浅析电力营销大数据平台建设及数据挖掘

江珂

摘   要：在当前的大数据时代发展背景下，电力企业的主要竞争力就是电力营销，过去的电力营销大数据的挖掘和分析有很多缺陷，对此就需要引进电力营销大数据平台，强化电力营销大数据平台建设，实行营销系统大量数据开展的数据挖掘与预测分析等，这样可以将营销业务服务水平与服务效率提升，还可以保证电力企业营销服务更好的发展。本文通过对大数据简单的概述，分析了电力营销大数据平台建设方法，探讨了电力营销数据挖掘技术的有效运用，以期为广大研究相同问题的人士提供有价值的参考。

关键词：电力营销  大数据平台建设  数据挖掘技术

中图分类号：TP311                                 文献标识码：A                        文章编号：1674-098X（2019）08（a）-0137-02

大数据时代的到来，给中国电力企业发展提供了鲜活的生命力。伴随电力市场的持续变化和发展，使得电网企业提出了建立营销配电和别的部门业务的一体化协同运行机制，达到信息共享、协调互动的目的。以及将营销业务管理全程自动化实现，达到营销业务和别的业务信息共享，将营销信息化系统耦合等构建目标实现，构建营销体系，而构建目标则需统一规范信息共享，同时还需要电力营销大数据平台的服务。并且，按照电力营销发展要求，达到营销集中监管的目的，需要将电力营销大数据平台为基础，对电力营销数据进一步挖掘。因而，以下对大数据时代中电力营销大数据平台建设和数据挖掘展开了分析论述。

1  大数据简述

大数据就是经过准时采集和分析，从中挑选出利用价值较高的非结构化数据。大数据具备多样化、实时性以及数量大的特点，因而在处理大数据的过程中需要尽可能将时间减短。概括来讲，大数据有三个特征，可总结归纳为“3V”，即量（Volume）、类（Variety）、时（Velocity）。量，数据容量大，现在数据单位已经跃升至ZB级别。类，数据种类多，主要来自业务系统，例如社交网络、电子商务和物联网应用。时，处理速度快，时效性要求高。伴随眼下信息技术的不断发展，电力公司在信息建设层面投入的力度持续提高，建立起了集团公司一体化信息平台。除此以外，电力公司在电力营销层面构建了用电用户信息档案，经过电子表格以及视频语音等对大数据进行统一化的管理。为紧跟时代发展，电力公司需要在第一时间收集信息数据，使用大数据提高企业工作水平，加深精细化程度。伴随着时代的进一步改革与发展，国内电力营销数据表现出很多特点，这就表明电力公司的电力营销已经慢慢进入了大数据时代。

2  电力营销大数据平台建设探索

2.1 操作系统

在建立操作系统的过程中，应当从以下几个方面来思考：（1）基础设施层，涵盖了服务器与储存等各种硬件资源和操作系统，数据库与别的支持软件等资源数据源层划分成数据储存与访问，数据访问是以数据复制软件Golden Gate与ODI达到数据转换工具的数据储存采用关系数据库Oracle储存缓存数据，企业与系统支持数据。（2）接口交换数据逻辑层。平台管理软件业务逻辑的实现涵盖了标准编码与数据转换管理、数据质量与模型管理、平台资源监控与交换区域管理等8个组件以及应用结构。（3）集成服务层。给别的管理系统提供数据服务，涵盖数据访问Web服务实现与经过JMS实现的消息传输。（4）表示层，根据业务逻辑层组件所提供的功能，所有良好的匹配用户体验的接口均是以Java技术、Swing技术、AJAX技术等方式实现的。

2.2 服务器

电力营销大数据平台的整体结构和电力系统里面丰富的电力数据源流有机融合，涵盖电力与信息流量、业务与故障流量以及气象流量，接着根据具体的工业运用之中推算出来，当作传输与转换。负载控制与管理信息系统、监督控制系统、数据收集系統、还有能量检测系统均会在电力设备和在线监测系统等之中分布、采用以及调节。服务器的稳定性牵扯到了系统的稳定性与可行性。所以，创建一个非常健全的功能以及稳定的服务器是至关重要的。

2.3 储存和数据处理

电力营销大数据平台建设需要全面思考储存技术，将PB与ZB储存空间当成支撑，不然系统易于出现崩溃。所以，在开展储存应用的过程中，需要从储存模块着手，为减少这一模块硬件成本，提升硬件可扩展性，把大数据储存和处理模块建立在通用服务器、操作系统上构建储存单元，标准的服务器即可编程基于这一结构的终端组成单元。另外，储存还可以在大数据调度上当作企业级商业智能运用系统，用于统计或查找等。其次，数据复制转型是数据营销平台的核心功能。经过该功能，电力营销数据平台及时从多个营销业务系统采集业务数据信息，且实施标准转换数据，给营销业务监控系统提供数据知识和业务数据查找。

3  电力营销数据挖掘技术的运用

在大数据时代背景下，数据信息量逐步增加，为了推动电力企业电力营销健康稳定地发展，电力企业应基于电力营销大数据平台建设，采用有效的方式和手段合理运用数据挖掘技术。

3.1 分类的运用

分类方式能够帮助处理数据变化的中长期预测性问题，过去的序列预测方式和现下的模糊理论与专家系统均被用在数据中长期预测之中。能够采用分类树构成子数据库的方式，大大减小数据库规模，进而将数据预测的广度和精度提升。除此以外，模式分类方式同样是提升电力负荷预测精度的主要方式，一些学者通过分类树构成子数据库的方式减小了SCADA数据库规模，将系统运行速度提升了。

3.2 关联规则的运用

现阶段数据挖掘技术电力营销的运用探究核心就是关联规则，能够对目前数据和历史数据加以全面分析，进而获得数据发展的特点与基本规律，给将来的决策拟定提供重要依据和参考。关联规则能够当成指导电力市场营销对策与管理的技术工具，给电力营销提供销售、需求与收益等预测，进而给电力市场营销提供很多辅助性的决策信息。

3.3 聚类的运用

聚类关键运用在电力营销系统用户分类和异常数据发现修改、信用评价与负荷分析、故障诊断等各个方面。采取聚类分析方式和模糊聚类方式分析，得到电力用户特点群且展开量化分析，把电力用户分成各种属性的多个组别，进而拟定出不同的营销方案和对策。在现实使用过程中需要挑选适应性决策树对差异化的负荷展开聚类。

3.4 时间序列挖掘的运用

时间序列挖掘方式在短时间负荷预测之中获得了非常广泛的运用，神经网络是使用频率较大，研究非常成熟的短时间负荷预测方式。大多电力营销系统在挑选数据挖掘技术的过程中，会把时间序列挖掘方式和神经网络相融，经过差异化的方式分析电力营销系统数据，进而获取到非常准确的预测结果。在序列挖掘算法之中添加时间窗，把时间窗使用在电力运行警报系统中，就能够减小故障对系统带来的影响，有利于故障的定位和诊断。

4  结语

总的说来，大数据时代已经出现了，因而必须要优化电力大数据，给数据挖掘出来的有价值的信息提供技术方面的支持，为客户提供优质服务，科学使用大数据平台积极执行营销服务创新与精益化管理，持续提升企业市场竞争能力，给企业良好发展提供动力。

参考文献

[1] 王慧慧，李陈程.大数据平台下的电力营销信息化建设研究[J].通讯世界，2019，26（4）：198-199.

[2] 宋筱爽，王惠.基于大数据平台的电力营销信息化建设研究[J].居舍，2018（30）：184.

[3] 李育滨.电力营销大数据平台建设研究[J].现代信息科技，2018，2（6）：4-6.

[4] 王志坚.基于大数据平台的电力营销信息化建设分析[J].内蒙古电力技术，2016，34（4）：17-22.