中 . 视图是应用程序与人之间的接 口 ,用于描述用户界而 ; 模型用于描述解决方案的事务逻辑 ,是整个结构的核心部件 ; 控制器用于实现流程控 制 ,是用户界面与模型的接口 . 基于 MVC 模式实现的 Web 应用程序体系结构如图 3 所示 . 其中 ,用 Servlet 实现控制器 ( controller) 的功能 负责接收客户机通过浏览器向 Web 服务器发出的请求 , 并根据用户 的动作确定调用相应的 J SP 页面与 Java Beans 等 . 与数据库交互的工 作及针对决策支持解决方案的事务逻辑 Java Beans 负责 ,是结构中的 模型 ( model ) 部分 . J SP 页面负责产生反馈给客户的输出页面 , 即实现 视图 ( view) 模块 . 这种 MVC 结构实现了 Web 应用系统的中间层 ,即完 成决策信息综合处理的功能 . 通过使用 Java Beans 来实现业务逻辑 , 并集成了 OLAP 技术和数据挖掘技术 . 在系统的实现过程中 ,还把对 数据源的访问封装成 Java Beans ,使得程序不再需要解释对数据库操 作的细节 . 这种 MVC 结构真正实现了程序逻辑和界面显示的分离 ,编 程模型更有效、 更合理 ,具有程序的高性能和可扩展性 ,适用于实现企 业级的决策支持系统 ,是当前基于 Web 的电力营销决策支持系统实现 的理想模式 . 在实际的决策支持系统中 ,采用了免费的 Java 产品 T omcat ,作为 Web 服务器的中间应用层 . 当然 , 在实际的应用中 ,才刚刚开始对在线数据挖掘技术进行一些探讨 ,但这将是今后发展的一个方向 .

3  应用效果及前景
在近一年的实际应用看 ,随着地市级供电公司营销数据的集中 ,供电公司营销管理的数字化 、 现代化得 到了质的提升 . 从根本上改变了传统的各种营业数据有营业所 — 县公司 — 地市公司层层归集的模式 ,可以自 上而下实时透明地为决策者提供其关心的信息 ,为电力营销的集约化 、 扁平化管理提供了坚实的技术支持 . 随着电力营销资源的不断整合 ,电力营销决策支持系统在管理中发挥越来越重要的作用 ,在不断积累的 “海 量” 营销数据中 ,数据挖掘技术的应用有着广阔的前景 .

4  结束语
本文所提出的基于数据挖掘技术的电力营销决策支持系统还处于研究和建立阶段 ,对于决策支持系统 要解决的更加复杂的半结构化和非结构化问题的智能支持还不够 . 但是这种用 MVC 模式实现电力营销决策 支持系统本身提供了进一步改进的接口 , 能够方便地进行扩展以适应复杂决策支持的需要 . 如何用这种 MVC 模式更好地实现更复杂的电力营销决策支持系统的业务逻辑和智能决策功能是本系统的重点和进一 步深入研究的目标 . 参考文献 :
[1 ] 王   . 数据仓库技术与联机分析处理 [M] . 北京 : 科学出版社 ,1998. 珊 [2 ] Han J , Kamber M. 数据挖掘 : 概念与技术 [M] . 北京 : 机械工业出版社 ,2001. [3 ] 黄   ,党齐民 ,陈宝树 . 财政数据仓库的设计开发 [J ] . 计算机工程与应用 ,2003 , (32) :190 - 193. 容 [4 ] 李林花 , 钱越英 . 数据仓库多维分析模型的设计 [J ] . 计算机工程与应用 ,2004 ,40 (11) :185 - 187. [5 ] 肖   . Java Web 服务器应用程序设计 [M] . 北京 : 电子工业出版社 ,2001. 刚


相关文章:
基于数据挖掘的电力营销决策系统的设计
龙源期刊网 http://www.qikan.com.cn 基于数据挖掘的电力营销决策系统的设计 作者:易敬 来源:《科技传播》2012 年第 19 期 摘要 电力营销决策系统是电力营销...
基于数据挖掘的决策支持系统
基于数据挖掘的决策支持系统_能源/化工_工程科技_专业...销售业绩,以及城市信息等等,这些实体都有自己的属性...基于数据挖掘技术的电力... 4页 免费 基于数据挖掘...
高新区职称论文发表-电力营销稽查电力营销论文选题题目
数据挖掘技术在电力营销系统的应用现状 15……基于熵权密切值客户信用评价的电力...基于 J2EE 电力营销决策支持系统的研究与实现 41……基于指标体系的电力营销薄弱...
阿克陶县职称论文发表网-电力营销应用系统管理应用论文选题题目
数据挖掘技术在电力营销系统的应用现状 27……基于 SWOT 分析方法的营销系统运维...基于 J2EE 电力营销决策支持系统的研究与实现 48……地区供电局电力营销辅助决策...
崇左论文网代发职称论文发表-电费集中核算电力营销作用论文选题题目
数据挖掘技术在电力营销系统的应用现状 25……基于熵权密切值客户信用评价的电力...发电公司电费结算实用系统开发 50……基于 J2EE 电力营销决策支持系统的研究与...
论述电力企业营销系统数据挖掘中的若干问题
时间序列 和序列挖掘、 聚类、 空间挖掘等数据挖掘技术电力营销系统中的应用...基于历史数据的统计、效益分析和决策支持,侧重于 为企业领导提供及时准确决策...
数据挖掘技术在电力营销系统线损计算中的应用研究
数据挖掘技术电力营销系统线损计算中的应用研究_销售/营销_经管营销_专业资料。数据挖掘技术电力营销系统线损计算中的应用研究 摘要:在电力营销系统中,决策者需要...
电力经营管理分析与辅助决策系统解决方案
本文介绍了通过数据仓库技术实现电力经营管理分析与辅助决策系统的解决方案。 0 ...动态查询及深层挖掘,从而做出更加符合市场定位、实时准确、具有前瞻 性的营销策略...
数据挖掘在移动通信决策支持系统中的应用
数据挖掘在移动通信决策支持系统中的应用_计算机软件及应用_IT/计算机_专业资料。移动通信决策支持系统应用研究魏银珍 摘要 本文首先介绍了移动通信决策支持系统 的构 ...
更多相关标签:
营销决策支持系统 | 营销决策系统 | 电力营销系统 | sg186电力营销系统 | 电力营销管理系统 | 电力营销业务应用系统 | 电力营销管理信息系统 | 电力营销技术支持系统 |