吴贵精

摘要：随着经济发展，人口增多，用电量增大，电力公司的运营内容也越来越复杂，工作量越来越大。电力营销系统是电力企业运营中的一个重要组成部分，如何顺应数据时代的潮流，应用数据挖掘技术，促进电力营销系统及电力企业的发展。本文就此问题，简述了什么数据挖掘技术和电力营销系统，明确了数据挖掘技术在电力营销系统中的可行性，最后陈述了数据挖掘技术在电力营销系统中的实际应用。

关键词：数据挖掘技术；电力营销系统；研究与应用

一、 数据挖掘技术及电力营销系统

（一） 数据挖掘技术

数据挖掘就是应用科学手段从大量的、类别模糊的、随机的、不完全的大数据中，挖掘出有用的信息的一种信息处理技术，其挖掘过程经历从数据清理到数据变更，从数据变更再到数据挖掘，再到数据评估等过程。利用数据挖掘技术对企业的海量数据进行分析、挖掘与整合从中提取对企业发展有利的信息，其提取出的信息对企业决策、活动开展和运行都起到了极大的辅助作用。常见的数据挖掘软件有SAS EM、IBM旗下SPSS公司的Modeler以及国产神舟通用公司的K-Miner。

（二） 电力营销系统

营销系统是企业为创造客户价值，与客户进行交换，最终目的是提升企业形象，增加企业营业收入的一种经营手段。电力营销系统则是电力公司通过营销手段，提升电力企业收入的系统。

通常情况下营销系统分为三大要素即生产系统、品牌系统和销售服务系统。生产系统是企业提供企业客户购买、选择、交换的企业产品或企业服务。对于电力公司而言，电力营销生产系统则是为用电客户提供电能输送，让客户有点可用。品牌系统则是企业树立良好的企业形象，建立企业品牌识别系统使客户对企业生产的商品产生购买欲望，对于电力企业来讲就是以明显的标志和容易记忆的企业电话来提升社会群众对电力企业的认知度。销售服务系统则是，企业为赚取或挽留客户提供客户满意的销售模式或售后服务，对于电力企业来说，就是给客户提供稳定的电能输送，在电路故障时提供迅速有效的检修服务。[1]

二、 数据挖掘技术应用到电力营销系统的可行性

数据挖掘技术在电力营销系统中应用的可行性多是由电力营销系统的数据特征决定的。

第一点，电力营销系统的数据量大，电力营销管理系统的数据资源，来源于多方面系统提供的数据，如SCADA、地理信息技术系统、管理信息系统等，所蕴含的海量数据单纯凭借逐一数据分析，其运算量是极大的。

第二点，电力营销系统的数据种类多样、复杂。电力营销系统的数据可能蕴含客户的用电量、用电时段、低耗能电器购置情况等，这些数据多样复杂，逐一处理上也会出现差错。

第三点，电力营销系统的数据不一定高，电力系统所统计的数据，多少都会出现偏差，通过数据挖掘筛选出数据中的错误，减少计算量与计算误差。[1]

三、 数据挖掘技术在电力营销系统中的应用

（一） 数据挖掘在电力营销系统中的操作流程

第一步，收集信息。依据确定的选定收集对象，及收集内容，收集对营销系统有用的信息，选择合适的收集方法，并将收集来的信息存入信息库。

第二步，数据集中。将收集来的数据，存入信息库后，根据逻辑或分类将不同类型的数据进行归纳汇总，有利于公司内数据的抽取与使用。

第三步，数据清理。将数据库中不完整的、错误的、超过使用期限的或触及客户个人隐私的数据进行删除，利于海量数据的处理效率与处理速度，也节省了数据库的存储空间。

第四步，数据变换。即通过变换手段将筛选后的数据转换为利于数据挖掘的数据形式。

第五步，数据挖掘。将数据库中经过筛选清理后存留下来的数据，应用合适的分析工具进行分析处理。常见的分析工具包括应用统计方法、事例推理、决策树、规则推理、模糊集、甚至神经网络、遗传算法。

第六步，模式评估。通过专家学者验证数据挖掘结果的正确性与可行性。

最后，知识表示。将通过无误的数据挖掘结果呈现出来，并存入数据库中。

（二）数据挖掘技术在电力营销系统中的应用

数据挖掘的主要技术有关联规则、序列、分类、聚类以及空间挖掘。

电力营销现阶段主要应用的一个技术手段即是关联规则。关联规则在营销中的具体解释与研究过于深奥，本文以经典案例作为分析和具体提出应用措施。关联规则应用最成功的案例在于沃尔玛超市经过数据挖掘得出与啤酒同时购买的情况下销量最高的是尿布，于是沃尔玛经理分析其原因是父亲会在帮妈妈选购婴儿尿布时顺带从超市带走一瓶啤酒，经理就此把尿布和啤酒陈列到一起。这点在电力营销上可以理解为捆绑式销售具体措施是可以在电费缴纳处安防电力公司自主生产商品的柜台，从而增加销量。

分类的数据挖掘技术手段也在电力营销中得到了发展应用。管胜利曾在其2007年五月的专业杂志《电力信息化》上发表学术论文，名为《应用数据挖掘技术估计SCADA系统不良数据状态》，利用分类树形成子信息库的方法，对SCADA数据库的不良数据状态进行估計，从而降低了SCADA数据库运算次数，提升了运算效率。

最广泛、最系统、最经典的短期负荷预测法就是序列法。神经网络是短期负荷中应用最广泛的。长江序列法与神经网络结合进行数据分析。

聚类集中通常应用到对客户分类和信用评价，不良数据修正、变压器、继电器诊断等方面。

空间挖掘技术的应用有利于决策人员快速的诊断决策，做出正确的反应，对电力企业意义重大。[2]

最后在数据挖掘的过程中，还要注意对客户隐私的保护，以及私人隐私不可触碰的底线。在数据的收集时要注意触及私人隐私的数据尽量不收集，数据使用时要做好保密工作，数据在用完一段时间后，要注意数据的清理。

加强数据挖掘人才的应用与培养。我国对信息挖掘技术的应用与研究还有发展空间，未来还有许许多多的新型技术手段，等待我们去探索。以确保客户隐私安全、促进数据挖掘的准确与价值为前提为前提，促进数据应用与电力营销发展，加快人才培养，提升数据挖掘技术的探索与应用。

总结：随着经济的增长，人口的增加，用电单位的增多，电力企业营销系统的运营与完善对于电力企业的运营、发展来说都至关重要，电力公司的运营系统管理者，要充分利用现代科学手段及科研成功，运用海量信息大数据，了解并熟练掌握数据挖掘技术，结合运营出出现的问题和发展现状，根据数据体现出的客户意愿或活动倾向，进行经营策略调整，促进电力公司的盈利与发展。

参考文献

[1]许敏.数据挖掘技术在电力营销系统中的应用及发展[J].科技与企业， 2015 （10） ：60-60

[2]隋春明.基于数据挖掘技术的电力营销分析系统的设计与实现[J].电子科技大学， 2015