论文部分内容阅读
随着电力行业的快速发展和电力体制市场化改革的不断深入,电力企业的职能已经逐渐由用电管理向营销服务转变,因此,电力市场营销分析就成为电力公司的基础性工作,它决定了电力企业能否在激烈的市场竞争环境下获得生存和发展。然而,目前的电力营销分析领域中,多数侧重于营销数据的管理,或者是对数据进行简单的统计分析。这些分析方法在面对日益庞大的电力营销数据库时,往往难以高效、深入地提取其中对营销决策有意义的信息。针对上述问题,本文以现代市场营销、数据挖掘为基本的理论基础,结合电力行业的具体特点,将基于粗糙集的多变量决策树运用于对电力营销数据的分析之中。首先将售电市场按照行业、月份等角度进行市场细分,然后针对不同的细分市场,运用基于粗糙集的多变量决策树技术研究其售电行为与各种影响因素(如电价、降水、温度等)之间的相互关系,并且使用一定的度量指标来具体量化这种关系。根据最终所挖掘出来的相互关系,营销分析人员可以对电力市场的特征有较为准确的判断和把握,从而进一步做出相应的营销策略。根据以上基本思路,本文将电力营销数据和各种影响因素数据进行整合,构建了以电力市场营销分析为主题的数据仓库;为了实现更高效的挖掘分析,运用一种改进的K-means聚类技术将原始数据进行了离散化的处理,以便进行知识归纳;然后运用粗糙集进行属性约简,并构造多变量决策树;最后在决策树的基础上提取出电量销售与电价、气温、降水等影响因素之间的关系,并且对结果进行相关性检验,消除结果中可能存在的误导性,保证了挖掘结果的准确。通过上述的实际工作,从而具体实现了数据挖掘技术与电力市场营销分析的有效结合。从最后所列举的挖掘算例可以看出,本文所实现的基于粗糙集的多变量决策树的挖掘算法能够快速、全面地获取电力行业的售电量水平与外部影响因素之间的关系,其中的一些关系能够揭示用传统分析方法难以发现的售电规律性。可见本文的方法对电力市场营销分析具有较强的辅助决策意义。