戴振华[1]2017年在《基于泰州地区的电力营销决策支持系统设计》文中认为近年来随着电力体制的深化改革,对信息和数据的管理要求也逐步完善,因此需要先进的技术支持。传统的数据和信息的管理已经不能满足如今电力企业的需求,以至于重要的数据和信息没有得到充分的利用,不能给决策者提供可靠的决策支持。在分析了电力企业营销的需求的基础上,本文综合应用了数据仓库技术和决策支持理论构建了电力营销的决策支持系统。首先介绍了数据仓库技术和决策支持系统的研究现状和基本理论;论述了数据仓库在决策支持系统中的应用。其次,分析了电力营销的数据仓库的模型,根据用户的需求,设计了数据仓库的整体结构。本文选择了对关联规则中的FP-Growth算法进行数据挖掘,该算法需要事先通过K-Means聚类法对数据进行概化,过程中避免了候选集的产生。然后对抽取2012年到2015年泰州供电局4年来的23个售电量样本进行数据挖掘,结果显示售电量与月份具有强关联规则。最后,本文以泰州市电力营销现状为基础,设计了电力营销决策支持系统的总体框架,包括数据转换聚合子系统、统计报表生成子系统、综合查询子系统和综合分析子系统。以购电和售电为例,给出了双墩变、古马变地区的电力营销四种子系统的实现方式。以泰州市经济发展为背景,考虑经济情况对电力销售的关联性,构建了电力营销决策支持系统框架。
赵飞[2]2006年在《基于数据仓库技术的电力营销决策支持系统研究》文中提出随着电力体制改革的深入,电力企业的市场化步伐加快,其生产的各个环节对管理的要求也越来越高,信息的处理也越来越需要先进的信息技术的支持。传统的管理方式已经不能完成当前的技术要求,导致对收集的信息不能科学有效进行处理和利用,缺乏综合分析决策和对未来发展趋势进行科学预测的能力。电力营销决策支持系统(DSS)能够收集分散的各种详细数据源,建立以各种主题为导向的数据仓库,并从中挖掘业务的内在规律和人力不可为之的数量信息,以此数量信息为支持,制定出较科学的电力营销决策。 本文在电力营销业务分析的基础上,综合利用数据仓库技术、数据挖掘技术、灰色系统理论及多元回归方程对电力营销决策支持系统做了深入研究、取得了良好的预测效果。
王淑鸿[3]2003年在《电力营销决策支持系统的研究与建立》文中认为随着电力体制改革的深入，供电企业的市场化步伐加快，制定适应市场的营销管理策略显得十分重要。电力营销决策支持系统（DSS）能够收集分散的各种详细数据源，建立以各种主题为导向的数据仓库，并从中挖掘业务的内在规律和人力不可为之的数量信息，以此数量信息为支持，制定出较科学的电力营销决策。本文在电力营销业务分析的基础上对电力营销决策支持系统的建立做了深入研究。电力营销决策支持系统的建立过程综合了决策支持系统的理论、数据仓库技术、OLAP技术、数据挖掘技术和Web技术。本文进行了电力营销决策支持系统的功能和结构设计，确定了电力营销决策分析的主题域，建立了电力营销决策支持系统的总体框架。研究了电力营销数据仓库的设计和建立,对供电企业数据按照分析主题域进行组织整合，建立了决策支持系统的数据平台。本文还利用数据仓库的支持工具Business Object实现了电力营销决策支持系统的基本功能。在营销指标预测算法上，本文采用基于遗传算法的BP神经网络时间序列预测模型，取得了良好的预测效果，并采用J2EE技术建立了数据挖掘实验平台。
韩琦[4]2008年在《基于数据挖掘的电力营销系统的设计与实现》文中研究表明电力在国民经济中占居重要地位,随着电力体制改革的深入,电力企业的市场化步伐加快,电力事业进入高速发展阶段,传统的管理方式和管理系统已经不能满足需要。论文中首先分析了课题研究的背景和意义,总结了国内外研究发展的现状,并介绍了数据挖掘技术的基本概念。其次在对决策树这一数据挖掘方法进行分析后,提出了采用决策树分类的方法对用户窃电行为进行有效判别。分析了电量预测的可行性、规律和常用方法,并以此为基础,提出采用一元线性回归的方法对电量进行预测。结合黑龙江省哈尔滨市某区的电量数据进行试验,进行了预测模型的有效性和可行性分析。接下来论文设计了基于数据挖掘的电力营销系统的框架结构,包括系统的功能、系统软件和应用软件平台的设计,以及核心模块的设计方法;最后介绍了电力销售综合分析等几个子系统的实现情况,给出了编程中的几个关键技术和代码。
陈秀寓[5]2003年在《电力营销决策支持系统的研究和设计》文中研究说明本文以电力营销系统为研究背景，针对电力企业改革后电力营销工作中一些急需解决的问题进行了研究。 电力营销系统与其他企业的营销系统一样，所面临的环境都是复杂多变的，因此有关电力营销的决策支持系统属于半结构化的决策支持系统范畴。这类系统中的决策含有大量不确定因素，缺乏程序化工作范式，需要意向决策支持的问题十分多见。本文提出了在电力营销管理系统中应用包含专家系统的推理模型思想，构建出了一个具有意向决策支持功能的电力营销管理系统框架，对如何建立问题生成子系统及其内部知识库进行了讨论。本文以一个具体问题为例，对其中模型库的构建进行了研究，建立了一种基于智能技术的数据挖掘模型，完成了电量销售情况的预测，为购售电工作提供了客观指导。本文提出了电力营销决策支持系统的总体设计方案，完成了其软件和硬件运行环境的设计。针对具体问题，给出了数据转换、多维预览、报表图表显示、MDX语句自引导、模型分析等多种功能的具体实现过程。 文中的电力营销系统经调试，可以正常、稳定的工作，基本上可以满足整个购售电工作的分析和决策的需要。对于提出的智能预测方法，进行了仿真实验，收到了较好的效果。对于所提出的在电力营销工作中应用意向决策支持技术的思想，给出了使用的具体例子。
赵美丽[6]2007年在《电力营销决策支持系统中的电量预测分析与研究》文中指出电力在国民经济中占居重要地位,随着电力体制改革的深入,电力企业的市场化步伐加快,电力事业进入高速发展阶段,电力正由“卖方市场”逐渐向“买方市场”转变,在这种趋势下,传统的管理方式和管理系统已经不能满足需要,采用高效的电力营销决策支持系统显得非常重要。预测是正确决策的基础、前提和依据,电量预测是电力营销决策支持系统中的重要组成部分,对电力营销决策制定有着重要的支持作用。论文中首先分析了课题研究的背景和意义,总结了国内外研究的发展和现状,从中发现目前研究和使用中存在的一些问题,在此基础上确定了本文的研究目标。其次,分析了DSS发展情况及其基本模式,并对DSS中的叁个重要组成部分的原理和功能做出阐述和分析,总结了电力营销DSS及其中的一些应用技术的总体情况,提出了电力营销DSS对话系统的一些改进建议,并设计了电力数据采集的两级抽取模式。再次,分析了电量预测的可行性、规律和常用方法,通过分析提出对电量纵向预测和纵横向相结合预测的预测方式,对选用的电量预测模型进行了模型引入和公式推导,分析其参数求解及初始值计算方法,并总结了预测模型的特点。结合天津市7个区的电量数据试验,确定各预测模型的参数或初值,对这些预测模型进行预测试验,并分析其预测效果及误差。最后,对课题的研究进行了总结和进一步展望。
康乐[7]2001年在《电力营销决策支持系统的建立与研究》文中指出目前供电企业的电力营销业务现状有着自身的特点，主要体现为业务范围广，业务数据种类繁多、数据量大。在这种情况下如何组织好供电企业的历史数据并从中发现、提取对供电企业的决策者有用的信息成为当前电力营销分析的热点。本文基于决策支持系统理论、数据仓库理论和数据挖掘技术建立了电力营销决策支持系统。在系统建立的过程中，重点研究了电力营销数据仓库的建立。电力营销数据仓库是整个系统的基础，通过电力营销数据仓库的建立，很好的组织了供电企业纷繁、大量的历史数据。在辅以相应的分析算法和模型，实现了电力营销的决策分析。电力营销决策分析包括了数据分析和数据预测两个部分，其中数据分析包括了一元和多元线性回归分析、波动分析、同期数据分析以及趋势曲线分析；数据预测包括了指数平滑法、模型预测法和BP神经网络法。在针对朝阳供电局的实际应用中，取得了良好的效果。
王华忠[8]2001年在《电力营销决策支持系统中模型库的研究和实现》文中指出本文介绍电力营销决策支持系统(EPMDSS)中模型库系统的设计思想与实现技术。为了使模型具有良好的可扩展性、可重用性、支持分布式应用，我们将组件技术引入到模型库的设计与实现中，论述了用基于组件的软件开发方法来开发模型库系统的思想。文中提出基于组件技术的DSS模型设计与实现策略，并且给出一个分布式模型部件（基于组件思想）的结构。
陈刚[9]2004年在《基于数据挖掘的电力营销决策支持系统的结构原理及算法研究》文中指出随着我国电力市场的逐步发展和完善，电力工业已经逐步从“卖方市场”转变为“买方市场”，这将给我国电力工业的发展带来重大的影响。作为独立市场主体的电力企业，其经营目标转变为关注企业效益的最大化，工作的重点逐渐从发输电方面转移到市场营销开拓以及电力需求侧的管理服务方面。 随着机制的转换，传统的面向基本业务的信息管理系统(如用电MIS等)已不能满足电力企业营销工作的需要，如何建立适应于我国电力营销需求的决策支持系统已成为当务之急。 数据挖掘技术是人工智能和数据库结合的产物，用于发现海量数据库中存在的潜在关系和规则，已经成为一种重要的智能决策方法以及决策知识获取的重要途径，在决策支持系统中具有重大的应用研究价值。 本文对电力营销决策支持的需求进行了详细的分析和设计，在此基础上提出了一种全新电力营销决策支持系统的整体框架设计原理。该系统结构的特点是具有问题引导功能以及融合了数据仓库、OLAP分析以及DM技术，能较好地满足电力营销决策支持系统的实际需要。 基于数据仓库的OLAP技术是电力营销辅助决策支持的重要技术之一。在详细分析数据仓库基础上，设计了电力营销数据仓库的实现方案；对电力营销的OLAP分析内容和方法进行了研究；在BusinessObject基础上设计和实现了电量电费的多维决策分析，包括语义层设计、通用查询报表的设计以及切片、旋转和钻取操作等。 DM技术与OLAP技术是电力营销决策支持系统中的关键数据分析技术，二者有机结合构成的多维数据挖掘模型能提高数据分析的效果和性能。针对多维数据挖掘模型中的挖掘空间的选择方法问题，提出了一种用于数据挖掘空间选择的神经网络结构和算法，其算法既避免统计方法中复杂的非线性建模问题，又比一般神经网络变量选择方法的计算量小。 鉴于聚类分析在数据挖掘中具有重要的作用，本文针对聚类分析中聚类数确定难的问题，深入研究了聚类准则的选择和曲线特性；提出了一种基于SOFM神经网络的结构自适应聚类神经网络，其特点是能够自动确定最佳的聚类数。基于实际营销数据，采用结构自适应聚类神经网络技术实现了用户用电量时间特征分析，所得结论对于电价的针对性的调整以及合理地安排电力生产具有重要的参考价值。 本文的研究成果对于电力市场环境下电力企业的电力营销决策系统的方案设重庆大学博士学位论文计以及实现有重要的参考价值。关键词:神经网络，聚类分析，电力营销，决策支持系统，数据挖掘，数据仓库，联机分析
高巍[10]2007年在《县级供电企业营销辅助决策系统研究》文中指出本文在研究决策支持系统基本理论的基础上,利用数据仓库、OLAP技术和数据挖掘技术,在供电企业已有的管理信息系统基础上建立了一个高效、实用的电力营销辅助决策系统。文中研究了县级供电企业营销辅助决策系统的建立,并根据供电企业MIS系统提供的营销、生产等数据,采用Microsoft Analysis Services进行数据仓库构建,建立了营销辅助决策数据仓库。运用OLAP技术,提供数据多维分析服务,通过切片、钻取和旋转等分析方法,多角度、多层次地分析数据仓库中的数据。本文首先简要介绍了决策支持系统的基本理论,提出了课题背景、意义以及研究内容。其次,阐述了数据仓库、联机分析处理(OLAP)、数据挖掘以及MS Analysis Services的相关理论与技术。然后,根据决策支持系统的需要,进行了电力营销辅助决策系统总体结构的研究,完成电力营销辅助决策系统的总体设计。最后,文章结合电力营销系统的实际需求,详细讨论了如何构建一个电力辅助决策系统,并根据电力行业的实际情况,提出了构建电力营销数据仓库的方法,进行了数据仓库的建立,并在此基础上进行了多维数据分析处理,以满足辅助决策的需要。文中所讨论的系统分数据仓库、数据分析、用户界面以及系统管理四大部分。数据仓库系统整合现有相关业务系统的数据,可以从多角度、多层次地分析数据仓库中的数据,能显着地提高数据分析、统计、报表定制等方面的效率和精确度,能够基本满足电力企业营销数据分析的需要。系统能够为历史数据建立一个适用的营销数据仓库,可以从中提取出有用的数据信息,为供电公司管理与决策提供科学依据,对于电力信息化建设有非常重要的意义。
参考文献：
[1]. 基于泰州地区的电力营销决策支持系统设计[D]. 戴振华. 华北电力大学(北京). 2017
[2]. 基于数据仓库技术的电力营销决策支持系统研究[D]. 赵飞. 华北电力大学（北京）. 2006
[3]. 电力营销决策支持系统的研究与建立[D]. 王淑鸿. 华北电力大学（北京）. 2003
[4]. 基于数据挖掘的电力营销系统的设计与实现[D]. 韩琦. 东北大学. 2008
[5]. 电力营销决策支持系统的研究和设计[D]. 陈秀寓. 大连理工大学. 2003
[6]. 电力营销决策支持系统中的电量预测分析与研究[D]. 赵美丽. 河北工业大学. 2007
[7]. 电力营销决策支持系统的建立与研究[D]. 康乐. 华北电力（北京）大学. 2001
[8]. 电力营销决策支持系统中模型库的研究和实现[D]. 王华忠. 华北电力大学. 2001
[9]. 基于数据挖掘的电力营销决策支持系统的结构原理及算法研究[D]. 陈刚. 重庆大学. 2004
[10]. 县级供电企业营销辅助决策系统研究[D]. 高巍. 西安工业大学. 2007
标签：计算机软件及计算机应用论文; 电力论文; 数据挖掘论文; 数据仓库论文; 市场营销论文; 数据挖掘算法论文; 预测模型论文; 决策能力论文; 数据分析论文; 聚类论文;