优化电力营商环境的关键技术研究

黄鑫磊, 李盼盼, 王鹤森

(国网新疆电力有限公司营销服务中心(资金集约中心、 计量中心), 新疆, 乌鲁木齐 830000)

0 引言

新时代电力行业在生产生活中发挥着日益重要的作用,面对电力营销的海量数据,电力营销信息化建设不断被研究,但还存在着建设缺乏合理规划、信息化的效率不高等问题。

为了解决电力营销信息化管理中存在的问题,文献[1]提出了一种基于GIS数据信息的电力营销信息化系统,该系统以GIS数据信息系统为核心,构建了电力营销系统的移动平台,实现了电力营销数据的信息化管理,但该系统在电力营销数据存储中存在系统卡顿现象。文献[2]提出了一种基于Internet的电力营销信息化系统,该系统采用VPN技术进行搭建桥梁,实现了对偏远地区电力营销的业务办理,但该系统在整体信息管理上存在效率低的问题。

基于上述文献中存在的问题,本文研究了电力营商环境的关键技术。硬件部分以IBM主机为核心,建立了电力营销信息化系统,IBM主机接收远程工作站与营销系统工作站的数据,并作出相应的处理,实现电力营销数据的信息化;软件部分利用三层架构的方式,实现电力用户的界面交互,以及电力营销数据的信息管理。最后利用聚类分析法实现对电力营销数据潜在信息的挖掘[3]。

1 电力营销信息化系统的设计

电力营销系统有着海量的数据,若不对数据进行挖掘管理,将会造成电力企业混乱的现象,本文对电力营销信息化进行研究,设计了电力营销信息化系统,该系统主要包括营销核心业务系统、营销大数据平台、数据存储域和营销基础数据平台4个模块[4]。电力营销信息化系统总体架构图如图1所示。

图1 电力营销信息化系统总体架构图

在系统架构中,通过营销业务核心系统将电力营销数据整合、选取和转化成业务系统存储或结构化非结构化存储的形式,将数据保存至数据存储域,再对数据进行处理和实时计算,完成对业务模型驱动域和大数据应用域的建设,进而实现营销大数据平台的数据管理[5]。电力营销使用了数据信息化手段,实现了多元信息融合,将营销业务、用电信息采集、计量生产、GIS地图等数据融合在一起,进而实现各电力营销数据的统一化。

1.1 硬件设计

电力营销信息化系统的硬件部分包括IBM主机、SNA服务器、营销系统工作站、远程拨号服务器和远程工作站5个部分。电力营销信息化系统的硬件结构图如图2所示。

根据图2可知,远程工作站的电力营销数据通过远程拨号服务器进行传输[6],将远程工作站和营销系统工作站的电力营销数据经过SNA服务器传输到IBM主机,IBM主机对电力营销数据作出相应的处理,最终实现电力营销信息化。本文系统利用IBM大型主机作为电力营销数据转换整理中心与电力营销应用平台,其内部利用SNA协议,并经过网关完成与TCP/IP之间的协议转换。电力营销的各个营销系统工作站可通过城域网访问主机,远程工作站通过远程拨号服务器访问主机,在进行远程访问时,采用了调制解调器(Modem)。该调制解调器有4种调制方式,分别为频移键控调制、差分相移键控调制、调相调幅相结合的调制和高速调制。本文选用的是差分相移键控调制[7-8],它可以将音频信号转换成较高频率的信号进行传输,具有传输速率快、抗干扰性强的特点。

1.2 软件设计

电力营销信息化系统的软件设计采用了三层架构的方式,使用组件模式将界面、界面发布、业务逻辑及数据存储分为多个层次独立实现,利用中间层对核心模块进行封装,为保证系统的可靠性和可行性,采取了多主机并行的方式[9-10]。电力营销信息化系统的软件结构图如图3所示。

图3 软件结构图

本文系统软件包括客户机、Web服务、应用服务和数据库服务4个主要的模块。客户机为用电客户提供浏览器,客户可以通过浏览器对用电进行查询。只需在客户机上安装Web浏览器并与网络连接即可,利用客户端对用户平台开发应用程序,通过TCP/IP协议对中间层应用服务进行访问,实现电力营销系统的数据管理和关键业务管理。Web服务模块通过HTTP请求及应答的方式与客户机模块之间相互通信,在该模块利用JSP服务器页面、Servlet服务连接器和Javabean可重用组件实现对用户接口的处理,方便用户通过人机界面对电力营销数据进行浏览与查询,还通过调用中间件,实现与应用服务之间建立通信关系。

应用服务模块即中间件服务,通过使用EJB应用程序组件,实现对电力营销业务逻辑、流程控制以及数据分析的管理,并与客户机之间通过消息服务进行信息交流;通过JDBC/JMS的方式获取数据库服务中的电力营销数据信息,实现电力营销数据存取、Web服务、安全防护及通信处理等功能。本文系统的中间件服务采用的是跨平台与架构无关的中间件进行搭建的,能够很好地提高系统的灵活性,进而实现大规模分布式系统的构建。在营销业务流程服务中,通过消息服务实现业务流程驱动和消息驱动,进行电力营销业务流程的流转、流程调度等流程控制工作,实现电力营销流程服务的自动化。

2 基于聚类分析算法的电力营销数据挖掘

本文对电力营销数据挖掘进行研究,利用聚类分析算法对电力营销数据进行筛选,利用筛选出的数据计算数据类型相异度,最终实现电力营销数据的挖掘。聚类分析算法的流程图如图4所示。

图4 聚类分析算法流程图

设聚类空间中的数据通过低密度区域进行分割,其中低密度对象区域表达式为

nd=(v-b1)nr

(1)

式(1)中,v为聚类空间中数值所属空间的数目,b为低密度对象子区域数目,nr为当前节点属性的值域。聚类空间中的数据类经过低密度区域进行分割后,高密度区域将会显露,高密度对象区域的表达式为

ng=(v-a1)nr

(2)

式(2)中,a1为高密度对象区域的数目。根据式(1)、式(2)可选取出电力营销聚类分析数据:

ni=z(nd+ng)×i

(3)

式(3)中,z为分割的子区域数目,i为属性值的样本密度。进而求得电力营销聚类分析数据筛选值,出现频率越高属性值样本密度越高。利用数据结构和相异度矩阵进行数据对象间距离的计算和聚类操作,其中数据矩阵属性结构为

(4)

式(4)中,利用n×p矩阵表示聚类分析数据的相异度,n为数据矩阵对象,p为属性,i和f为对象之间的差异。其中,f和i的取值为非负数时,若i和f的取值接近0,p的数值就会越大,此时f和i不相似;f和i的取值为负数时,若i和f的取值小于0,p的数值就会越小,说明f和i的相似程度高。

将初始的度量值转变成没有单位的常数,利用式(4)进行标准化处理得到:

(5)

式(5)中,sf为绝对偏差值,mf为f的绝对平均值。对度量值进行标准化处理之后,计算数据类型相异度,

(6)

式(6)中,d(i,j)为数据对象之间的距离。如果d(i,j)的值小于等于0,表示聚类数值为一个整数或0;如果d(i,j)的值等于0,表示数据对象与自身的距离为0。对聚类分析数据类型进行相异性计算得到:

W=d(i,j)×kl

(7)

式(7)中,kl为通过扫描得到的聚类分析数据量。完成数据类型相异度的计算后,根据计算结果,挖掘出距离最接近的数据中蕴含的潜在信息。数据库中具体的样本向量为(v1,v2,…,vi,c),其中vi为字段值,c为类别。完成电力营销数据分类后,对数据进行预测其准确度,从数据中获取知识,将数据输入,对数据依次测试记录输入数据的属性值,直到找到记录所在的类,并挖掘出数据蕴含的潜在信息。

3 实验结果与分析

为验证本文研究的电力营销信息化系统的可行性与聚类分析法数据挖掘的有效性,利用Visual Studio OpenCV 3.0搭建实验平台(见图5)。实验环境参数如表1所示。

表1 实验环境参数

图5 实验架构示意图

本实验采用的用电数据是某电力有限公司每月用电量汇总分析数据,实验数据如表2所示。

表2 实验数据

基于上述的实验基础,对本文研究的系统进行实验测试。首先对电力营销数据挖掘的精准度进行测试,并将实验结果与文献[1]、文献[2]进行比较。实验结果比较图如图6所示。

图6 实验结果对比图

由图6可知,本文系统的精准度明显高于文献[1]和文献[2]的精准度,并且精准度随着数据挖掘的数量缓慢上升,在数据挖掘数量达到700个时,精准度达到了97%;文献[1]在数据挖掘数量为700个时,精准度为72%,精准度从43%到72%缓慢增加;文献[2]在数据挖掘数量为700个时,精准度为61%,精准度从34%到61%缓慢增加。由此可见,本文系统的挖掘精确度高,具有很高的实用性。

接着对电力营销信息化系统的时效性进行研究,实验结果比较图如图7所示。

图7 实验结果对比图

由图7可知,本文系统在信息处理所用的时间随着信息处理组数的增加而缓慢的上升,在信息处理数据为700组时,信息处理所用的时间为20 s;文献[1]在信息处理所用的时间也随着信息处理的数量增长,在信息处理数据为700组时,信息处理所用的时间为60 s;文献[2]在信息处理所用的时间增长的最快,在信息处理数据为700组时,信息处理所用的时间为70 s。由此可见,本文系统在对信息处理时花费时间最少,具有很好的时效性。

4 总结

为完善传统电力营销中存在的问题,本文设计了电力营销信息化系统。硬件部分采用IBM主机为核心,将远程工作站、营销系统工作站的数据传送给IBM主机进行处理,实现了电力营销数据的信息化;软件部分利用了三层架构的方式,采用多主机并行,实现了对电力营销数据进行精细化、自动化的资源管理。最后利用聚类分析算法对电力营销数据进行筛选,利用筛选出的数据计算数据类型相异度,实现了对电力营销数据的精准挖掘。本文研究的系统还存在着一定的不足,在信息化的电力营销环境下,信息共享性很低,还需进一步对信息共享进行研究,提高电力营销信息的共享性。