电力营销信息化系统在业务监控中的应用

雷岩团哏 张倩婷

关键词：电力营销；信息化；业务监控；大数据环境

1引言

电力企业要增强业务实力、提高经营服务水平，需要革新传统的市场营销体系，应用先进技术建立完善的市场营销体系，从而满足市场和用户对电力企业的要求。

电力企业在开展业务的过程中，必将形成海量的业务数据，这些数据可以精准地反应出企业经营服务的具体状况。而应用大数据分析技术，将海量的业务数据加以筛选、处理和分析，能够协助企业从中发现各种问题。本文从电力营销信息化系统的应用现状出发，研究了大数据分析技术在电力营销业务数据中的应用方法。

2现状

近年来，电力企业积极通过各种技术建设较为健全的服务体系，数据俨然变成了一个关键的价值来源，企业利用大数据技术充分地发掘、应用这些数据，可以发现经营过程中的问题，从而创造更为个性、丰富、智能的供电服务[1]。与此同时，电力企业也面临如下问题。

（1）数据处理体系尚未健全。利用了大数据分析技术的企业，需要科学地获取、研究和处理数据，以制订市场营销战略。不过，目前的大数据分析体系还未完善，应用规范不全的现象依然存在，尤其是不少企业还没有充分适应现今的社会条件和技术环境，对数据的敏感性不足，还未形成以数据支持企业经营的管理思想[2]。

（2）数据关联不紧密。电力营销业务的数据量巨大，种类繁多。而企业在对多元化异构数据进行管理时，往往没有注意数据之间的区别和关联，也未对其加以综合管理，更没有打通数据之间的屏障，从而未完成信息系统间的共享[3]。这就容易产生“信息孤岛”现象，不利于信息化进程的稳步发展。

（3）没有深入挖掘数据。部分电力企业在开展电力营销信息化工作中，还是按照以往的工作方式，没有树立以数据为中心的营销服务观念，对大数据分析技术的应用流于表层，只是对相关数据进行简单分析，却没有对数据进行深度挖掘。

3电力营销信息化的重要性

现阶段，企业向消费者提供有效、安全的电力供给及其有关的营销服务尤为重要。开展电力营销信息化建设不仅是电力企业寻求长期发展的根本，也是借互联网进行行业转型的必要条件。首先，中国电力体制改革正如火如荼的进行，这将改变传统“独买独卖”的市场局面，让更多企业和私人资金可以直接投入市场竞争中，使电力行业充满活力。在“买方市场”上，谁找准了自己的市场优势并最大程度地迎合用户对智能、特色的服务需求，谁就能在激烈的竞争中获得优势。因此，以客户为核心，将“互联网+”技术融入电网营销业务的全过程，建立完整的电网营销信息化系统就成了必然趋势[4]。对电力营销进行信息化建设可以极大地促进服务升级，支撑企业进行市场营销数据分析、经营决策和经营管理。因此，在网络行业蓬勃发展的今天，开展电力营销信息化系统建设工作势在必行。

3.1支持营销决策

以收集到的电力行业数据为基础，综合各种信息加以研究，深入发现各种数据之间的关联关系，可以帮助企业管理者明悉行业情况及企业在市场上的位置，为电力企业制订更符合自身未来经营方向的市场营销策略奠定基础。

3.2营销差异化服务

如今，电力市场也越来越重视精细化、人性化营销。依靠大数据技术，企业能够将电力客户进行精确划分，将同质用户分类成一个集合，并以细分领域的数据为基准，深度挖掘电力客户的需求、使用特点等大数据信息。对用户进行分类管理，可以帮助企业根据客户需求提供差异化的用电业务套餐，以便为客户提供更为有效的用电服务。

3.3提升客户满意度

随着“互联网+电力营销”的模式逐渐普及，电力企业在进行供电服务时会更加注重用户的体验感和客企之间的良好互动。借助大数据分析技术，企业管理人员可以全面了解用户评价等级、用户的申诉内容、投诉用户的构成、问题处理状况等信息，以便对服务质量做出全面评估，并对问题加以提取和分类，从而提供合理的整改办法，最终提升电网经营的总体服务质量。

4电力营销信息化系统在业务监控中的应用

对已筛查到的海量电力营销业务数据进行分析时，可以选用大数据分析组件，如Hadoop组件，它可以对海量的业务数据进行分布式存储和处理，其核心功能组件有分布式存储（HDFS）、分布式计算（MapReduce）。其中，分布式文件系统是进行数据的分布式存储，而分布式计算是建立在分布式文件系统之上，把存储在分布式文件系统中的数据加以计算。

4.1数据存储与集成

HDFS是数据存储与管理的核心，解决了海量数据的存储问题，同时具有高容错性和可扩展性，适应大数据量处理，可应用在性能较低的主机上。利用HDFS对电力营销业务数据进行集成与存储，采用集群分布式存储方式存储业务数据，一般就能满足处理海量数据的需求[5]。这种数据管理模式能够将各类传感器、电网管理平台以及其他拓展的子系统等采集到的海量数据进行储存。

当Client端请求数据存储时，将使用DistributedFile System的create方法产生一个新的文件。DataStreamer会针对不同数据节点的可靠性做出存储响应，其中选取最适宜保存的DataNode。其具体存储策略如图1所示。

在讀取数据时，首先得到DistributedFileSystem的实例，再使用RPC（远程过程调用）获得文件的第一批block的locations，之后同- block按照重复数会返回多个locations，这些locations按照hadoop拓扑结构排序，离客户端近的排在前面，最后返回一个DFSInputStream对象，DFSlnputStream对象可以高效管理datanode和namenode数据流。客户端使用read方法，DFSlnputStream就会找到离Client最近的datanode并连接datanode，然后数据从datanode源源不断地流向Client，一旦读完全部的block，这时就会关闭全部的流。其策略如图2所示，使用该策略能够以较高的效率实现对数据的操作。

通过Hadoop平台进行数据的集群分布式储存，不但可以对海量数据进行有效保存和讀取，同时通过HDFS自有的信息备份体系，还可以提高数据的准确度、完整性和可用性。

4.2数据处理与分析

电力营销业务数据类型丰富，在开展海量、多层次、异构的电力营销业务数据分析之前，应该事先对信息做好预处理。比如，电网经营业务数据的数据量级标准存在差异时，应该事先做好信息标准化处理，确保数据的完整性和可比性。

实现电力市场大数据分析的管理和应用有许多方法，不同的方法适用的数据处理需求也不同。其中，分布式数据处理技术主要用于对海量分布式数据的信息进行批处理；流处理技术则可以对数据进行实时处理：而内存管理技术则能够对数据进行高速读写。

以Hadoop平台内MapReduce组件为例。MapReduce是一个分布式的计算模块，由Map和Reduce构成，可以利用集群对大规模数据集进行处理，使用者只需要通过Map和Reduce两个函数，即可完成分布式运算。处理电力销售业务数据时，MapReduce的全部工作流程如图3所示。

MapReduce通常包括四个单独的工作实体，包括用于进行MapReduce操作的Client、用于协调作业的JobTracker、用于管理作业划分任务的TaskTracker，以及用于管理与其他实体之间共享工作文档的HDFS。

4.3业务监控建设

利用微服务架构设计理念，不同服务间通过使用轻量级通信机制（如REST，JSON等），即可实现相互间的有效沟通，进而实现平台整体功能。在升级部署系统时，也仅须通过局部新增、改进或替换组件，这更加符合实际电力运营系统的发展要求。基于微服务架构的电力服务系统云平台的总体架构如图4所示。

该平台能够实现一键式部署、全链路监控功能等功能。结合数据类型以及实际的应用需求，其将采集到的数据和分析的结果以比较直观的方式进行展示，以此为数据挖掘提供支撑。

4.4数据挖掘

4.4.1客户需求预测

综合电力营销行业中采集到的客户、终端等数据，对数据进行相关性分析和挖掘，可以发现各种客户的用电方式和规律，从而完成对各类用电客户的需求预测。

4.4.2用电负荷预测

为了保障连续、平稳地供电，电力企业还应该利用大数据分析手段对电力市场的用电负荷做出预测。以往的用电负荷预估方法大多是利用对历史数据的研究，总结出用户用电的规律，以便对未来某个时期内的耗电量做出推断。但是，耗电量的实际影响因素较多，而且用户的具体情况又时常变动，所以对用电负荷的预估与实际数据之间往往存在较大的差异。而利用天气预报、节假日等数据，并充分应用大数据分析技术，能够了解更加完整的用户数据和风险因子，以此进行电负荷预测，可以提升用电负荷预测的准确性，从而进一步完善供电服务体系。

5结束语

信息技术的快速发展推动了互联网和电网的融合建设，在大数据分析技术的高效应用下，电力营销业务数据的挖掘和业务监控平台的建设将促进营销模式的改革和创新。为了推动企业的良性发展，提高企业的总体运营水平，需要进一步加强电力信息化系统在电网经营业务监控中的应用。而随着电网信息技术的提升，大数据分析技术也将给电网的经营管理工作带来全新的活力，为电力企业提升经营效率、提高营销服务质量提供保障。