大数据背景下的电力营销信息化建设研究

廖楚京

(南方电网科学研究院有限责任公司,广东广州 510663)

0 引言

在现代化信息技术和互联网得到飞速发展的今天,企业本身的运营管理也发生了巨大的改变。电力企业内部当中,电力营销可以帮助企业在市场竞争当中取得一定的优势,对于电力企业来说可以得到持续化的有效发展,不断的推动电力营销信息化的建设过程,最终实现电力大数据信息化的营销模式构建。在此种情况下,电力企业需要紧跟时代步伐,构建出大数据的管理中心,实现信息化的运营模式。我国的电力企业营销信息化建设的过程当中,缺乏对营销数据的整体挖掘和分析,因此对于潜在的问题没有办法在第一时间内进行针对性的处理,带来了一定的阻碍制约问题。

1 电力大数据概述

在电力大数据平台当中,主要存在几方面特点:(1)规模相对较大,大数据平台当中的数据量很大,且在按照一定规律的基础上形成了一定程度的规模。(2)多样性,数据的类型多种多样,在海量的数据集群当中,需要对其对应的类型进行归类,实现结构性的整理分析。在电力企业内部的电力营销发展当中,需要实现多个方面的关键技术,此种技术可以对工作需求进行最大限度的满足,同时也可以减轻工作人员的任务量。第一,需要实现集成管理技术,工作人员在应用数据的基础上实现合并应用,呈现一定的格式和特点,最终对数据可以实现有效的整合,并且将其转化为稳定的数据集合来对系统的运行进行保障。第二,分析技术,在该技术当中,需要借助于计算机、统计学等多个学科知识,来实现数据群的数据规律探索。根据其探索出的规律来实现分析做出一定的决策。在该技术当中,可以分为几个子类,其中包含了分布式计算技术,可以对数据进行分布式处理和存储;内存计算技术,实现数据的高速读取的同时,还可以实现线上的实时计算。流处理技术,可以对控制之外的数据进行处理。

2 电力营销信息化建设现状

在对电力企业营销信息化建设的过程当中,需要基于其现状的基础上进行对策分析,在其现状方面,主要集中体现在以下几个方面:

首先,在数据的联系方面不密切,现代信息技术和电力营销的融合程度主要是借助于大数据技术的应用,来实现对营销数据的分析,以此来对客户的真实需求进行掌握和了解,根据客户的需求来进行服务内容的制定,最终来对客户的用电服务进行提升,提升电力企业的经济效益。在现阶段很多的电力企业内部,电力营销信息化的建设缺乏对数据信息的深度挖掘,在内容的建设方面容易滞后,因此其现代化的信息技术应用水平相对较低,造成了数据信息的价值未能完全发挥的现象。在此种情况下,电力营销的方案需要实现针对性科学性的建设。部分电力企业内部甚至于存在电力营销信息化建设和数据信息联系不密切的现象,对于客户的用电需求不能最大限度的满足,最终对于电力营销的活动质量造成影响[1]。其次,在地域性方面存在差异现象,电力营销信息化建设的基础工作需要实现数据的录入和信息数据库的建设,但是在各个地区当中电力营销的客户的需求存在一定的差异性,导致了电力企业对营销数据的提取不够完整,在要求高的地区当中信息较为完整,但是要求需求一般或者较低的营销数据提取方面不完善,缺乏区间数据的交流和合作,因此导致了营销信息建设的水平相对较低,电力企业出现了不平衡的现象,最终降低了整体行业的电力营销信息化建设水平的发展。最后,在描述性方面相对较弱,部分电力企业内部对于数据信息的采集工作没有高度重视,因此营销数据的采集方面缺乏完整性,对于客户的实际需求无法精确客观的描述,因此对于电力营销的实际方案无法进行精准定位,导致了后续工作流程的制约和影响。与此同时,在电力营销的信息化建设过程当中,对于营销数据所缺乏的交流合作,会造成资源的浪费,降低其工作质量,在一定程度上阻碍了电力企业自身的发展和进步,对于客户和市场的整体需求也无法进行满足[2]。

3 电力营销信息化的大数据应用

在电力营销数据管理的过程当中, 本文借助于Hadoop平台来实现对海量数据的分布式计算应用处理,在其平台内部,两个关键的组件分别为分布式的文件存储系统,即为HadoopDistributed File System,简称HDFS,数据处理组件,即为MapReduce,可以实现对数据分布式存储和处理。与此同时,还包含了多个组件来对数据进行分析和处理,比如Pig,Zookeeper,Tez,Hive,HBase等。

3.1 数据存储与集成管理

在营销数据方面可以借助于HDFS技术来实现存储和管理,对数据采取集群分布式的存储下,最大限度的满足批量数据存储的需求。在HDFS的集群当中,底层分布的大量计算机端口可以在光纤的作用下高速组合连接为集群,在集群当中,其机器主要利用主从结构来对数据进行分析。在HDFS1.0当中,主节点可以利用1台机器来进行,被称之为名称节点,其他的节点作为从节点,也就是数据节点。对于HDFS2.0来说,需要利用2台机器来进行主节点的分区管理,名称节点被当成了整个集群的管家,实现集群的元数据服务提供,可以对数据起到一个类似于目录的作用,其中的名称节点可以对存储的具体数据进行分析。对于数据存储来说,需要实现传感器、营销系统、用户信息采集系统以及应用程序、微信平台等多个方面采集到的数据进行数据的存储请求,其中主节点本身会在系统当中进行新文件的创建,根据数据节点的可靠程度实现存储响应,对于存储数据的过程,其名称阶段对于其数据可以实行分块处理,为数据块进行副本的创建,根据其特定的存储策略来对其进行分配到对应的数据节点当中,需要在数据节点进行返回确认信号和更新消息之后,才可以完成存储数据的操作。对于读取数据来说,需要遵循就近原则,客户端发出的请求需要从名称节点来对各个数据副本放置到对应的位置列表内,在这个过程当中,需要明确数据块的实际存储节点,借助于HDFS在特定应用程序接口的基础上实现客户端和数据节点的身份表示,如果其中的数据节点和客户端同属于同一个机架,则需要对数据节点当中的副本进行优先读取。在名称节点当中,元数据和操作日志的文件两种数据接口可以实现对数据的更新和一系列操作。主节点操作之后,可以对存储元数据的FsImage将底层进行加载,实现EditLog内部当中可以实现数据的整个操作合并,比如创建、以及删除等,最终可以得出最新的元数据。对于EditLog不断增大的问题可以利用第二节名称节点来对其进行解决。最终实现较高的数据操作效率。在Hadoop平台当中,需要实现数据的集群分布式存储,HDFS本身具备自身的备份机制,对于电力营销来说,可以对数据的准确性、完整性和实用性进行最大限度的保障。值得注意的是,想要打破数据屏障,就需要实现数据共享与交互,利用HBase数据库来实现对松散数据做出集成管理。其中HBase借助于思维坐标可以实现映射表的排列式的存储,借助于库函数、主服务器、区域服务器等多种主要的功能组件来实现文件存储系统的操作[3]。

3.2 电力营销数据处理和分析

对于电力营销的数据方面,包含多个类型,比如时序数据、时空数据、流数据等。时序数据当中,可以记录用户的基础信息,比如用户的地址电话以及电力用电量等,时空数据,可以为电力企业的电网来提供出优质的架构和资源的分配状态。对于流数据来说,具备快速持续的特点,对电力营销的数据分析之前,首先,对数据做出预处理,在这个部分当中,可以利用Z-score标准来进行数据的优化,对数据进行分布确定,对于数据的标准差和均值进行规划范的处理,对电力营销大数据做出处理和计算的过程当中,针对于不同的数据处理需要采用数据模式来进行处理,根据数据类型和用途实现共同的协作。其次,在MapReduce的功能当中,可以实现营销数据的处理,其中涉及到了底层文件的存储系统,对于任务执行的过程当中,可以利用Task Tracker的心跳方式对自身的资源使用状况和任务运行进度来进行发送。最后,在对电力营销数据挖掘和价值提升的过程当中,需要利用关联规则、聚类分析、统计分析、贝叶斯网络、神经网络、回归分析等方式来发现数据当中隐藏的信息,以此来完成用电负荷、客户需求、电路线损的预测等工作,对于数据价值的提升也可以得到最大限度的提升[4]。

除此之外,还需要对电力营销数据管理的过程当中,借助于相关手段来对数据当中所包含的信息进行发掘,比如关联规则、聚类分析、统计分析、贝叶斯网络、神经网络、回归分析等手段,以此来帮助实现用电负荷、客户需求以及电路线损的预测等工作,实现数据价值的有效提升。在用电负荷的预测工作当中,电能本身具备大量的储存特点,电力企业本身的发电、供电、配电过程当中需要实现对用户用电负荷的预测,以此来实现工序平衡的状态。避免了由于电量过多造成的大量电能浪费的现象,从而对不必要的生产和运营成本进行增加和浪费;相反如果电量过少,则不能满足日常用户基本的用电需求,对于设备的正常运行状态也就无法操作。由此,用户耗电量在各种因素下,需要根据数据基础来实现深入的挖掘和分析,以此来发现各因素和电能供应之间所存在的关联关系,最大限度的提升电力企业本身的供电协调能力,最终实现企业供电协调能力的有效提升。在各个季节和工作日以及时间段的过程当中,用户本身的耗电量也不尽相同,在关联关系的发掘过程当中,可以利用FP-growth的方式来进行发掘用电负荷和时间之间存在的关联关系。在分析的过程当中,核心算法为FP-tree,借助于构建出的框架来进行频繁的挖掘。搭建的过程当中,需要最大限度的实现对数据库的扫描,以此来得出数据,根据数据特点来实现节点的创建,对数据集进行扫描的过程当中,可以根据其搭建的框架来进行标记。对于电力营销的可视化操作来说,数据本身在经过集成分析之后,可以进入到数据仓库当中,其数据的类型和实际应用需求基础上可以得出数据可视化的主题,从而构建出已经有的模型。在对数据模型生成的过程当中,可以从已经有的模型库当中进行要素的绘制获取,根据应用需求来进行重组[5]。在此种方式下,可以在全球的广域网前端部分进行财务可视化的图像绘制。在电力营销领域当中,可以借助于文本、数据、图、多维数据以及时空数据等技术,将采集到的数据进行直观的方式呈现。也就是对数据分析的结果进行图形化的展示,从而对数据实现跟踪观察监控。

4 结语

综上所述,现代化信息技术的发展促进了互联网和电网的联合建设发展,在大数据技术的运营下,对于电力营销大数据平台的建设实现营销模式的有效转变,创新其营销管理的方式。现阶段当中,数据驱动营销管理模式下的电力营销还未完全实现,但是随着电力营销信息化水平的不断提升,大数据可以实现电力营销管理新活力的注入和增加,最终为电力企业的营销工作效率得到促进和提升,实现营销服务水平的支撑建设。