摘要：数据挖掘技术主要是指利用一定的规律或者手段对存在于大量数据中的某些数据进行提取进而分析的一种方式。该方式能够有效地帮助企业对自身的经营状况进行分析，同时根据历史数据对企业的即将发生的业务进行预测，能够帮助企业制定有效的营销策略，实现企业的长足发展。电力营销系统的数据具有量大、提取困难的特点，数据挖掘技术的应用能够帮助电力营销系统有效地进行数据分析。本文针对电力营销系统中的数据挖掘技术进行了分析。
关键词：电力营销系统；数据挖掘技术；应用
电力营销系统是保证电力系统运行安全稳定性的重要组成部分。然而，其在实际运行使用过程中，却受到数据信息种类混杂、数据内容繁多以及数据要求高等问题影响。为提高电力营销系统的作用效率，相关建设人员应采用数据挖掘技术对系统内部数据信息进行科学合理分类与关联。这是满足现代化经济建设对电力系统运行安全性、耐久性需求的关键，相关人员应将其作为重点课题，以促进电力营销系统的科学合理发展建设进程。
1电力营销系统数据特点
电力营销系统数据特点主要集中在四个方面，即数据质量差、数据种类混杂、数据内容繁多以及数据要求高。其中电力营销系统数据质量差主要体现在采集的数据存在缺失、噪声以及不正确等问题；数据种类混杂，则是因为电力营销系统本身就是一个标准的混杂系统，即其上层调度中心给出的决策大多为逻辑性操作指令，下层控制中心给出的决策大多为连续性数据。数据内容繁多则是由于电力营销系统内部的数据信息是由各种装置和调度中心多种系统来进行现场数据采集，其数据来源多，就意味着系统内部需要管理的数据信息非常庞大。
2应用数据挖掘技术的必要性
如今，数据挖掘技术已经在诸多领域得到广泛地应用，如电信行业、金融机构、零售行业、保险行业等等，并且在这些领域的应用中得到了长远的发展。电力企业作为国家支柱型企业，具有技术密集、资产密集特点，其独特的生产与经营方式决定了其信息化发展重要性。信息技术已渗透到各个生产管理领域和各项业务环节，成为电力工业发、输、配、变、用等电力生产运营的基础保障。信息数据成为电力企业生产、管理、运行、决策、服务等各项工作的重要依据，成为电力规划、设计、建设、运营等各业务高效运行的重要纽带，信息资源将成为电力企业除人、财、物之外的第四大资源。如何有效的整合、利用这些信息资源，数据挖掘技术发挥着巨大的能效。
3数据挖掘技术在电力营销系统中的应用价值
数据挖掘技术是从数据库知识发现（KDD：Knowledge Discoveryin Database）中衍生出来的技术内容，其能够与人工智能技术充分结合起来，以作用于电力营销系统数据的应用管理。具体来说，该技术集成了模式识别、统计学、人工智能、机械学习以及计算机网络技术等内容，将电力营销系统数据从低层次简单查询功能提升到数据挖掘知识。这种情况，使得电力营销系统管理人员根据数据挖掘技术提供的信息数据，提高决策确定的有效性。相关研究表明，数据挖掘技术实现的电力营销系统数据挖掘功能主要体现在六个方面，即关联规则、分类、实践序列挖掘和序列挖掘、聚类挖掘、空间挖掘以及Web挖掘。其中关联规则是数据挖掘技术应用过程中最为活跃的技术内容，其能够将数据库中庞大的数据信息，通过关联知识制定出相应的关联规则，以筛选出电力营销系统用户真正感兴趣的数据信息。
4电力营销系统中数据挖掘技术应用方法
4.1关联规则分析法
数据挖掘技术中的关联规则能够为电力营销系统决策者提供历史数据和当前系统数据的存在规律和特征。
期刊文章分类查询,尽在期刊图书馆具体来说，系统数据分析管理人员可利用FP-Growth算法，将电力营销数据进行离散化处理，从而描述出各种影响电力营销效果的售电量水平与外部因素之间的关系。这样一来，电力营销系统管理人员就能对市场投资方向与需求进行准确预测，以满足电力系统对其优化应用的需求。此外，系统管理人员还可采用模糊关联规则挖掘技术，以预测出电力负荷，从而为电力负荷的非定性、定量分析提供一种易于理解的分析方法。此过程，还要结合电力行业数据产生与存储的特殊性，来找出相关因素对电力负荷造成的影响。
4.2分类分析法
数据挖掘技术的分类功能主要作用于电力营销系统的长期预测。具体来说，相关建设人员可采用基于分类的神经网络方法，来获取数据库数据信息分布的精度预测。此外，在应用分类树形成的子数据库进行数据挖掘分析过程中，可估算出SCADA系统内部存在的不良数据状态，经采用降低SCADA系统数据库建设规模，来提高计算的速度。
4.3时间序列挖掘分析法
相关研究表明，时间序列挖掘主要作用于短期负荷预测，即结合神经网络分析电力营销系统中的繁杂的数据信息内容。具体来说，由于小波神经元网络比BP神经网络的收敛速度更快，为此，挖掘技术应用人员应将其作用于改进隶属度聚类方法，从而提高负荷大波动日的预测精度。此外，研究人员还可采用一种基于时间窗的序列挖掘算法，并使其应用于晶包信息的智能处理过程，这是提高电力系统运行故障与诊断定位分析准确性的有效方法。
4.4聚类分析法
聚类主要作用于电力营销系统数据库的用户分类与信用评价，技术人员应结合供电企业客户的属性，采用聚类分析法来将不同属性的客户分为若干组别。这样一来，电力营销系统决策人员就能根据聚类分析法的研究结果，找出各个组别之间的差异，从而采取具有针对性的营销策略。在电力客户信用评价方面，聚类分析人员可根据信用分类的特征以及模糊聚类分析法，找出不同客户群的聚类中心以及客户的隶属度矩阵，从而为系统分析客户群的存在特征提供量化的依据。
4.5空间挖掘分析法
电力营销系统的决策要具有时效性、正确性特点，这是提高电力企业核心竞争力的关键，相关研究人员应采用空间挖掘分析法，将电网运行产生的数据以及负荷位置分类数据合为一体，从而实现设备跟踪管理、故障定位准确以及损失评价等系统建设功能。此外，数据挖掘技术分析人员还要利用空间挖掘中的几何知识，以实现各类客户的查表收费、负荷管理以及星爷扩报装。这样一来，电力系统建设人员就能根据此分析结果实现对电网负荷调峰、填谷以及错缝等功能处理目标。
结语
总而言之，数据挖掘技术具有为电力营销系统提供空间挖掘、聚类、时间序列、分类以及关联规则等方面的服务功能。为提高电力营销系统决策者的正确性以及时效性，研究人员应将数据挖掘技术中的神经网络分析技术、FP-Growth算法以及分类树，作用于电力系统管理实践，从而降低外界环境对电力系统多元化发展的影响。事实证明，电力营销系统采用数据挖掘技术后，成功为系统分析客户群的存在特征提供量化的依据。为此，电力营销系统决策人员应将重视起来，以满足现代化建设对其运行安全稳定性的要求。
参考文献
[1]郝晓弘，朱洁，王维洲，胡振邦.数据挖掘技术在电力营销系统的应用现状[J].工矿自动化，2011（01）.
[2]卢建昌，樊围国.大数据时代下数据挖掘技术在电力企业中的应用[J].广东电力，2014（09）.
作者简介
张璐(1987.11.21)，男，宁夏吴忠市，华北电力大学学士学位。
马伟(1987.10.07），男，宁夏吴忠市，合肥工业大学学士，助理工程师。
论文作者:张璐,马伟
论文发表刊物:《电力设备》2017年第6期
论文发表时间:2017/6/14
标签：电力论文; 数据论文; 系统论文; 数据挖掘论文; 技术论文; 分析法论文; 负荷论文; 《电力设备》2017年第6期论文;