基于数据挖掘技术的电力营销分析系统的设计与实现
本文选题:数据挖掘 切入点:电力营销分析系统 出处:《电子科技大学》2015年硕士论文 论文类型:学位论文
【摘要】:国家电网公司在2006年提出“SG186”信息工程建设规划,并于2006年至2009年间,完成了包括财务、生产、营销、物资、人资等八大业务的信息系统建设。利用信息通信技术,有效地推进了电力流、业务流、信息流的三流合一,同时积累了大量的业务数据。各业务部门,尤其是售电、供电部门,如何基于形成的历史数据,发掘、利用其中的数据价值,为企业运营管理提供辅助决策,是一个急需解决的迫切问题。本文设计并实现了基于数据挖掘技术的电力营销分析系统,该系统分为两大部分的功能,包括数据挖掘建模功能及分析场景功能,数据挖掘建模功能将时间序列、分类、聚类、回归、关联规则等算法以可视化图形进行封装、集成,形成数据挖掘流组件,实现了模型的配置和建模过程的可视化;分析场景功能包括模型管理及场景应用两大模块。该系统研究了五个分析场景,包括电费回收风险场景分析、客户停电信息场景分析、用电风险场景分析、电力服务场景分析、大客户服务场景分析。整个系统中,算法研究、组件开发、封装是难点,场景建模是关键,可扩转、健壮、符合业务逻辑的模型为数据挖掘、分析工作提供了支撑。论文首先根据系统建设目标进行了需求分析工作,然后根据需求提出的目标对系统进行了设计和实现,最后对系统进行了详细的功能测试,测试结果表明系统满足业务分析的需求。本文通过构建分析场景模型,阐述了如何将数据挖掘技术应用于电网企业售电、供电业务运营管理。同时,结合不同主题所面临的业务逻辑,有针对性的选取不同数据挖掘算法,建立数据模型,得到了相应的分析结果,并利用分析结果指导业务开展,对提升售电、供电服务能力及服务品质产生了指导意义,加强了对售电、供电业务数据的企业级分析能力,使公司资源配置更优、内部控制力更强、管理效能和整体效益更高,是全面提升公司运营管理水平的重要保障。
[Abstract]:The national Power Grid Corp in 2006 proposed the "SG186" information construction plan, and in 2006 to 2009, including the completion of the financial, production, marketing, construction materials, human resources and other eight business information system. The use of information and communication technology, effectively promote the power flow, business flow, information flow of the three in one at the same time, the accumulation of a large number of business data. The business sector, especially the sale of electricity, the power supply department to historical data, based on the formation of the excavation, the value of the data, to provide decision support for enterprise operation and management, it is an urgent problem to be solved urgently. In this paper, the design and implementation of electric power marketing data analysis system based on mining technology, the system is divided into two parts of the function, including data mining model and scene analysis function, data mining modeling time series, classification, clustering, regression, association rules algorithm The visualization package, integration, the formation of data mining flow component, visualization and configuration model; analysis of scene features include model and scene management application of two modules. The system of the five analysis scenarios, including the analysis of electricity recovery risk scene analysis, customer outage information of the scene, analysis of risk of electricity scenario analysis of power service scenarios, analysis of customer service scene. The whole system, algorithm research, component development, packaging is difficult, scene modeling is the key to scalability, robust, in line with the business logic model for data mining, analysis provided support. Firstly, according to the demand analysis system construction goal then, according to the needs of the target on the design and implementation of the system, the system functional testing in detail. The test result shows that the system meets the business analysis The demand. This paper constructs the analysis scene model, expounds how to apply data mining technology to the sale of electricity grid enterprises, power supply business operation management. At the same time, the business logic with different topics facing, targeted to select different data mining algorithms, the establishment of data model, got the analysis results, and use analysis the guidance of the business, to promote the sale of electricity, the power supply service capacity and service quality have guiding significance to strengthen the sale of electricity, power supply enterprise business data analysis, make the company better allocation of resources, internal control is stronger, the management efficiency and the overall efficiency is higher, is an important guarantee to enhance the operation and management of the company the level.
【学位授予单位】:电子科技大学
【学位级别】:硕士
【学位授予年份】:2015
【分类号】:TP311.13;TP311.52
【相似文献】
相关期刊论文 前10条
1 黎洪生,卓祯雨;数据挖掘技术及其在过程监控中的应用[J];广东自动化与信息工程;2002年03期
2 黎洪生,卓祯雨;数据挖掘技术及其在过程监控中的应用[J];计算技术与自动化;2002年04期
3 何志国,曹玉东;数据挖掘技术[J];攀枝花学院学报;2002年06期
4 贺玉珍;浅析数据挖掘技术[J];运城高等专科学校学报;2002年03期
5 庞先伟;基于数据挖掘技术的资源型学习[J];现代远程教育研究;2002年03期
6 卢辉斌,王拥军;数据挖掘技术在入侵检测中的应用[J];燕山大学学报;2003年02期
7 张丽丽;数据挖掘技术的应用分析[J];山西经济管理干部学院学报;2003年04期
8 张红军;谈谈数据挖掘技术及其应用[J];广西梧州师范高等专科学校学报;2003年03期
9 田小霞,刘晓霞;数据挖掘技术在客户保持中的应用研究[J];微计算机应用;2003年03期
10 刘兰辉;论前途光明的数据挖掘技术[J];内蒙古科技与经济;2004年05期
相关会议论文 前10条
1 孙义明;曾继东;;数据挖掘技术及其应用[A];全国计算机安全学术交流会论文集(第二十二卷)[C];2007年
2 马洪杰;曲晓飞;;数据挖掘技术和过程的特点[A];面向21世纪的科技进步与社会经济发展(上册)[C];1999年
3 宁红梅;安志兴;葛亚明;李敬玺;赵坤;钟华;陈俊杰;崔艳红;;数据挖掘技术在兽医学中的应用[A];Proceedings of 2010 National Vocational Education of Communications and Information Technology Conference (2010 NVCIC)[C];2010年
4 王桂芹;黄道;;数据挖掘技术综述[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用(CACIS)学术会议论文集[C];2007年
5 徐宝莲;李晓奇;;数据挖掘技术在网络游戏中的应用[A];第十一届中国不确定系统年会、第十五届中国青年信息与管理学者大会论文集[C];2013年
6 胡广芹;陆小左;;数据挖掘技术在中医诊断中的应用[A];中国中西医结合学会诊断专业委员会2009’年会论文集[C];2009年
7 戈欣;吴晓芬;许建荣;;数据挖掘技术在放射科医疗管理中的潜在作用[A];2009中华医学会影像技术分会第十七次全国学术大会论文集[C];2009年
8 铁军;吴智明;;数据挖掘技术在工业铝电解生产中的应用[A];第十九届全国数据库学术会议论文集(技术报告篇)[C];2002年
9 王建华;王菲;黄国建;;数据挖掘技术研究的现状及展望[A];中国运筹学会第六届学术交流会论文集(上卷)[C];2000年
10 肖健华;吴今培;;数据挖掘技术及其应用实例[A];2001年中国智能自动化会议论文集(下册)[C];2001年
相关重要报纸文章 前10条
1 记者 吕贤如;大力加强数据挖掘技术研究应用[N];光明日报;2006年
2 主持人 李禾;数据挖掘技术如何驱动经济车轮[N];科技日报;2007年
3 梅静彦;数据挖掘技术在美国银行的应用[N];金融时报;2006年
4 邹广普;数据挖掘技术在保险业中的应用[N];中国保险报;2010年
5 陈晓 山西财经大学教师;数据挖掘技术在高校教学管理中的应用[N];山西经济日报;2010年
6 张崇峰;挖掘,,再挖掘[N];中国计算机报;2003年
7 刘红岩、何军;利用数据挖掘技术获得商业智能[N];中国计算机报;2003年
8 ;IBM公司推出新型数据挖掘技术[N];中国高新技术产业导报;2001年
9 刘军 兰小红 龚富强;新技术为老装备“保驾护航”[N];大众科技报;2006年
10 ;软件产业人才培养又辟新路[N];中国高新技术产业导报;2000年
相关博士学位论文 前10条
1 沈忱;基于贝叶斯网络数据挖掘技术研究《本草纲目》活血化瘀类中药性—效—用关系[D];南京中医药大学;2015年
2 姚山;基于数据挖掘技术的造林决策研究[D];北京林业大学;2008年
3 曹秀英;基于粗集的数据挖掘技术及其应用研究[D];哈尔滨工程大学;2003年
4 伍平阳;基于数据挖掘技术的医疗设备绩效预测方法的应用研究[D];南方医科大学;2008年
5 刘刚;数据挖掘技术与分类算法研究[D];中国人民解放军信息工程大学;2004年
6 王勇;时序数据挖掘技术及其在水质预测中的应用研究[D];广东工业大学;2005年
7 熊忠阳;面向商业智能的并行数据挖掘技术及应用研究[D];重庆大学;2004年
8 朱恒民;领域知识制导的数据挖掘技术及其在中药提取中的应用[D];南京航空航天大学;2006年
9 毛国君;数据挖掘技术与关联规则挖掘算法研究[D];北京工业大学;2003年
10 王萍;基于数据挖掘技术的消费者行为研究[D];吉林大学;2004年
相关硕士学位论文 前10条
1 肖建国;数据挖掘技术在就业指导与本科教学改革工作中的应用研究[D];吉林大学;2008年
2 钱和平;基于改进的灰色理论数据挖掘技术的研究[D];内蒙古农业大学;2010年
3 安冬冬;基于数据挖掘技术的常规公交服务水平评价体系研究[D];西南交通大学;2015年
4 陈萍;数据挖掘技术在网络教学中的应用研究[D];广东技术师范学院;2015年
5 邓博;基于数据挖掘技术构建电信4G客户预测模型的研究[D];兰州大学;2015年
6 赵明芳;数据挖掘技术在教学评教中的应用与研究[D];宁夏大学;2015年
7 苗家铭;基于数据挖掘技术的商业银行个人信用风险评估模型及其应用[D];南京财经大学;2015年
8 鲍素贞;数据挖掘技术在个性化网络教学平台中的应用研究[D];聊城大学;2015年
9 李文栋;基于Spark的大数据挖掘技术的研究与实现[D];山东大学;2015年
10 郭忠俊;基于数据挖掘技术的矿井提升机故障诊断研究[D];中国矿业大学;2015年
本文编号:1589030
本文链接:https://www.wllwen.com/guanlilunwen/yingxiaoguanlilunwen/1589030.html