高倩颖　金玉

摘要：在市场经济不断发展的现在，电力企业需要不断满足各种电力消费需求，解决电力生产与电力消费的矛盾，根据市场需求发展电力，这就是电力市场营销存在的意义。实用数据仓库技术结合联机分析处理技术和数据挖掘技术对数据仓库中的数据进行分析，可提供良好的分析环境，并可作为决策的信息供应链。

关键词：电力营销；决策支持系统；联机分析处理；数据仓库；数据挖掘

中图分类号：TM769 文献标识码：A 文章编号：1009-2374（2013）14-0041-02

近年来，一些新技术（数据仓库技术、联机分析处理、数据挖掘技术等）的提出和发展，为进一步开发新的电力营销决策支持系统提供了技术支持。一些新的数据仓库技术得到发展，这是开发新的电力营销决策支持系统的基础，能够解答一些不好实现的问题。而对实用化的电力营销决策支持系统的开发需要对电力营销的过程和内容进行分析，在现在已经开发并应用的电力业务信息系统的基础上确定开发系统的步骤。实用数据仓库技术作为基础，结合联机分析处理技术和数据挖掘技术对数据仓库中的数据进行分析，可以为决策者提供良好的分析环境，并将数据仓库作为决策的信息供应链。

1 决策支持系统和数据仓库概述

1.1 决策支持系统

决策支持系统（DSS）的概念自20世纪被提出后就得到了迅猛发展。而数据仓库技术（DW）的出现，也为其提供了新的发展思路。

虽然我国的决策支持系统研究和应用的起步比较晚，但是决策支持系统应用的发展速度很快，决策支持系统应用的研究已经是我国信息系统领域的热点问题。

1.2 数据仓库技术

数据仓库是20世纪90年代提出的概念，它是为了在市场竞争中达到有效决策支持的产物。很多的企业都有自己的数据仓库，市场上已有很多数据仓库软件。目前，数据仓库已经可以将大量传统数据库中的基础数据进行清理，并对基础数据按照要求重新排列。而星型结构的数据仓库设计，可以高度集中不同的数据为不同的决策需求提供服务。同时，联机分析处理（OLAP）技术也随着数据仓库技术得到了发展。与数据仓库对数据的储存管理不同，联机分析处理对数据进行分析，将数据转换为辅助决策的信息。数据挖掘（DM）是最近比较活跃的研究领域。虽然目前此技术在电力行业系统中的应用有限，但主要是对此技术的理解和重视不足。

2 数据仓库在决策支持系统中的应用

电力营销决策支持系统（EMDSS）是电力系统应用中的一种提供决策支持的系统。电力营销决策支持系统需要建设一个庞大的系统工程。在这个系统中需要综合运用决策支持理论、数据仓库、OLAP技术、数据挖掘、Web网络等技术。

2.1 电力营销决策支持系统

电力营销决策支持系统由支撑层、数据管理层、决策工具层和决策层四部分组成。在建设电力营销决策支持系统时需要得到数据仓库及数据挖掘技术的支持。在电力营销决策支持系统中需要通过逻辑判断对各种决策数据和辅助决策的方案择优录入，综合出最佳决策解决的方案。通过电力营销决策支持系统得到的决策方案对某个区域内的电力资源的变化和发展做出预测，电力决策者可以通过这些预测做出决策。

在电力营销决策支持系统中，需要汇集整理各种元数据，并将它们整理汇集成数据库群，而数据仓库技术可以将这些元数据集成为电力营销决策支持系统需要的数据。可以说数据仓库技术的支持是电力营销决策支持系统的开发必要条件。由于营销决策的决策结构特点，需要特别设计知识获取模块，便于使用专家技术从数据中得到有价值的知识。可以综合利用联机分析处理和数据挖掘技术补充数据仓库中的知识，也可以将某些有特点和代表的营销决策案例存储在数据仓库中，为决策的制定提供参考知识。

电力营销决策支持系统是为电力企业的决策者提供营销策略决策辅助的，包括关于电力营销战略、电力运行管理的信息，还有为制定电力营销决策提供支持服务等。同时，为了保障电力营销决策支持系统正常可靠的运行，系统的设计需要保证系统的可靠性、智能性、容错性、开放性、安全性、应用性和可维护性。

2.2 EMDSS开发流程

电力营销决策支持系统是通过数据仓库技术生成与决策制定相关的知识库、模型库、方法库，并进行系统进行统一的管理。在EMDSS中，数据仓库作为一个数据平台，结合DSS分析技术、数据挖掘技术、OLAP技术为数据仓库中的数据进行挖掘和补充。

2.3 数据仓库的开发

2.3.1 数据仓库的数据来源。用电营销管理信息系统的现状和实际需求是构建电力营销数据仓库的基础。因为在电力系统中，电力营销具有分散性，组成数据仓库中的数据，很大一部分来自不同用电数据库中，这些数据库大多来自于各个不同的数据库，其中很大一部分数据库来自不同区域的电力基层，还有一部分数据库来自其他电力系统，甚至有一部分数据库是电力系统以外的，有些数据甚至需要人工录入然后通过Web技术得到提取与转化后才能储存如数据仓库中。

2.3.2 数据仓库的设计。与电力营销有关的数据进入数据仓库的时候，需要经过详细的设计，数据仓库才能有效地为电力营销决策的制定提供支持。设计一般分为概念模型、逻辑模型、物理模型三个设计阶段。

（1）概念模型设计：主题域的建立，就是确定指标。再确定数据仓库的维度和类别，先对元数据的数据库系统的构成加强理解和分析，考虑元数据在数据库系统中的组织形式和分布，深入理解后可以建立数据仓库系统的概念模型。通过对元数据的构成的理解对元数据的内容有清晰完整的认识。

（2）逻辑模型设计：每个数据仓库主题所对应的一个关系表，而逻辑模型就是这种关系模式的表现。逻辑模型也可以被称作关系模型，用关系表示各种主题之间的联系，它简化了一些设计和开发的工作。逻辑模型的建立是数据仓库建立的重要一步，也是电力企业对业务数据的需求的反映，并且也指导物理模型的建立。

（3）物理模型设计：传统的数据库设计方法为先设计逻辑模型，再根据逻辑模型建立星形模型，最后是物理模型的建立的模型设计方法。一般而言，物理模型实现的基础是逻辑模型，逻辑模型中建立的星形图可以为建立一个具体的物理模型提供指标实体和详细类别实体，而维度表通常并不是直接转变为物理数据库表，而是为物理模型的建立提供查询参考、过滤和聚合数据。而逻辑模型在数据仓库中的体现就是物理模型，物理模型的建立可以实现数据仓库的物理存取方式、数据存储结构、数据存放位置和分配等功能。

数据仓库的使用与维护就是建立DSS应用，即使用数据仓库，DSS应用的特点是从数据出发，数据的不断循环往复的过程，建立一个DSS应用应遵循以下步骤：

首先，必须确定DSS所需的数据。将数据仓库中的数据确定到一个可以满足DSS应用要求数据范围；编写程序从相应的数据库中抽取数据；对抽取的数据进行合并，在多个数据源存在的条件下，在抽取数据后还要进行合并、提炼等操作，使这些数据符合数据仓库分析处理的需求；对得到的数据进行分析，对已经得到合并、提炼等操作的新数据进行分析处理，查看数据分析结果是否满足建立的DSS的要求，如果数据还不能满足条件，就需要返回最开始，重新开始一次循环，建立DSS，如果认为数据满足要求，就可以进行对分析结果的报告；得到分析报告，问题得到回答，这个部分一般需要前面几次循环重复的过程才能得到；将结果存入知识库，将本次案例进行例行化存储，如果再进行一次相同的处理分析后，可以不用重复以上部分，直接的到分析结果，这一部分，需要不断地累积加强知识库储备。最后理解分析决策需求，调整和完善系统，维护数据仓库。

3 结语

本文从系统的实用性出发，对电力营销的决策过程进行了深入分析，建立了关于电力销售为分析中心的决策模型。模型中使用了数据仓库、数据挖掘、OLAP等技术以及统计分析等数学方法，以电力营销业务流程分步骤开发，具有一定的实用性。

同时，随着用电营销系统的完善和相关电力市场的建立，将使供电行业的经营理念转变更快，为了适应市场需求，地理决策者也会更加关注于相关信息。为了实现获取信息的科学化和系统化，减少不确定的数据，因此基于数据仓库、联机分析处理及数据挖掘等技术开发的电力营销决策支持系统将成为相关电力企业未来信息系统建设的主要开发方向。

参考文献

[1] 何涛.小议云南电力营销信息系统的建设[J].云南电力技术，2001，（1）.

[2] 庄济诚.DB2数据库管理与应用教程[M].北京：清华大学出版社，2004.

[3] 赵飞.基于数据仓库技术的电力营销决策支持系统研究[D].华北电力大学，2006.

[4] 王睿淳.电力营销支持系统的设计[A].内蒙古电机工程学会第七次全区会员代表大会论文集[C].2005.

[5] 杨琪昌，李玉龙.IBMDB2高级管理指南[M].北京：电子工业出版社，2004.

[6] 刁琰.商务智能系统及其在医院成本核算分析系统中的应用[D].扬州大学，2009.

[7] 洪冰.基于数据仓库技术的电力营销决策支持系统设计[D].华南理工大学，2005.

[8] Ma XW，David IS，Kwok WC.Evolution toward stan dardized market design[J].IEEE Trans.on Power Systems，2003，18（2）：460-469.

（责任编辑：周 琼）