基于K-means的电力缴费行为数据研究与应用
发布时间：2021-05-23 22:52
在智能电网电力营销发展的新向标下,电网企业必须要精确定位优质客户,转变原有的思维模式,科学配置服务资源,要以普通企业的视角看待市场营销。研究和分析电力用户的行为数据,精确定位用户的需求、消费习惯、行为趋势和心理变化,对国家电网等电力企业放开售电市场,改善国内用户服务质量,提高海内外市场核心竞争力具有重要意义。本文首先对电网现有的营销业务应用系统、95598客服系统中积累的电力用户行为历史数据进行清洗转化等数据预处理工作,得到去除异常值和空值的规范数据集。在电力缴费数据用户价值分析模型缺乏的情况下,基于传统RFM消费者价值分析模型,结合电力用户缴费行为的特点,构建了 CRFMO电力缴费用户综合价值评价模型,在对CRFMO特征采用最小-最大标准化处理后,基于K-means算法实现了此CRFMO特征价值模型的电力缴费用户价值分群。其次,为了优化K-means聚类算法存在的初始聚类中心随机的问题,本文结合DPC密度峰值算法,提出一种优化的KD-means聚类算法,通过计算基于加权欧氏距离的相似度矩阵,得到所有样本点的局部密度和高密度距离,进而获得簇中心选择指数,从而确定初始簇中心点。通过对比聚...
【文章来源】：西安科技大学陕西省
【文章页数】：66 页
【学位级别】：硕士
【文章目录】：
摘要
英文摘要
1 绪论
1.1 研究背景及意义
1.1.1 课题研究背景
1.1.2 课题研究意义
1.2 国内外研究现状
1.2.1 数据挖掘在电力行业的研究现状
1.2.2 国网用户行为分析应用研究现状
1.3 论文研究内容
1.4 论文组织结构
2 相关技术与理论研究
2.1 数据挖掘相关技术研究
2.1.1 数据挖掘概念原理
2.1.2 数据挖掘流程步骤
2.1.3 数据挖掘方法任务
2.2 聚类分析算法研究
2.2.1 聚类分析简述
2.2.2 聚类分析中的距离方法
2.2.3 聚类分析算法理论研究
2.2.4 聚类分析算法评估标准
2.3 本章小结
3 基于K-means的电力用户缴费行为分析
3.1 电力用户缴费行为数据预处理
3.1.1 数据准备
3.1.2 数据清洗转换
3.2 基于电力用户价值分析的CRFMO模型构建
3.2.1 RFM模型介绍
3.2.2 电力用户价值分析CRFMO模型构建
3.2.3 标准化CRFMO模型的5个特征
3.3 基于K-means聚类算法进行用户分群
3.3.1 K-means聚类算法基本原理
3.3.2 K-means聚类算法的流程
3.3.3 K-means聚类算法的构建
3.3.4 聚类结果分析
3.4 本章小结
4 基于KD-means优化的电力用户缴费行为分析
4.1 密度峰值发现聚类算法
4.1.1 DPC算法概述
4.1.2 DPC算法基本思想
4.2 密度峰值优化初始中心的K-means聚类算法
4.2.1 DPC优化初始中心
4.2.2 优化的KD-means聚类算法流程
4.2.3 优化后的聚类结果对比分析
4.3 电力缴费用户价值聚类分群结果分析
4.4 本章小结
5 电力缴费行为数据分析系统实现
5.1 系统框架总体介绍
5.1.1 系统框架
5.1.2 系统构成及功能模块
5.2 系统展示
5.2.1 电力缴费数据系统平台
5.2.2 电力用户分群价值分析
5.3 本章小结
6 结论与展望
6.1 总结
6.2 展望
致谢
参考文献
附录
【参考文献】：
期刊论文
[1]国家电网公司“三型两网”的战略内涵及实施问题[J]. 杜志婕,蔡明珺,潘益伟. 科技与创新. 2019(21)
[2]K-Means聚类算法研究综述[J]. 杨俊闯,赵超. 计算机工程与应用. 2019(23)
[3]基于数据挖掘的电网故障关联规则的研究[J]. 彭刚,唐松平,曾力,肖云. 计算机与数字工程. 2019(09)
[4]电网故障智能诊断技术研究综述[J]. 刘仲民,呼彦喆,张鑫. 南京师大学报(自然科学版). 2019(03)
[5]聚类算法综述[J]. 章永来,周耀鉴. 计算机应用. 2019(07)
[6]基于电力大数据的用户用电行为分析研究综述[J]. 辛苗苗,张延迟,解大. 电气自动化. 2019(01)
[7]售电侧市场化改革开放对公司供电服务的影响[J]. 陈东,汪丽. 江西电力职业技术学院学报. 2018(12)
[8]一种基于数据挖掘技术的电力负荷预测算法研究[J]. 张小军,吴标,孙帆,徐路强. 自动化技术与应用. 2018(12)
[9]微服务体系结构实现框架综述[J]. 辛园园,钮俊,谢志军,张开乐,毛昕怡. 计算机工程与应用. 2018(19)
[10]面向智慧城市的电力数据挖掘多场景应用[J]. 孙芊,马建伟,李强,杨磊. 电力系统及其自动化学报. 2018(08)
博士论文
[1]密度峰值聚类算法研究[D]. 杜明晶.中国矿业大学 2018
硕士论文
[1]电力系统数据挖掘可视化平台的关键技术研究与实现[D]. 吴建建.郑州大学 2016
本文编号：3203107
【文章来源】：西安科技大学陕西省
【文章页数】：66 页
【学位级别】：硕士
【文章目录】：
摘要
英文摘要
1 绪论
1.1 研究背景及意义
1.1.1 课题研究背景
1.1.2 课题研究意义
1.2 国内外研究现状
1.2.1 数据挖掘在电力行业的研究现状
1.2.2 国网用户行为分析应用研究现状
1.3 论文研究内容
1.4 论文组织结构
2 相关技术与理论研究
2.1 数据挖掘相关技术研究
2.1.1 数据挖掘概念原理
2.1.2 数据挖掘流程步骤
2.1.3 数据挖掘方法任务
2.2 聚类分析算法研究
2.2.1 聚类分析简述
2.2.2 聚类分析中的距离方法
2.2.3 聚类分析算法理论研究
2.2.4 聚类分析算法评估标准
2.3 本章小结
3 基于K-means的电力用户缴费行为分析
3.1 电力用户缴费行为数据预处理
3.1.1 数据准备
3.1.2 数据清洗转换
3.2 基于电力用户价值分析的CRFMO模型构建
3.2.1 RFM模型介绍
3.2.2 电力用户价值分析CRFMO模型构建
3.2.3 标准化CRFMO模型的5个特征
3.3 基于K-means聚类算法进行用户分群
3.3.1 K-means聚类算法基本原理
3.3.2 K-means聚类算法的流程
3.3.3 K-means聚类算法的构建
3.3.4 聚类结果分析
3.4 本章小结
4 基于KD-means优化的电力用户缴费行为分析
4.1 密度峰值发现聚类算法
4.1.1 DPC算法概述
4.1.2 DPC算法基本思想
4.2 密度峰值优化初始中心的K-means聚类算法
4.2.1 DPC优化初始中心
4.2.2 优化的KD-means聚类算法流程
4.2.3 优化后的聚类结果对比分析
4.3 电力缴费用户价值聚类分群结果分析
4.4 本章小结
5 电力缴费行为数据分析系统实现
5.1 系统框架总体介绍
5.1.1 系统框架
5.1.2 系统构成及功能模块
5.2 系统展示
5.2.1 电力缴费数据系统平台
5.2.2 电力用户分群价值分析
5.3 本章小结
6 结论与展望
6.1 总结
6.2 展望
致谢
参考文献
附录
【参考文献】：
期刊论文
[1]国家电网公司“三型两网”的战略内涵及实施问题[J]. 杜志婕,蔡明珺,潘益伟. 科技与创新. 2019(21)
[2]K-Means聚类算法研究综述[J]. 杨俊闯,赵超. 计算机工程与应用. 2019(23)
[3]基于数据挖掘的电网故障关联规则的研究[J]. 彭刚,唐松平,曾力,肖云. 计算机与数字工程. 2019(09)
[4]电网故障智能诊断技术研究综述[J]. 刘仲民,呼彦喆,张鑫. 南京师大学报(自然科学版). 2019(03)
[5]聚类算法综述[J]. 章永来,周耀鉴. 计算机应用. 2019(07)
[6]基于电力大数据的用户用电行为分析研究综述[J]. 辛苗苗,张延迟,解大. 电气自动化. 2019(01)
[7]售电侧市场化改革开放对公司供电服务的影响[J]. 陈东,汪丽. 江西电力职业技术学院学报. 2018(12)
[8]一种基于数据挖掘技术的电力负荷预测算法研究[J]. 张小军,吴标,孙帆,徐路强. 自动化技术与应用. 2018(12)
[9]微服务体系结构实现框架综述[J]. 辛园园,钮俊,谢志军,张开乐,毛昕怡. 计算机工程与应用. 2018(19)
[10]面向智慧城市的电力数据挖掘多场景应用[J]. 孙芊,马建伟,李强,杨磊. 电力系统及其自动化学报. 2018(08)
博士论文
[1]密度峰值聚类算法研究[D]. 杜明晶.中国矿业大学 2018
硕士论文
[1]电力系统数据挖掘可视化平台的关键技术研究与实现[D]. 吴建建.郑州大学 2016
本文编号：3203107
本文链接：https://www.wllwen.com/shoufeilunwen/boshibiyelunwen/3203107.html
