基于多维数据挖掘的电力营销决策支持系统研究

基于多维数据挖掘的电力营销决策支持系统研究赵东研电10071102201317内容概要1、背景及国内外研究现状2、决策支持系统相关理论综述3、电力营销决策支持系统需求分析4、电力营销决策支持系统总体结构设计5、总结背景及国内外研究现状电力行业具有资金、技术密集的特点。伴随着电力企业各种管理信息系统(电力营销MIS、用电MIS、调度MIS等)的普及应用，电力企业产生了海量的基础数据，呈现在运行人员和决策者面前的己经不是部门、单位的数据库，而是浩瀚的数据海洋，导致“数据爆炸却知识贫乏”的现象。背景及国内外研究现状针对这一情况，面向决策支持的数据挖掘技术应运而生。它是数据库知识发现KDD(KnowledgeDiscoveryinDatabase)的核心技术，是人工智能与数据库结合的产物，它应用一些专门的算法从数据库中提取出有效的模式，能从大量的数据中发现潜在的规律，以提取有用的知识。背景及国内外研究现状由于我国电力行业的独特性，电力市场化和西方发达国家的电力市场化改革的局面差别巨大，以及DSS所具有的较强针对性，这些特点决定了国外电力公司己有的决策支持系统不能直接为我国所用。决策支持系统相关理论综述决策支持系统（简称DSS）是以管理科学、运筹学、控制论和行为科学为基础，以计算机技术、仿真技术和信息技术为手段，针对某一类型的半结构化或非结构化的决策问题，通过提供背景材料、协助明确问题、修改完善模型、列举可能的方案、进行分析比较等方式，为管理者做出正确决策提供帮助的人机交互式的信息系统。决策支持系统相关理论综述一个完整的DSS系统模式被表示为DSS与“真实系统”、人和外部环境的关系。决策支持系统相关理论综述DW、DM和OLAP技术最初是解决“数据爆炸知识贫乏”问题的，但是由于它们之间内在的联系和互补性，使得这三种技术在高级决策支持系统中己经成为一个密不可分的核心，同时也为DSS系统解决以上问题开辟了新的途径。具体体现在以下几点：决策支持系统相关理论综述1、数据仓库（DW）技术使用多维的立方体方式存储和管理面向主题的数据，加上其固有的集成性和时变性，使其作为数据分析平台非常合适，为DSS提供了极佳的数据集成和数据库平台；决策支持系统相关理论综述2、联机分析处理（OLAP）技术侧重于数据仓库的多维数据分析，并将其分析结果转化为决策信息，这与DW的多维立方体存储方式形成了很好的统一。因此，利用基于DW的OLAP技术不但较好地解决DSS系统数据分析手段缺乏的问题，也解决了DSS交互能力差的弊端。决策支持系统相关理论综述数据挖掘（DM）技术是人工智能和数据库技术相结合的产物，可以挖掘出隐藏在海量数据之中的潜在模式和知识，包括总结性知识、关联性知识、分类模型知识、聚类模型知识等，这些知识既可以直接用于决策过程，也可以放入知识库中作为知识保存，随着时间的推移将积累更多的知识。因此，DM技术很好的解决了DSS系统的知识获取“瓶颈”问题。电力营销决策支持系统需求分析需求分析是系统设计的首要步骤，全面而准确的需求分析是系统开发是否成功的必要条件。在需求分析基础上，结合数据挖掘技术设计构造全新的基于多维数据挖掘的电力营销决策支持系统的结构框架，使之适应于电力营销工作的辅助决策支持。电力营销决策支持系统需求分析根据某市供电公司用电MIS业务系统的状况和功能，决策支持系统应实现四个主要功能：综合在线查询、自动化业务报表、客户分析以及综合分析。电力营销决策支持系统需求分析一、综合在线查询主要用于实现对某市供电公司所辖各个基层业务单位的用电情况的全面综合的在线查询。包括以下四个方面的查询。（1）用户用电档案查询，实现对全局的大宗用户(指定某一用户)的用户基本情况和用电情况的查询。电力营销决策支持系统需求分析用户号用户名称基层分局电压等级行业类型装机容量…...电力营销决策支持系统需求分析（2）线路用电情况查询，实现对全局的某条配电线路的用电量、总电费情况的查询。线路名称供电地区线路电压等级供电类别……线路编号电力营销决策支持系统需求分析（3）业扩工作查询，实现对全局的某用户的业扩及变更情况的查询（4）电能计量资产查询，实现对各个电能计量资产设备的分类动态查询电力营销决策支持系统需求分析二、自动化业务报表实现的全新的业务报表的自动化，其基本要求如下：(1)设计特定条件，提取客户服务层和营销业务层的原始及处理信息，利用报表设计工具形成自助报表：(2)根据有关方面的要求，生成和调用固定报表；电力营销决策支持系统需求分析(3)万能组合报表：只要经过简单的培训，用户可在短时间内自行生成任意组合的报表(不同数据库、不同数据表、不同视图的任意组合)，满足各种上报表格不断变化、领导意图不断更新的需要。(4)万能组合查询：不同数据库，不同数据表，不同视图间不同字段的任意组合查询。电力营销决策支持系统需求分析三、客户分析客户分析也是DSS系统的核心内容之一，分析的关键的要具有全面详细的客户数据资料，主要包括以下内容：(1)客户调查分析(2)客户信用分析(3)客户查询、咨询情况分析(4)客户投诉分析电力营销决策支持系统需求分析四、综合分析综合分析是DSS系统的主要核心功能，归纳起来，系统需要实现以下功能：(1)销售分析(5)需求预测(2)市场分析(6)营销分析(3)新装增容变更分析(4)业务质量分析电力营销决策支持系统总体结构设计电力营销决策支持系统(简称PMDSS)是一个涉及范围广的较为复杂的综合性的DSS系统。根据以上的分析讨论的实际情况，针对传统的DSS系统存在的问题，采用数据挖掘技术，设计出全新结构的DSS系统，更好满足实际应用的需要，PMDSS体系结构及数据流向示意图如图所示电力营销决策支持系统总体结构设计电力营销决策支持系统总体结构设计电力营销决策支持系统(PMDSS)系统特点①基于DW技术、OLAP技术和DM技术的决策支持系统解决了传统的DSS固有的问题，是该电力营销决策支持系统的主要特点。②该决策支持系统既包括了传统的决策分析功能，又含有有关电力营销业务监控和查询的功能，能较好满足实际工作的需要。电力营销决策支持系统总体结构设计③针对电力营销决策需求进行针对性问题引导，以满足常规的电力营销决策分析的需要；而对于其它特殊的决策分析需求，通过自然语言理解接口来进行补充，二者有机结合形成了友好的人机交互接口系统。电力营销决策支持系统总体结构设计电力营销决策支持系统的关键技术①数据仓库的构建技术②数据分析技术③模型选择技术④多库协同接口工作技术⑤知识管理技术⑥自然语言理解技术电力营销决策支持系统总体结构设计电力营销决策支持系统多维数据挖掘空间选择1、多维数据挖掘决策支持系统2、人工神经网络（ANN）选择多维数据挖掘空间中的研究电力营销决策支持系统总体结构设计1、多维数据挖掘决策支持系统本文所介绍的多维数据挖掘决策支持系统在总体结构上采用融合方式实现，即将DM、OLAP、DW作为单独的部件，根据各自的功能和联系实现与其它部件(模型库、方法库、知识库、人机接口等)的联系和沟通。电力营销决策支持系统总体结构设计另外还涉及到各个部件之间的具体的融合方式。为了在互联网上实现分布式DSS系统，可以采用人工智能最新技术之一的Agent和多Agent技术来构建各个DSS智能部件，如交互Agent、知识库管理Agent、数据挖掘Agent等等，而这些Agent可分布于网上的任何位置。电力营销决策支持系统总体结构设计2、人工神经网络（ANN）选择多维数据挖掘空间中的研究人工神经网络(ArtificialNeuralNetwork，简称ANN)主要被认为是一种数学方法或工具，用以解决传统的数学方法无法或难以解决的问题。将神经计算技术用于数据挖掘，可借助神经网络的非线性处理能力和容噪能力，较好地解决这一问题。电力营销决策支持系统总体结构设计另一方面，从挖掘出的知识种类来看，目前数据挖掘研究主要着重于关联规则、特征规则、分类规则、聚类规则、时序规则、模式相似性、Web浏览路径等方面，虽然利用神经计算挖掘关联规则具有一定的难度，但其完全可以胜任其他种类知识的挖掘。电力营销决策支持系统总体结构设计常规的神经网络规则提取的三个步骤为：神经网络训练、神经网络剪枝以及神经规则的提取。电力营销决策支持系统总体结构设计根据抽取规则算法设计思想的不同可以分成基于结构分析的算法和基于性能分析的算法两大类，基于结构的算法有：Gallant法、Sbset法、OFN算法、RX算法等：而基于性能分析的算法有：RF算法、基于学习的规则抽取算法、基于有效区间分析的规抽取算法等。电力营销决策支持系统总体结构设计结合神经网络变量选择方法的思想，针对多维数据挖掘的特定任务，可使用如下图所示的用于多维空间挖掘的非全连接的神经网络结构。电力营销决策支持系统总体结构设计电力营销决策支持系统总体结构设计该网络的结构特点是，每个输入节点代表某个维的一个成员，且只与一个隐层节点连接，相同维上的全部成员的输入节点被连接到一个隐层节点，该隐层节点实际上代表了某个维。通过这种连接思想，可以将多个这种结构的网络实现级连，实现多维数据的多层深度的数据挖掘空间的选择。电力营销决策支持系统总体结构设计实际使用时，使隐单元的数目与问题所涉及的维数相同，其所对应的输入为描述属于同一维的成员特征。如用电行业中的用户类别维可包括8个输入：居民照明、非居民照明、普非工业、大工业、农村综合、农排、夏售、商业。如将它们的变化特征作为输入指向同一个隐单元，网络收敛后，可公式计算每个维的贡献分量，贡献分量最大的几个维便是主聚焦维，它们便构成了数据挖掘空间。总结本文从我国现阶段的电力营销工作的实际情况出发，结合数据仓库、OLAP和挖掘技术对电力营销决策支持系统的结构以及涉及到的几个关键技术进行了比较深入的研究，结论如下：总结(1)根据我国现阶段的电力营销工作的实际情况，对电力营销进行了详细的需求分析，提出了一种新的电力营销决策支持系统的结构框架。该系统结构主要特点是有机的融合了DW,OLAP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。总结(2)通过详细分析，设计了电力营销数据仓库的实现方案；(3)对电力营销的OLAP分析内容和方法进行研究，设计并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。总结(4)提出了一种用于数据挖掘空间选择的神经网络结构及算法，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。(5)结合某供电公司的电力营销实际状况，对其数据仓库，OLAP和数据挖据空间的选择进行了详细设计，形成了一个较为完善的基于多维数据挖掘的电力营销决策支持系统实际应用模型。