大数据在电力营销系统中的应用及工程实例解析

汤平瑜

摘 要 随着电力行业各系统接入，海量数据涌现，如何利用电网信息化中大量数据，对客户需求进行判断分析，服务于营销链条，提升企业市场竞争力和供电服务能力，是当前研究重点。文章分析了现阶段市级营销系统数据模型，搭建基于大数据的营销决策分析系统，实现电力营销数据分析、客户分析等工程实例。该系统已在南方电网某地级市进行工程实用化使用，提高了该供电公司的企业分析能力和需求预测准确性，对营销服务能力提升有指导意义。

关键词 大数据;电网信息化;营销链条

1研究背景

随着电力市场改革的推进，售电市场逐步放开，对于电力企业提出了更高的要求。电力企业需要完成从“保供电”到“个性化供电”的提升，即利用信息化技术手段，对市场、客户和自身管理进行全方位分析和提升。如何更好地利用各系统的数据，打破数据孤岛，完成数据提取工作，利用大数据技术对电力营销行业进行提升是现阶段研究重点。

现阶段国内利用大数据对电力营销方面的研究较少，主要研究在于营销系统的数据挖掘和数据库的优化方面，系统偏向于企业管理。对于利用大数据方法对用户进行侧写，提供个性化服务方面研究为空白。文章首先对于电力公司不同系统的异构数据进行整合，建立统一数据交换平台，利用数据挖掘算法对于用户已有数据进行处理预测，实现售电分析功能，最后通过搭建系统完成工程化应用[1]。

2基于大数据算法的售电分析和售电预测

聚类算法是大数据处理中的重要分支，主要用于海量数据中寻找数据关联的算法。文章通过聚类算法处理用户数据之间内在联系，通过数据关联方式，对数据进行预处理，实现售电分析;通过线性回归算法，对于售电量进行预测。

2.1 营销系统数据关联方案

系统关联方案主要包括：

①运用聚类算法对电力营销系统数据库数据进行离散变换，形成强关联直接可用数据源;②运用Apriori算法得到强关联规则，给用户提供符合其阈值的结果规则。

即以售电量目标，通过时间、地区、行业、电价、天气作未考量維度，构建数据库模型。

2.2 售电量预测方案

预测方案主要包括：

（1）从数据库中查询对应时间历史售电量数据，形成样本，一般情况下查询类似天气六个月数据（本文以2016年1-6月数据为例）。并对形成样本进行一次线性回归如下：

yi=a+bxi+εi，εi～N（0，σ²）

对线性回归量使用最小二乘法进行精准估计，从而计算出公式中a，b具体数值，得到具体回归方程。将历史数据作为自变量带入一次线性方程，可以求出2016年7月售电量预测值。

调用2009-2015年7月同比数据值，形成样本，采用步骤1方案形成2016年7月预测值。对于步骤1和步骤2预测出的2016年7月售电量预测值，采用算数平均减少预测误差，该算术平均值为文章所示2016年7月售电量预计[2]。

3系统设计与工程实际

系统总体架构如下图。

电力营销综合分析系统体系架构通过数据采集与整合程序从底层业务系统的数据库中抽取数据，整合到自己的数据库中，形成数据集中管理，然后再能过数据采集与整合程序在数据层的基础上形成由业务主题构成的数据仓库，最后，通过数据展现与分析的应用程序开发技术，实现电力营销的分析、预测、决策。系统的总体架构分为四层，具体描述如下：

用户交互层主要完成用户与系统的友好交互功能，具体功能有用电量分析、售电量预测、报表查询统计等。该应用程序客户端界面采用java语言设计简单易用的定制化页面，办事效率高，用户体验更具，部署于用户三区系统，符合网络安全要求规范[3]。

业务逻辑处理层主要完成文章所示核心算法，并对信息数据进行预处理，从逻辑实体的实现上看，其表现为各种功能组件，这些功能组件是对象化组件模块，可以实例化，具有过继承重作用。考虑到系统后续维护和二次开发问题，业务逻辑处理层实现对象对外服务接口开放功能，便于调取和应用数据。

数据层：从数据层的构成看，是由数据访问层和数据源共同组成的，从数据源的来源看，是由外部各业务系统数据库产生的。而数据访问层则要承担起封装对数据源的访问。由于数据访问层的存在，使业务逻辑层对底层数据存储形式过于依赖的情况得以改变，应用系统的适应力增强，可以在各种不同类型的数据库中得到更好的应用。

系统接口层：该层主要是和其他业务系统进行数据对接。

通过上述系统架构，搭建基于大数据的营销业务扩展系统，并于南方电网某地市局进行工程化验收。系统挂网运行结果表明，该系统实现了电力营销数据的智能化查询、分析和统计工作，便于使用者及时掌握所辖用户用电情况，实现客户的市场化分析，有利于使用者及时调整营销策略，减轻数据统计的工作强度。

参考文献

[1] 彭小圣，邓迪元，程时杰，等.面向智能电网应用的电力大数据关键技术[J].中国电机工程学报，2015，35（3）：503-511.

[2] 魏艳平.基于大数据平台的电力营销分析决策系统的研究[D].成都：西华大学，2017.

[3] 王亮.大数据背景下电力企业营销管理创新研究[D].北京：华北电力大学，2015.