基于数据挖掘的电力营销决策支持系统的结构原理及算法研究

随着我国电力市场的逐步发展和完善，电力工业已经逐步从“卖方市场”转变为“买方市场”，这将给我国电力工业的发展带来重大的影响。作为独立市场主体的电力企业，其经营目标转变为关注企业效益的最大化，工作的重点逐渐从发输电方面转移到市场营销开拓以及电力需求侧的管理服务方面。 随着机制的转换，传统的面向基本业务的信息管理系统(如用电MIS等)已不能满足电力企业营销工作的需要，如何建立适应于我国电力营销需求的决策支持系统已成为当务之急。 数据挖掘技术是人工智能和数据库结合的产物，用于发现海量数据库中存在的潜在关系和规则，已经成为一种重要的智能决策方法以及决策知识获取的重要途径，在决策支持系统中具有重大的应用研究价值。 本文对电力营销决策支持的需求进行了详细的分析和设计，在此基础上提出了一种全新电力营销决策支持系统的整体框架设计原理。该系统结构的特点是具有问题引导功能以及融合了数据仓库、OLAP分析以及DM技术，能较好地满足电力营销决策支持系统的实际需要。 基于数据仓库的OLAP技术是电力营销辅助决策支持的重要技术之一。在详细分析数据仓库基础上，设计了电力营销数据仓库的实现方案；对电力营销的OLAP分析内容和方法进行了研究；在BusinessObject基础上设计和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。 DM技术与OLAP技术是电力营销决策支持系统中的关键数据分析技术，二者有机结合构成的多维数据挖掘模型能提高数据分析的效果和性能。针对多维数据挖掘模型中的挖掘空间的选择方法问题，提出了一种用于数据挖掘空间选择的神经网络结构和算法，其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。 鉴于聚类分析在数据挖掘中具有重要的作用，本文针对聚类分析中聚类数确定难的问题，深入研究了聚类准则的选择和曲线特性；提出了一种基于SOFM神经网络的结构自适应聚类神经网络，其特点是能够自动确定最佳的聚类数。基于实际营销数据，采用结构自适应聚类神经网络技术实现了用户用电量时间特征分析，所得结论对于电价的针对性的调整以及合理地安排电力生产具有重要的参考价值。 本文的研究成果对于电力市场环境下电力企业的电力营销决策系统的方案设 重庆大学博士学位论文 计以及实现有重要的参考价值。 关键词:神经网络，聚类分析，电力营销，决策支持系统，数据挖掘，数据仓库， 联机分析