摘要：在新形势条件下，电力用户的选择变多，因此会根据自身需求，选择最能够满足需求的电力营销企业进行业务办理，所以企业是否具有满足用户需求的服务水平，将影响到自身经济收益。受这一条件影响，现代各电力营销企业之间产生竞争关系，相互都希望提升服务水平来获得更多的用户青睐，针对这一点，现代学者提出了大数据平台建设概念，即该平台可以突破传统人工模式的局限框架，可以自主对传入信息进行识别，且识别准确率较高，可形成智能服务方案，区别于当前大数据系统的自动导入功能。本文因为大数据技术出现时间较短，在电力营销当中不够深入，所以将在电力营销角度上，对大数据平台建设进行分析。
关键词：新形势；电力营销；大数据平台
0.引言
现代电力市场在国家政策影响下开始改革，电力营销企业的地位从“供应者”转变为“服务者”，这即为电力营销企业面临的新形势。而作为“服务者”电力营销企业的服务水平就与自身竞争力画上了等号，即当电力营销企业服务水平低于其他企业，则市场用户更倾向于其他企业，说明自身竞争力较弱，因此为了提高自身竞争力，电力营销企业需要提升服务水平，大数据平台就是实现这一目的的重要方法。
1.大数据基本原理
大数据技术主要由神经元结构、数据库、知识库组成，其中神经元结构是在大数据系统内产生的数据后，根据数据信息特征的区别，形成若干个神经元节点，再对各节点的逻辑联系进行分析，并将其相互连接，由此就形成了神经元结构；数据库是大数据系统的中枢，其与所有功能、组成部分都有连接，由此提供数据支撑。[1]例如神经元结构中的神经元节点，就是通过对数据库内数据进行调度而形成的；知识库是实现大数据系统识别功能、智能决策功能的重要组成部分，即当系统接受到任何与知识库内某条数据存在相同信息特征的信息时，大数据技术可以进行识别，同时根据识别结果分析该数据发展路径，由此得出实际需求，最终依照需求提供服务。综上可见，大数据技术与人类思维类似，因此可以代替人工作业，且该项技术具有强大的通用性，可以应用于电力营销领域。
2.大数据电力营销平台设计
2.1总体框架设计
因电力营销需要与用户接触，所以本文大数据电力营销平台需要具备与用户沟通的能力，针对这一点本文在原有大数据平台结构上，增加了网络层，最终结构依次为：网络层、数据层、功能层、知识库层、神经元结构，总体框架结构布置见图1。
图1总体框架结构布置
根据图1可见，在本文设计框架当中，从网络层开始可以接收到用户输入的信息，随后信息会进入数据层被保存，同时生产神经元节点，形成神经元结构，当神经元结构对数据库内某个信息分析完毕之后，结果会进入功能层，并备份进入知识库层，最终根据信息特征以及神经元结构提供的服务逻辑，决策服务方案反馈至网络层，实现智能化服务。
2.2功能设计
在功能设计方面，考虑到电力营销业务需求，在大数据基本功能框架基础上，增加了与业务体系完全吻合的功能按钮，各功能按钮规划在网络层当中，可以被用户直接点击；考虑到信息传输的安全性，在网络通信渠道中采用封装加密技术对所有信息进行加密，任何对传输信息的操作都必须先进行解密才能实现；考虑到网络层海量数据产生特点，在数据层采用云数据库进行设计，该数据库理论储存容量为“无限”，满足海量数据储存需求。
2.3通信设计
为了实现大数据电力营销平台与网络层、网络层与用户端的连接，需要进行通信设计工作。在本文设计思路当中，针对大数据电力营销平台与网络层连接，将采用开放式TCP通信协议实现数据交互传输，该通信协议具有传输容量大、稳定性好的特点，所以满足海量数据同时传输的需求，且该通信协议数据与Web有良好契合度，不容易出现数据卡顿等问题；针对网络层与用户端的连接，本文主要采用Http通信协议实现数据交互传输，Http通信协议中的Https通道具有极高的安全性，本身就具有抵抗外部攻击的能力，因此可以保护网络层与用户端数据交互安全，且该协议与TCP在传输特点上基本相同，所以可以应用本文设计当中。
3.平台应用分析
以电力营销为例，对本文设计方案的应用流程进行分析，具体可分为四个步骤，即数据导入、数据识别、逻辑分析、服务反馈，各步骤内容见下文。
（1）数据导入
电力营销用户在登录帐号之后，大数据系统会根据数据层内保存的信息，对帐号进行识别，并给出与账户对应的数据，在这一条件下用户可以查看当前帐号状态，随后如果用户产生了业务需求，则在网络层当中找到对应功能按钮，点击后即可进入业务申请界面，界面中需要用户填写业务详情，填写内容即为本次业务的数据表现，完成后数据会被导入数据库，并接收数据预处理功能处理，最终完成分类保存。
（2）数据识别
针对数据导入应用，大数据系统可以接收用户业务数据，由此生成神经元节点，随后在知识库当中找到与当前神经元节点匹配度较高的信息，在这一条件下大数据系统就得出了信息识别结果，根据识别结果进入逻辑分析阶段。[2]此外，如果大数据系统没有从知识库内找到与用户业务数据存在高匹配度的数据信息时，将会根据低匹配度的神经元节点，直接进入服务反馈阶段，询问用户“您是否需要的某某服务”，如果均不是用户可以选择“否”，则跳转回初始功能界面；如果是则直接点击功能按钮继续业务办理流程即可，同时大数据知识库会记录本次未识别信息，通过之后逻辑分析确认信息是否为有效信息，如果是则保存到知识库，下一次即可进行识别，这是其深度学习功能的表现。
（3）逻辑分析
在逻辑分析阶段，主要针对每个被识别成功的神经元节点进行分析，得到该节点发展路线、与其他节点的逻辑关系，由此生产神经元结构，且根据神经元结构“末梢”可以得出服务方案。具体来说，每个神经元节点本身就可能存在多种发展路线，且在于其他节点的逻辑关系下，发展路线会变得更多，因此通过逻辑分析会得到多种服务方案，而各种服务方案会依照用户的进一步操作进行排列，即根据用户进一步操作产生的数据信息，进行匹配度分析，依照匹配度高低进行服务方案排列，由此供用户进行选择，也不会造成方案混乱的现象。
（4）服务反馈
在逻辑分析完成后，大数据系统将会得到与用户需求匹配度较高的各类服务方案，随后将各类方案依序通过Https通道发送到Web网络层，用户可以直接进行选择。此外，如果用户业务申请未能通过，则会生成业务办理失败的请求驳回信息，通知用户先完成资质认证。
4.结语
大数据技术的应用对于现代各行各业都十分重要，因为这是社会的发展趋势，因此电力营销工作不能脱离实际，应当积极求变，实现大数据电力营销平台应用。本文为了实现这一目标，对大数据技术的基本原理进行了阐述，为后续设计工作提供基础；进行了大数据电力营销平台设计，并对平台应用流程进行了分析，同时对平台进行了测试，根据测试结果说明平台可应用于实际工作中。
参考文献：
[1]基于大数据平台的电力营销信息化建设分析[J].刘瑾.科技风.2018（27）
[2]基于大数据平台的电力营销信息化建设[J].刘芯宇.电子技术与软件工程.2018（10）
[3]电力营销大数据平台建设研究[J].李育滨.现代信息科技.2018（06）
论文作者:孙悦
论文发表刊物:《电力设备》2019年第15期
论文发表时间:2019/11/25
标签：数据论文; 神经元论文; 电力论文; 用户论文; 节点论文; 信息论文; 平台论文; 《电力设备》2019年第15期论文;