（国网河南省电力公司淇县供电公司 河南鹤壁 456750）
摘要：随着市场经济的发展，我国的电力企业逐渐由生产型企业转为经营型企业，市场营销和客户服务成为电网企业当前工作的重要方面，市场营销的概念随之进入了电力行业。用户行为分析是市场营销中的重要工作，因而，用电客户行为分析也自然而然地成为了电网企业数据分析部门的重要工作。本文从软件设计的思想角度入手，在对系统用例进行分析的基础上，分别对系统的架构、功能模块等进行详细设计，从而为当前电力营销的信息化提供借鉴。
关键词：数据挖掘技术；电力营销；分析系统
引言
目前，SG-ERP基本建成，使得电网信息化得以全面优化提升，注重信息技术集成融合，为智能电网发展，提供了坚实的技术支撑。在电力营销方面，信息化与规范化水平也不断提升，得益于电力营销信息系统的建设与应用。
1 电力营销
通常情况下营销系统分为三大要素即生产系统、品牌系统和销售服务系统。生产系统是企业提供企业客户购买、选择、交换的企业产品或企业服务。对于电力公司而言，电力营销生产系统则是为用电客户提供电能输送，让客户有点可用。品牌系统则是企业树立良好的企业形象，建立企业品牌识别系统使客户对企业生产的商品产生购买欲望，对于电力企业来讲就是以明显的标志和容易记忆的企业电话来提升社会群众对电力企业的认知度。销售服务系统则是，企业为赚取或挽留客户提供客户满意的销售模式或售后服务，对于电力企业来说，就是给客户提供稳定的电能输送，在电路故障时提供迅速有效的检修服务。
2 大数据与电力影响管理
（1）理论分析。大数据技术是现代化科学技术的产物，大数据技术也被称为是现代化社会的数码石油，可见大数据技术的出现对于现代化社会发展的重要性。面对大数据发展背景，电力企业也要创新发展观念，提升大数据信息的专业化处理水平，促进整个电力企业电力营销管理工作的有效开展。如果在社会发展过程中把大数据看成为是一种社会产业形势的话，那么在大数据背景下的电力产业想要提升企业发展质量，就要提升企业自身的大数据综合处理专业水平，把大数据的单一数字价值充分发挥出来。（2）大数据背景下的电力营销发展方向。大数据技术的出现给我国各个社会行业都提供了新的发展机遇，也提供了新的发展挑战。电力企业想要提升营销管理水平，需要首先强化企业的内部管控能力，创新发展观念，提升企业的业务服务能力，充分的利用好大数据技术。在大数据应用过程中，随着大数据信息的深度挖掘，电力企业的发展也逐渐开始智能化，除了智能化的管理之外，也需要进行智能化的操作和运行。
3 系统设计
3.1 系统体系结构设计
系统设计结构框架主要运用Struts（开源框架）+Spring（设计层面框架）+Hibernate（对象关系映射框架）所组成的轻量级组合框架。其中采用开源框架提供的实现组件运用于表示层，再通过java服务器页面形式呈现于用户浏览器上展示，以此实现用户请求及输入信息的接收工作，业务逻辑层将会接收到该用户信息并进行处理，再将处理完毕信息利用表示层传回用户。业务逻辑层在系统起到关键作用，负责主要核心功能的实现，如：数据采集、数据预处理、数据挖掘、结果分析等。系统的扩展维护具体采取设计层面框架用于解耦表示层与持久层。对象关系映射框架以实现持久层对数据库访问实现封装，设计模式为数据访问对象。以此完成具体业务逻辑实现时通过Java的面向对象思想进行数据库的访问，进一步简化编码工作减轻代码编写工作量。
期刊文章分类查询,尽在期刊图书馆
3.2 合同能源管理与节能环保服务
我国在世界上属于能源消耗大国，随着社会的不断发展，我国能源消耗量也不断的增大，我国的能源呈现出紧缺的发展趋势，因此在电力企业发展过程中，需要加强节能环保工作的研究。目前我国的节能环保工作发展主要是以政府部门为主要管理部门，在大数据技术应用过程中，电力企业的营销管理发展也需要加强能源管理系统的应用，提升企业的环保节能发展水平。合同能源管理系统是一种比较完整的节能销售方案，能够通过应用大数据技术来分析和展示出我国的能源消耗量、能源消耗项目以及能源消耗费用，同时根据未来的节能受益合理的匹配前期投资，在用电客户跟电力企业之间能够利用合同形成一种能源服务，促进社会节能环保事业的发展，确保社会经济的可持续发展，同时也能够促进电力企业节能环保服务水平的上升。大户数据信息时代的电力企业，签订管理合同需要结合合同能源管理机制，针对合同当中包含的优点和缺点进行详细的分析和研究，综合在发展过程中企业可能会遇到的管理风险和技术风险等，寻找合适的发展方案，达到多元化供应的发展目标。
3.3 数据挖掘模块
在系统的形成中，数据挖掘模块可以说是最为重要的部分。其主要作用于对用户进行细分、评估用户的信用度以及预测出可能欠费高风险客户。主要负责于对已处理过的数据集进行二次分析与挖掘，其也是业务逻辑目标所体现的关键。数据挖掘模块使用全部功能的权利也仅限于管理层与数据分析层。系统在用户细分上依靠聚类分析技术得以实现，在聚类算法方面又将采取 K-means 算法以及层次分析法进行计算。聚类在客户信用度评估度功能方面也起到有效作用，可实现对不同信用度用户进行评估及标记。在此过程中也将采用 K-means算法以及层次分析法进行用户细分，并在此基础上采用分类计数的各项算法对系统新增用户的信用等级进行判断，如 ID3 决策树法、朴素贝叶斯分类法等，根据实际情况中不同的业务指标，结合系统数据库中现有数据，对高风险客户群进行分类及预测，以此为相关业务人员的营销工作提供参考。
3.4 数据库构建
（1）开发数据库。搜集数据库数据信息，集成各用电数据库信息，包括电力系统信息与电力基层信息等，采取数据采集技术或者人工录入等方式，借助Web技术，进行数据转化与提取，经过处理后，将其存储到数据库内。数据库设计，要经过物理模式、逻辑模式、概念模式阶段，实现设计功能。（2）构建决策支持系统。其架构组成包括决策层、工具层、数据管理层。在建立的过程中，需要利用到数据挖掘技术与数据库。在运行过程中，通过逻辑判断，依据决策数据，实现辅助决策。此系统为知识库与模型库，对电力营销信息化系统进行统一管理。（3）数据补充。在EMDSS开发流程中，以数据库为平台，利用DSS分析技术与LAP技术等，实现数据库数据补充。
3.5 基于 K-means 算法的模型设计
数据挖掘是一种被广泛应用于计算机软件、统计学、人工智能理论等多项新型研究领域的先进技术，自身具备丰富的理论知识，值得社会各界的深入研究。由此看出，对数据挖掘技术的研究关系着我国各智能领域的发展，具有极其重要的现实意识。就目前形式而言，数据挖掘模型就是数据挖掘技术最为直观的研究成果。根据K-means算法的各项原理及特征，对客户细分模型框架进行设计。
结束语
总而言之，在电力企业发展过程中应用大数据技术，能够帮助创新电网的营销管理观念，为电力企业本身和用电客户带来新的发展机遇。在新的社会发展背景中，电力企业自身也要加强营销管理手段的学习，学习成功的营销管理经验，应用大数据信息作为技术保障，提升现代化社会电力资源的综合利用效率，促进社会电力事业的可持续发展。
参考文献
[1]许敏.数据挖掘技术在电力营销系统中的应用及发展[J].科技与企业，2015（10）：60.
[2]雷波.数据挖掘技术在电力营销系统中的应用研究[J].广东科技，2014（2312）：41~42.
论文作者:张莉莉
论文发表刊物:《电力设备》2018年第7期
论文发表时间:2018/6/25
标签：数据论文; 电力论文; 系统论文; 技术论文; 电力企业论文; 数据挖掘论文; 企业论文; 《电力设备》2018年第7期论文;