電力中級工程師評審論文

　　隨著國民經濟的不斷髮展,電力行業在經濟中的地位更加突出,作用也更大。下文是小編為大家蒐集整理的關於的內容，歡迎大家閱讀參考!

　　篇1

　　淺談資料探勘技術在電力營銷系統中的應用

　　電力營銷系統中涉及的核心業務有業擴報裝和電能計算、營業計費以及用電管理與線損管理等，各個業務模組又包括涵蓋電話服務、客戶中心服務、網路服務等內容的服務模組和包括綜合業務查詢與歷史資料統計以及效益分析與決策支援在內的分析模組，可以說，所有能夠為電力系統的正常執行提供決策依據的原始資料都屬於營銷系統的資料管轄範疇，比如生產系統的規劃設計與負荷預測、經濟排程、使用者特徵提取以及異常資料的挖掘處理等。可見電力營銷系統有著海量且複雜的資料資訊，如何從中快速獲取能夠為決策提供參考依據的準確資訊和量化指標是擺在電力營銷部門面前的一個主要問題，資料探勘技術的出現有效解決了這一難題。下面就其在電力營銷系統中的應用問題做進一步探討。

　　1 電力營銷系統資料來源、特點及資料探勘技術概述

　　電力營銷系統當中的資料涵蓋管理資訊系統、SCADA系統、地理資訊系統、電網執行過程中的負荷管理系統、配變檢測系統、電能量計費系統以及計量檢定等實時資訊系統中的所用資料，並且這些資料伴隨著電力企業的發展逐漸積累，資料含量非常龐大。除此之外，電力營銷系統資料在種類上還比較混雜，而且採集到的資料通常都會摻雜著一些噪聲或是存在資料缺失、錯誤等情況，資料質量難以保證。

　　作為一門新興的學科，自從集統計學和人工智慧以及模式識別、資料庫、高效能平行計算與機器學習等多種技術於一體的資料探勘技術出現之後，人們對於資料的應用不再只停留在簡單的資料查詢階段，而是進入到更高層次的應用――從資料中挖掘有價值的知識和資訊，給管理者的決策提供支援。當前常用的資料探勘技術有關聯規則、分類和時間序列挖掘與序列挖掘以及聚類、Web挖掘、空間挖掘等。

　　2 資料探勘技術在電力營銷系統中的具體應用

　　2.1 關聯規則的應用

　　作為當前階段電力營銷系統主要研究的一種資料探勘技術，關聯規則可以幫助決策者在對當前資料和歷史資料進行分析的基礎上找出其中隱含的規律和特徵，在此基礎上對未來變化趨勢做出相應預測。具體介紹以下五種應用途徑：

　　2.1.1 在電力市場營銷分析中針對經由離散化處理過的電力營銷資料使用FP-Growth***頻繁模式增長***演算法進行關聯規則分析，進而將存在於售電量水平和各種對電量銷售有影響作用外部因素間的關聯特徵描述出來，從而給電力市場營銷決策提供輔助參考資訊。

　　2.1.2 在電力市場營銷策略制定、專案以及投資組合管理等方面運用關聯規則進行指導，同時對需求、銷售和收入以及理賠等進行分析和預測。

　　2.1.3 將關聯規則同其他方法結合在一起應用到電力營銷系統當中，比如建立在關聯分析法和雲模型基礎上的模糊評價法，此種方法主要是針對電力營銷目標市場來確定，比較簡單可行。

　　2.1.4 在用於電力負荷定量分析和非定性分析當中融入關聯規則挖掘是一種新型電力負荷預測方法，此種方法既容易理解，又比較明顯。

　　2.1.5 在城市負荷分佈中引進關聯規則這種資料探勘技術，應用的時候需要先利用頻繁模式增長演算法――FP-Growth演算法將負荷資料探勘出來，然後在考慮電力行業資料特殊性的基礎上對電力負荷所受到的有關因素的影響進行分析。

　　2.2 分類的應用

　　在對電力營銷系統進行中長期預測時常用的方法有序列預測、模糊理論和專家系統以及建立在競爭分類基礎上的神經網路法和模式分類法等，其中神經網路法和模式分類法在電力負荷預測上都有著令人滿意的精確度。同時還有可應用於日排程計劃編制當中的一種短期負荷預測演算法，此種預測方法將決策樹技術和外推演算法做了有效結合，有著較高的預測精度;在對SCADA系統中不良資料進行狀態估計時可以通過分類樹建立子資料庫，進而縮減SCADA資料庫規模，將計算速度提升上來。另外，在CRM――客戶關係管理當中還可以把神經網路方法和模糊邏輯控制兩者結合在一起應用或是在各機組開停機計劃表制定中使用迴歸演算法、歸納演算法、神經網路改善等。

　　2.3 時間序列與序列挖掘的應用

　　在所有短期負荷預測方法中，時間序列挖掘是被認為最經典的一種方法，比較系統，同時神經網路則是短期負荷預測中研究最多、應用最為廣泛的，因此在電力營銷系統的實際應用當中往往會把二者結合在一起對電力營銷資料進行分析。在神經網路法當中，相較於BP神經網路，小波神經元網路在收斂速度上有著更好的表現，而且其中採用了基於隸屬度改進的聚類方法，有利於負荷大波動日預測精度的改善。另外，為給電力系統的故障定位與故障診斷提供更為有效的指導，可以將建立在時間窗基礎上的序列挖掘演算法應用到警報資訊的處理當中;為提高電力系統執行狀態判定的準確性和有效性，可把建立在錯誤模型分析與快速診斷推理基礎上的一種新型資料探勘演算法應用其中，此種演算法極大地提升了在對系統執行狀態進行挖掘和分析的能力，使得錯誤模型分析的精確度有所提高。

　　2.4 聚類應用

　　聚類在電力營銷系統當中主要應用在以下方面：電力使用者分類、信用評價和負荷預測、分類以及變壓器故障診斷、不良資料的修正等。比如，在對客戶各個方面不同屬性進行劃分的基礎上通過聚類分析法把客戶劃分成不同組別，此時負責決策分析的人員就可以此聚類結構為依據對存在於各個組別相互之間的差異性分析出來，然後對類群特徵展開研究，這樣就可以根據實際情況實行不同的營銷策略，保證企業經濟效益的提升。又比如，鑑於電力客戶信用分類的特性，可以在模糊聚類分析的基礎上針對客戶信用建立一個評價演算法，通過此種演算法就可以獲得基於不同客戶群的聚類中心以及針對每個客戶的隸屬度矩陣，這樣就給針對客戶群的特徵分析提供了量化的參考依據。在不良資料的校正上，可以在原有聚類演算法――CURE演算法當中融入資訊熵原則來對聚類過程中出現的基本引數進行選擇，然後在相關負荷特徵曲線的提取上使用Kohonen網路。此外，對於典型負荷的代表曲線，可以在對獲取來的使用者用電資料進行預處理之後再通過合適的聚類方法、聚類書目獲得，這樣既可以對使用者的用電模式有所瞭解，又可以為購電合同的制定提供參考依據，幫助企業獲得更多的經濟效益。

　　2.5 空間挖掘的應用

　　在當前市場經濟的大環境下，原本就需要決策者對各項資料做出快速的分析和診斷，這樣才能夠在最短的時間內做出最正確的反應和決策，為電力企業健康、穩定、長遠的發展提供有力保障。在這個過程中，需要運用特定的空間挖掘技術對各種目標層次的資訊進行綜合處理，這些資訊包括電網的執行資料以及負荷的位置分佈、負荷的實時變化資料等，只有如此才能對裝置進行跟蹤、對故障進行定位、對損失進行評價或是進行模擬停電、實現排程最優化等。對於同類負荷或是不同類負荷的位置分佈資料可以通過空間分佈規則和聚類規則以及特徵規則與區分規則獲得。另外，在針對使用者開展業擴報裝和負荷管理以及電錶、電費查收等業務工作時，可以通過利用空間資料探勘技術獲取到的像地理編碼這樣的幾何知識來完成;在負荷填谷和調峰、錯峰等管理功能當中可以分別把變壓器和使用者地理位置、線路實際負荷以及負荷可控制情況等作為參考依據制定不同的負荷控制方案。

　　3 結語

　　伴隨著科學技術的發展進步，電力營銷系統中逐漸引入了諸如資料探勘技術和資料倉庫技術以及聯機分析處理等多種新型技術，為電力營銷決策系統提供了更為準確、全面和詳盡的量化指標與參考資料。在電力營銷系統當中應用資料探勘技術可為決策者提供決策支援，大大提升了經營管理水平，為電網執行的穩定性和經濟性提供了有力保障。

　　>>>下頁帶來更多的