（国网辽宁省电力有限公司葫芦岛供电公司辽宁葫芦岛125000）
摘要：电力营销系统中涉及的核心业务有业扩报装和电能计算、营业计费以及用电管理与线损管理等，电力营销系统有着海量且复杂的数据信息，如何从中快速获取能够为决策提供参考依据的准确信息和量化指标是摆在电力营销部门面前的一个主要问题，数据挖掘技术的出现有效解决了这一难题。下面就其在电力营销系统中的应用做进一步探讨。
关键词：电力营销系统；数据挖掘；序列挖掘；聚类；空间挖掘
1数据挖掘的基本概念
数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的数据中提取隐含在其中的、人们事先不知道的但又是潜在有用的信息和知识的过程。利用数据挖掘技术可以对电力营销系统产生的海量数据进行分类抽取与优化整合,合理存储后实时计算出相关指标以提取所关心的营销信息,其结果将对营销系统的决策起到数据支持作用,更好地指导企业的管理层和决策层对变化的环境做出快速而科学的市场营销决策。
2电力营销系统中数据挖掘技术的应用
2.1关联规则的应用
（1）在电力市场营销分析中针对经由离散化处理过的电力营销数据使用FP-Growth（频繁模式增长）算法进行关联规则分析，进而将存在于售电量水平和各种对电量销售有影响作用外部因素间的关联特征描述出来，从而给电力市场营销决策提供辅助参考信息。（2）在电力市场营销策略制定、项目以及投资组合管理等方面运用关联规则进行指导，同时对需求、销售和收入以及理赔等进行分析和预测。（3）将关联规则同其他方法结合在一起应用到电力营销系统当中，比如建立在关联分析法和云模型基础上的模糊评价法，此种方法主要是针对电力营销目标市场来确定，比较简单可行。（4）在用于电力负荷定量分析和非定性分析当中融入关联规则挖掘是一种新型电力负荷预测方法，此种方法既容易理解，又比较明显。（5）在城市负荷分布中引进关联规则这种数据挖掘技术，应用的时候需要先利用频繁模式增长算法——FP-Growth算法将负荷数据挖掘出来，然后在考虑电力行业数据特殊性的基础上对电力负荷所受到的有关因素的影响进行分析。
2.2分类的应用
在对电力营销系统进行中长期预测时常用的方法有序列预测、模糊理论和专家系统以及建立在竞争分类基础上的神经网络法和模式分类法等，其中神经网络法和模式分类法在电力负荷预测上都有着令人满意的精确度。同时还有可应用于日调度计划编制当中的一种短期负荷预测算法，此种预测方法将决策树技术和外推算法做了有效结合，有着较高的预测精度；在对SCADA系统中不良数据进行状态估计时可以通过分类树建立子数据库，进而缩减SCADA数据库规模，将计算速度提升上来。另外，在CRM——客户关系管理当中还可以把神经网络方法和模糊逻辑控制两者结合在一起应用或是在各机组开停机计划表制定中使用回归算法、归纳算法、神经网络改善等。
2.3聚类应用
聚类就是将数据对象分组成多个类或簇,划分的原则是在同一个簇中的对象之间具有较高的相似度,而不同簇中的对象差别较大。与分类不同的是,聚类操作中要划分的类是事先未知的,类的形成完全是数据驱动的,属于一种无指导的学习方法。聚类在电力营销系统当中主要应用在以下方面：电力用户分类、信用评价和负荷预测、分类以及变压器故障诊断、不良数据的修正等。
比如，在对客户各个方面不同属性进行划分的基础上通过聚类分析法把客户划分成不同组别，此时负责决策分析的人员就可以此聚类结构为依据对存在于各个组别相互之间的差异性分析出来，然后对类群特征展开研究，这样就可以根据实际情况实行不同的营销策略，保证企业经济效益的提升。又比如，在模糊聚类分析的基础上针对客户信用建立一个评价算法，通过此种算法就可以获得基于不同客户群的聚类中心以及针对每个客户的隶属度矩阵，这样就给针对客户群的特征分析提供了量化的参考依据。在不良数据的校正上，可以在原有聚类算法——CURE算法当中融入信息熵原则来对聚类过程中出现的基本参数进行选择，然后在相关负荷特征曲线的提取上使用Kohonen网络。此外，对于典型负荷的代表曲线，可以在对获取来的用户用电数据进行预处理之后再通过合适的聚类方法、聚类书目获得，这样既可以对用户的用电模式有所了解，又可以为购电合同的制定提供参考依据，帮助企业获得更多的经济效益。
2.4时间序列与序列挖掘的应用
时间序列挖掘是数据挖掘中的一个重要研究分支,有着广泛的应用价值。它是指从大量的时间序列数据中提取人们事先不知道的,但又潜在有用的、与时间属性相关的信息和知识,并用于短期、中期或长期预测,指导人们的社会、经济、军事和生活等行为。序列挖掘又称序列模式挖掘,是指从序列中发现相对时间或者其它顺序所出现的高频率子序列。在电力营销系统的实际应用当中往往会把时间序列挖掘同时神经网络二者结合在一起对电力营销数据进行分析。在神经网络法当中，相较于BP神经网络，小波神经元网络在收敛速度上有着更好的表现，而且其中采用了基于隶属度改进的聚类方法，有利于负荷大波动日预测精度的改善。另外，为给电力系统的故障定位与故障诊断提供更为有效的指导，可以将建立在时间窗基础上的序列挖掘算法应用到警报信息的处理当中；为提高电力系统运行状态判定的准确性和有效性，可把建立在错误模型分析与快速诊断推理基础上的一种新型数据挖掘算法应用其中，此种算法极大地提升了在对系统运行状态进行挖掘和分析的能力，使得错误模型分析的精确度有所提高。
2.5空间挖掘的应用
在当前市场经济的大环境下，原本就需要决策者对各项数据做出快速的分析和诊断，这样才能够在最短的时间内做出最正确的反应和决策，为电力企业健康、稳定、长远的发展提供有力保障。在这个过程中，需要运用特定的空间挖掘技术对各种目标层次的信息进行综合处理，这些信息包括电网的运行数据以及负荷的位置分布、负荷的实时变化数据等，只有如此才能对设备进行跟踪、对故障进行定位、对损失进行评价或是进行模拟停电、实现调度最优化等。对于同类负荷或是不同类负荷的位置分布数据可以通过空间分布规则和聚类规则以及特征规则与区分规则获得。另外，在针对用户开展业扩报装和负荷管理以及电表、电费查收等业务工作时，可以通过利用空间数据挖掘技术获取到的像地理编码这样的几何知识来完成；在负荷填谷和调峰、错峰等管理功能当中可以分别把变压器和用户地理位置、线路实际负荷以及负荷可控制情况等作为参考依据制定不同的负荷控制方案。
3结语
伴随着科学技术的发展进步，电力营销系统中逐渐引入了诸如数据挖掘技术和数据仓库技术以及联机分析处理等多种新型技术，为电力营销决策系统提供了更为准确、全面和详尽的量化指标与参考数据。在电力营销系统当中应用数据挖掘技术可为决策者提供决策支持，大大提升了经营管理水平，为电网运行的稳定性和经济性提供了有力保障。
参考文献：
[1]数据挖掘开发及应用研究[J].卓广平.软件.2015(05)
[2]数据挖掘在电力决策支持系统中的应用[J].史小梅.上海电力学院学报.2010(04)