《试论关联规则技术在电力市场营销分析中的实践--.docx》由会员分享，可在线阅读，更多相关《试论关联规则技术在电力市场营销分析中的实践--.docx（6页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、试论关联规则技术在电力市场营销分析中的实践由于体制市场化改革在我国的逐渐深入与持续引入的竞争机制，势必打破全国系统的垄断地位。电力为了能在电力市场竞争中站稳脚跟，就必须减少自身的生产经营成本，为用电客户带来最佳服务，深入了解自身竞争对手。因此，必须借助现代信息技术予以解决，从而数据挖掘技术显得尤其重要。数据挖掘技术是从具备噪声的大量数据里，将隐匿其中的未知与潜在信息以及相关知识提取出来，并进行有效分析的技术。数据挖掘技术的主要方法是关联规则，它是利用特别搜索算法，把数据集中项集之间有意义的关联关系挖掘出来，用数据集进行关联特征描述，有利于决策者分析各时期的数据特点，较好地预测未来。本文论述了关
2、联规则与电力市场的概念，对关联规则技术在电力市场中的作出了分析。一、概述电力市场营销（一）电力市场营销的定义本文的电力市场所指的是竞争性的电力市场，是指电能生产者与使用者针对相关产品，采用协商与竞价等方法开展交易，利用市场竞争来明确数量与费用的机制。电力市场营销主要是电能生产者在不断变化的电力市场里，为了满足使用者对电力消费要求，采用一系列的营销方式为使用者带来最佳的电力产品，提供令使用者最为满意的服务，以此来获得利益的综合性经营销售活动。将其定义简易化，即是凭借电力市场交换来满足需求者与潜在需求者的过程。（二）电力市场营销的特点电力产品与其余商品比较，存在一定差异，其区别有：电力产品的单一性
3、使电力市场营销策略缺少其发挥空间，使用者对于用电需求的差异使得电力产品所售电价也存在不同，从而使电力产品产生多种价格;电力产品的市场交易无需顾及存货成本，因为电力产品自身就具有一系列环节，从发电至输送再至销售的过程，都能瞬间解决，不像一般产品那样复杂;电力产品的销售依赖于电器与用电设备的使用状况，因而电力产品的市场营销需要有效结合电器设施等;电力产品若发生故障，其影响是广泛的，因而必须创建全日制的后勤团队。虽然电力产品和其余商品存在差异，但它们之间也具有某些共性，如两者都需要依照市场价值规律开展交易;其目的都是为了满足消费者的需求。二、概述关联规则技术关联规则的基本模型能够用如下方法描述：将事
4、务数据库假设为C=E1，E2，En，则En被称为事务E，组成E的元素（n=1，2，）被称为事务的项。概念一为项集与频繁项集，项集是指项的集合，相对支持度为项集的支持度。若项集的相对支持度达到预设的最小支持度阈值，则称为频繁项集。概念二为关联规则，关联规则就像其EF的蕴含式，其中E与F都是C的项集，并其EF=X，关联规则的条件是项集E，关联规则的结果为项集F。概念三为可信度和支持度，可信度是同时含有项集E与项集F的事务在全部含有项集E的事务中所占据的比例。关联规则EF的支持度是同时含有项集E与项集F的事务在C的全部事务中所占据的比例，即为EF的支持度。概念四为强关联规则，若关联规则EF存在，那么
5、EF的支持度满足用户预设的最小支持度阈值，其可信度满足用户预设的最小可信度阈值即为强关联规则。强关联规则对于使用者感兴趣的、发现某些数据所具有的潜在规律有重要指导作用。通常将关联规则挖掘的过程分成两个部分，分别为找出事务数据库内全部的频繁项集与由频繁项集形成的强关联规则。在这两部分中，最主要的是找出全部的频繁项集，决定关联规则整体性能。三、关联规则技术在电力市场营销分析中的将关联规则技术应用到电力市场营销分析中，能够分析其电力市场营销数据库，获得有关规则。通过分析关联规则，有利于发现价格与销售行为等因素影响售电量的情况，判断各类电力消费群的消费倾向与习惯存在的差异，从而有助于电力市场营销工作人
6、员制定出合理的营销计划。（一）创建事务数据集依据关联规则挖掘技术在电力市场营销分析中的应用流程，挖掘技术直接面对的数据源是事务数据集，由于电能生产者的售电行为会被多种因素所影响，关于大部分售电行业的营业数据能从电能生产者的售电信息系统内选取，而相关气象数据依据的是气象部门的降雨与气温信息，然后再将获得的所有数据利用逻辑关系进行有效整合，把丢失数据相应补充，对异常数据做相应修正，最终创建成关联规则分析的售电事务数据集。（二）关于k-means聚类技术的相关处理电力行业与其他行业相比较，在营业数据的数据形式上出现很大差异。比如电力营业数据里的价格、用量、气象等因素，是具备持续性的数值或数据，正是由
7、于其持续性，形成了阻碍数据的挖掘与规律的总结等因素。所以，必须对售电事务数据集予以相关处理，本文采用了k-means聚类技术处理事务数据集。k-means聚类技术属于常见处理方式之一，能够将空间中的多个样本点分成多数个簇，每个簇之间存在显著差异，并且在簇里的样本点具有较高的相似度，能够紧密分布并聚集。因此，在实际工作的处理过程里，需要依据不一样的样本予以具体分析。四、举例说明客户群聚类细分：根据对电力客户的定义，抽取一定比例的客户，如2014年1-10月份的用电量信息、业务办理信息、缴欠费信息、沟通渠道信息和违约用电信息进行建模，并将大客户进一步细分为优良客户、发展型客户、风险客户和普通客户群
8、。优质客户用电需求量最高，且呈现一定的增长趋势，用电波动较小;发展型客户当前用电量需求较其他类客户偏低，但年用电量增长最快，业扩报装需求较高;风险型客户用电需求相对较高，但电量增长较缓慢，改类、高压减容、暂停及恢复用电业务需求较高，违约用电和欠费风险均为最高;其他客户为普通客户，该类客户量最大，占总的大客户数量将近80%以上。五、结束语通过上述对关联规则技术在电力市场营销中的探讨得出，关联规则技术具有创新性与重要意义，对电力市场营销人员制定一个全面细致、有针对性的营销计划有重要作用。虽然目前对于该技术的研究还处在起步阶段，许多方面还存在一定欠缺，但只要不断对该项技术进行探讨与研究，寻找到解决方法和突破口，才能让关联规则技术在电力市场营销分析中，发挥实际性的辅助作用。