龙建雄

(北京联合大学 应用科技学院，北京 102200)

电力营销决策支持系统技术解决方案

龙建雄

(北京联合大学 应用科技学院，北京 102200)

随着电力企业信息化建设的飞速发展，信息集成和决策支持成为了重要的应用领域。在电力营销决策支持系统技术应用中，结合电力营销信息集成平台，建立了一个面向业务主题的决策支持系统。根据电力营销业务的需求，解决了决策支持系统的工具集成，并在此基础上实现了决策支持的综合算法。通过实例应用，可以灵活地进行报表处理和预测评价分析。

电力营销;决策支持系统;数据仓库;联机分析处理;信息集成平台

1 引言

电力营销决策支持系统(Decision Support System-DSS)的实现结构在功能上是独立于营销MIS的，但其决策行为又依赖于电力营销信息库或信息系统采集的数据，它弥补了管理信息系统的功能不足，是电力营销管理信息系统的延伸，解决了管理信息系统不能解决的问题。传统业务管理系统在辅助决策上存在着如下的问题:

1) 需要业务人员大量地、随意地访问和查询营销信息数据，而这些查询和报表格式往往是固定的，缺少变化的灵活性，不得不求助于IT部门。IT部门整天忙于满足这些不断变化的查询数据和产生报表的需求，还不能满足业务人员的随机请求。

2) 辅助决策信息涉及许多部门的数据，而不同系统的数据难以集成。

3) 辅助决策信息涉及大量的历史数据，传统的管理信息系统访问数据的能力不足，它对大量数据的访问性能明显下降。

这些缺陷决定了决策支持系统建立的必要性，其目标是为了制定管理决策相应的支持信息，它与基于事务处理的管理信息系统快速响应需求不同。电力营销管理信息系统处理的是操作性数据，而决策支持系统通常处理的是信息性数据。这些区别决定了系统综合开发的要求。企业需要快速准确、能适应需求多变的决策支持解决方案，而决策支持系统靠充分利用、发掘其现有数据，做出正确及时的决策，通过向用户提供灵活报表、随机查询、OLAP(在线分析处理)和数据挖掘的功能，帮助电力局从数据中发现规律，预测发展趋势，并且辅助其做出正确的决策，指导组织的发展方向。

2 电力营销决策支持系统体系结构(DSS Architecture)

决策支持系统由三层体系组成:事务处理环境、联机分析环境(数据仓库环境)和决策支持系统前端工具。如图1。

图1 决策支持系统三层体系组成图

2.1 事务处理环境

事务处理环境以企业在线事务处理(OLTP)为核心，提供即时、精确、可靠地完成事务的计算环境，如用电营销业务、生产系统、配网系统、财务系统等。事务处理环境为企业积累了大量的基础数据，成为联机分析环境数据来源的基础。

2.2 联机分析环境(数据仓库环境)

联机分析环境以在线分析处理(OLAP)为核心，提供自主查询、多维分析、数据挖掘的计算环境，常称为数据仓库环境。它主要由存储数据库(主要是RDBMS)、OLAP服务器、基于 Web的应用服务器和各种实施工具组成。主要工具有:

1) 建模工具:此类工具用于定义数据仓库的模式和视图、描述数据源、定义数据仓库与数据源的对应关系，如ERWin，PowerDesigner等工具。

2) 数据抽取与清洗工具:对多种数据源、数据类型加工，并可按照数据仓库的结构进行数据的分布，特点是能自动进行抽取、转换和综合，将数据载入数据仓库中，并且在具体操作时与元数据紧密结合。但由于数据仓库的数据来源于不同的应用，而不同的应用中可能有许多操作不一致的地方，比如同名义、异名同义、单位不同、字长不同等，因此数据的规范化与校验对于保证数据仓库中数据的可信度非常重要，通过清洗工具排除这些脏数据。

3) 数据仓库管理工具:在数据仓库中，有一种数据非常重要，那就是元数据，它存储了建立、使用数据仓库的所有必要信息，因此一般是通过管理元数据来对数据仓库进行操作。

4) OLAP数据库引擎:包括基于关系型数据库的OLAP引擎(ROLAP)，它是基于关系型数据库的OLAP分析技术;另一种是基于多维数据库的OLAP引擎(MOLAP)，它是基于多维数据库的OLAP分析技术，主要采用以多维数据库为核心。

2.3 决策支持系统前端工具

对数据仓库进行数据分析和信息综合，如分片和分块、向下细化和向上综合的分析，挖掘数据与数据之间隐藏的关系，并将结果用可视化方式显示出来，主要由查询和报表工具、在线分析处理工具和数据挖掘工具组成。前端工具通常有:

1) 查询和报表工具(Q＆R Tools)。

2) 在线分析处理工具(OLAP Tools)，将关系的或直接的文件数据重组为便于数据分析的多维数据存储方式，它将数据沿着“坐标轴”进行存储，沿着他们的商业轴线方便地分析数据，被普遍称为“旋转和切片(Slice＆Dice)”和“钻取(Drill)”。利用OLAP工具，可以分析和深入研究数据，发现趋势，看到异常情况，并得到重要细节的信息。

3) 数据挖掘工具(Data Mining Tools)，也叫数据开采，是从大量的、不完全的、有噪声的、模糊的和随机的数据中，提取我们事先不知道的但又是潜在、有用的信息和知识。

3 电力营销决策支持系统应用框架

通过信息集成平台(BIP-Business Integration Platform)［1］构建营销系统的数据仓库，其架构为:数据采集层、信息整合层、数据应用层、信息交互层，如图2所示。

它包括关系库、数据文件等各类数据集，其目的是建立一种体系化的数据存贮环境，通过数据提炼获得信息，经加工处理产生决策知识。

上述架构表达了用电数据仓库整体逻辑模型，蕴涵了数据仓库的各个环节和组件。如:

图2 电力营销决策支持系统应用框架

1) 源数据:源数据是指用电部门已有的各类数据，如用户、电价、电量、电费回收等历史数据。这些数据都可以加载到数据仓库里去。

2) 数据加载转换:众多加载工具将各种源数据加载到数据仓库中去。

3) 数据仓库引擎:完全并行处理、速度快、容量大，不需要数据重组，管理简单。用电部门的所有资料都可以按主题存储到数据仓库里。

4) OLAP服务器:同时包括多维数据库 MOLAP和关系型数据库ROLAP服务器，使得其性能和功能达到最佳。建立用电多维数据模型，实现多维数据分析。

5) 数据挖掘工具:向数据仓库提供一整套数据挖掘解决方案，多种统计函数，包括数据聚集、分类、抽取、采样等功能;挖掘算法包括神经网络、规则递规、决策树、机器自学习等，主要用来作数据评估和预测分析。

6) Web服务器:实现网上报表、网上分析和网上决策，使数据仓库技术与Web技术有机结合起来，建立Web服务器。

7) 前台业务智能工具:基于 WEB方式，集数据查询、分析、图表和报表生成的业务智能工具，对数据进行切片、分割、旋转的可视化前端分析工具。

4 系统平台工具集成

在系统工具集成的配置上，首先是支持主流的数据仓库产品和决策报表产品，同时也支持多种硬件平台和系统软件平台。考虑系统总统设计容量和负载能力，如选用Oracle数据库产品，在此基础上集成 Oracle数据仓库的平台产品;考虑采用WEB远程管理技术和用户WEB方式的自定制报表功能的要求，选用Actuate公司的决策报表工具，以此作为一种集成的技术解决方案(如表1所示)。对于其他数据仓库平台产品，其构建决策支持系统的开发设计过程相同。

4.1 数据仓库

1) Oracle Warehouse Builder:它与 Oracle数据库的 ETL功能相结合，能够实现设计、部署并管理企业数据仓库、数据中心和电子商务智能应用。

2) Oracle Discoverer Administrator:它可以将相关信息分组在文件夹中，并给这些商务区域和文件夹起一个有意义的名字，来创建和维护 Discoverer终端用户层中数据的面向商务的视图。

3) Oracle Clickstream Intelligence Builder:提供基础性的元数据，这种元数据正式描述了 Clickstream Intelligence数据仓库的定义，例如转换和数据库模式对象。它能够加载到任何 Oracle Warehouse Builder信息库中去。

4) Oracle OLAP Server:它充分集成到关系数据库中，所有的数据和元数据都在 Oracle中存储和管理，提供卓越的可伸缩性、强健的管理环境，以及具有行业领先的可用性和安全。

5) Oracle Data Mining Tools:构建高级的商务智能应用程序，挖掘公司数据库以发现新的见解，并且将见解集成到商务应用程序中。

6) 数据仓库提取—转换—加载 (ETL):对于数据仓库，通常从各种事务系统和数据流中收集数据。来自于各种信息源的数据必须首先提取，然后转换成单一的、一致性的视图，最后加载到数据仓库中。

4.2 决策报表工具

要实现辅助决策支持系统，其一套有效的分析处理工具是必不可少的，方案集成了Actuate公司产品，它作为辅助决策支持报表系统，实现统计分析和决策支持的报表功能。

1) Actuate iServer:它与Web和电子商务环境融为一体，可个性化定制，随时随地提供报告，为企业级提供强大的安全性和可管理性。

2) Actuate Portal:它提供开放式数据源连接性，与J2EE和.NET相互集成，支持外部报告处理工具的开放式服务器，可个性化定制和分析功能。

3) e.Report Designer:它是系统的开发设计工具，支持访问、使用、管理和更新数据，是一种面向对象的设计应用程序。

4) Actuate Query:它是一种简便、直观并基于Web的查询工具，能够满足所有在不同的计算复杂性条件下最终用户的要求。

5) Actuate e.Analysis:它以互动方式对应用数据进行分析，为用户提供一种基于浏览器且功能强大的互动式分析工具。

6) Actuate e.Spreadsheet Designer:它是提供一个已用的报告开发环境，用于创建灵活、可定制且基于Excel电子数据表的报告。

5 系统实施过程

决策支持系统存在多种需求:自主查询、报表、OLAP分析、数据挖掘等，实际上，大约20%需要自主查询，20%需要创建报表，10%需要 OLAP分析和数据挖掘，50%需要阅读报表。数据仓库的建立也是一个长期复杂的过程，需要不断循环反馈，从而不断增长完善，建议以两个阶段来逐步建立决策支持系统:

1) 自主查询、灵活报表、泛化的OLAP分析。

2) 基于某一主题、深层次的OLAP分析和数据挖掘。

5.1 应用的开发［2］

应用的开发的主要任务是明确业务的界限，对不同的业务人员根据其权限定义相应的业务主题。主题建好以后，至于具体的查询、分析和报表可以不去理会，因为完成这些功能已非常容易，可由业务人员自己尽情发挥。

例如:电力营销业务中的重要主题包括客户主题分析、业扩主题分析、售电量主题分析、平均电价主题分析、应收电费主题分析、欠费主题分析、趸售电主题分析、抄表主题分析、经营主题分析、线损分析、利率调整电费分析、分时电费分析。

在Actuate iServer中建立一个 Encyclopedia报表共享环境，利用决策报表设计工具，让部分授权用户在WEB环境下自己定义分析主题和内容，使授权用户不需管理员在C/S状态下就能够随意选择任何主题进行快速分析。

利用Report Designer工具:在数据仓库中可以灵活定义新的主题、属性和分析手段，满足系统的不断扩充需求，灵活定制报表模版。

利用数据抽取工具:在因业务系统变更或主题变更发生数据源改变时，调整数据抽取方法。

5.2 数据挖掘应用的开发

利用Oracle Mining Tools/Actuate Analysis实现应用数据挖掘开发，其主要任务是对定义的目标建立相应的数据模型或预测模型，利用这些模型去挖掘所需要的结果。数据挖掘工具提供可视化图形界面。

5.3 Web应用的开发

利用 Actuate Query和Actuate Portal开发 WEB应用，包括定制主页面、客户化 Web界面、管理查询用户、实现用电资料的网上查询和分析。

5.4 系统的功能设计

1) 标准的统计报表生成:从客户服务层及营销业务层提取合成客户的原始信息及加工处理信息，利用报表设计工具形成自助报表。

2) 综合查询:新装、增容与变更用电情况，电费应收、实收和欠费情况，电价执行情况和均价水平，客户的电量、电费和电价情况，供用电合同的签约和执行情况，电能计量管理情况，查询违约用电、窃电处理情况以及线损情况等。根据各种可行条件的组合，浏览查询客户服务、营销业务和工作质量情况。

3) 综合分析:在报表设计工具中，定义分析主题的信息属性。在报表分析工具中，利用主题内容的信息，通过挖掘、钻探、切片、旋转等手段实现综合分析内容。其主题包括有:销售分析主题;市场分析主题;新装、增容与变更用电分析。

4) 需求预测:在报表设计工具中，定义预测主题的数学模型。在报表分析工具中，自动实现预测内容。利用系统中的历史资料，预测分析，对预测结果进行修正校核。将数学模型求得的预测值与已发生的实际情况进行比较，并予以修正。如:地区用电预测、地区行业用电预测、自发自用电量预测、大用户用电预测、用电变化预测。

5) 营销能力分析:根据供电质量、服务和电价水平，分析营销能力对客户需求的适应程度，提出改进的意见。

6) 营销策略评估:建立数学模型进行营销策略的可行性评估。

7) 营销效果评估:根据各项营销措施的执行情况，定性和定量分析产生的经济效益和社会效益。

8) 客户分析:客户调查分析;客户信用评估;客户查询、咨询情况分析;客户投诉分析。

6 一个决策算法应用实例的实现

在决策算法中，有众多的数学方法，关键是结合应用主题建立一个实用、有效的数学方法，并将算法用脚本语言填写到报表公式中。主要算法有［3-4］:

6.1 预测算法

回归法、指数平滑法、人工神经网络法等。

6.2 分类分析与聚类分析算法

用聚类算法，它可以帮助市场人员发现顾客群中所存在的不同特征的组群，并可以利用购买模式来描述这些不同特征的顾客组群，如线损和故障分析、客户分类等。下面根据一个实例，采用聚类算法实现一个异常用电用户的分析过程。

聚类分析的主要依据是把相似的样本归为一类，而把差异大的样本区分开来。在由m个变量组成为m维的空间中，可以用多种方法定义样本之间的相似性和差异性统计量。

用xik表示第i个样本第k个指标的数据，用xjk表示第j个样本第 k个指标数据，用 dij表示第 i个样本和第j个样本之间的距离，我们采用欧几里德距离，其定义公式如下:

依次求出任何两个点的距离系数 dij(i，j=l，2，…n)以后，则可形成一个距离矩阵:

它反映了单元的差异情况，在此基础上就可以根据最短距离法或最长距离法或中位线法等，进行逐步归类，最后形成一张聚类分析谱系图。

设n个用户，用户平均电量为 x，容量 w为变量;第i个用户在 t时间产生样本指标为:yti=xti/wti;第j个用户在 t时间产生样本指标为:ytj=xtj/wtj;n个用户中第i个与第j个组成的差异为:dtij={(yti－ytj)2/2}1/2。

在Actuate e.report Designer的编辑器中，将决策算法公式编辑到数值计算公式中，并根据输出要求制定图表形式，操作截图如图3所示。

图3 决策算法定制方法截图

在获取一定数量的用户用电信息后，通过分析，确定了一个供电区某一用电用户在异常线损和电量变化异常情况下，找到该用电用户可能有偷电行为，及时将信息报告给用电检查部门，以待处理。图4为该处理过程。

7 结论

本文介绍了电力营销决策支持系统技术实现方案。通过对电力营销的信息应用，阐述了决策支持系统面向主题的功能设计和构建系统的体系结构。在构建的系统中，结合电力营销业务信息集成平台BIP实现了决策支持系统的整体结构。应该说，随着电力信息化建设的飞速发展，信息集成和决策支持将成为重要的应用领域，越来越受到各方面的重视。

图4 聚类分析处理过程

［1］ 龙建雄.SOA在电力营销系统中的应用［J］.北京联合大学学报:自然科学版，2007，21(2):39－44.

［2］ 国家电力公司发输电运营部.电力营销管理信息系统设计规范(试行)［M］.北京:中国电力出版社，2002.

［3］ 高洪深.决策支持系统(DSS)理论·方法·案例［M］.3版.北京:清华大学出版社，2005.

［4］ 陈文伟.决策支持系统及其开发［M］.3版.北京:清华大学出版社，2008.

Technological Solution to the Electric Marketing Decision Support System

LONG Jian-xiong
(College of Applied Science ＆ Technology，Beijing Union University，Beijing 102200，China)

With the rapid development of information construction of electric power enterprise，information integration and decision support have become an important field of application.In the technology applications of electric marketing decision support system，a decision support system of business-oriented theme has been established by the electric marketing information integration platform.Under the electric marketing business requirements，the decision support system kits have been solved and a comprehensive algorithm for decision support has been achieved on the basis of these kits.By the practical applications，the analysis reports and the prediction evaluations for the electric marketing business can be processed flexibly with this system.

electric marketing;decision support system;data warehouse;on-line analysis process;information integration platform

F 407.61

A

1005-0310(2010)01-0036-06

2009－09－05

龙建雄(1959—)，男，湖南湘潭人，北京联合大学应用科技学院副教授，高工，硕士，从事计算机科学应用技术，软件工程与软件架构设计和应用开发，企业信息集成和项目管理。

(责任编辑 彭丹宇)