（控制理论与控制工程专业论文）电力营销决策支持系统的研究和设计.pdf

电力营销决策支持系统的研究和设计 摘要 本文以电力营销系统为研究背景，针对电力企业改革后电力营销工作中一些急需解 决的问题进行了研究。 电力营销系统与其他企业的营销系统一样，所面临的环境都是复杂多变的，因此有 关电力营销的决策支持系统属于半结构化的决策支持系统范畴。这类系统中的决策含有 大量不确定因素，缺乏程序化工作范式，需要意向决策支持的问题十分多见。本文提出 了在电力营销管理系统中应用包含专家系统的推理模型思想，构建出了一个具有意向决 策支持功能的电力营销管理系统框架，对如何建立问题生成子系统及其内部知识库进行 了讨论。本文以一个具体问题为例，对其中模型库的构建进行了研究，建立了一种基于 智能技术的数据挖掘模型，完成了电量销售情况的预测，为购售电工作提供了客观指导。 本文提出了电力营销决策支持系统的总体设计方案，完成了其软件和硬件运行环境的设 计。针对具体问题，给出了数据转换、多维预览、报表图表显示、m d x 语句自引导、 模型分析等多种功能的具体实现过程。 文中的电力营销系统经调试，可以正常、稳定的工作，基本上可以满足整个购售电 工作的分析和决策的需要。对于提出的智能预测方法，进行了仿真实验，收到了较好的 效果。对于所提出的在电力营销工作中应用意向决策支持技术的思想，给出了使用的具 体例子。 关键词：电力营销决策支持系统意向决策支持技术数据仓库数据挖掘智能技术 电力营销决策支持系统的研究和设计 a b s t r a c t t h i sp a p e rt a k e sp o w e rm a r k e t i n gs y s t e ma s w o r k i n gb a c k g r o u n d ，d i s c u s s e ss o m e i m p o r t a n tp r o b l e m sc o m i n gf r o mt h er e f o r m a t i o no fe l e c t r i c a lp o w e rc o r p o r a t i o ni no t l r c o u n t r y , t h ee n v i r o n m e n tw h i c hm a r k e t i n gs y s t e mo fe l e c t r i cp o w e rf a c e si sv e r yc o m p l e xa n d c h a n g e a b l e ，j u s ta st h eo t h e rm a r k e t i n gs y s t e m s od e c i d es u p p o r ts y s t e m ( d s s ) o fp o w e r m a r k e t i n gb e l o n g st ot h ec a t e g o r yo fs e m i s t r u c t u r e ，d e c i s i o nm a k i n go ft h i ss y s t e mh a s m u c hu n c e r t a i n t yf a c t o r ，l a c k sn o r m a lf o r mt ob ef o i l o w e d ，t h e r e f o r em a n yq u e s t i o n sn e e d i n t e n d i n gd e c i s i o ns u p p o r t r e a s o n i n gm o d e lb a s e do ne x p e r ts y s t e m ( e s ) a p p l y i n gt op o w e r m a r k e t i n gs y s t e mi sd e s c r i b e di nt h i sp a p e r ，m e a n w h i l e ，t h es t r u c t u r eo fk n o w l e d g eb a s eo f t h i ss y s t e mi sd i s c u s s e di nd e t a i l m o r e o v e rt h ep a p e rs e t su pad a t am i n i n gm o d e lo fo nl i n e a n a l y s i sp r o c e s sd a t a b a s eb a s e do ni n t e l l i g e n tt e c h n i q u e s ，o f f e r sam e t h o dw h i c hi so nt h e b a s eo fp r e d e c e s s o r sa n dc o m b i n e sa n na n df u z z yc o n t r o lt ot h i sp r o b l e m ，a n dd e s i g n st h e s o f t w a r es y s t e mo fp o w e rm a r k e t i n gd s sb a s e do nd a t a b a s ew a r e h o u s er u n n i n g m a n a g e m e n tf o rd a t at r a n s f o r m a t i o ns e r v i c e s ( d t s ) ，p i v o t t a b l es e r v i c e ，m u l t i d i m e n s i o n a l e x p r e s s i o n s ( m d x ) s e l f - l e a d i n g ，m o d e la n a l y z i n ga l s o t h ep a p e rf o c u s e soni n t e n d i n gd e c i d e s u p p o r tt e c h n i q u e ，d a t am i n i n gm o d e la n di m p l e m e n t a t i o no f p o w e rm a r k e t i n gd s s t h ep o w e rm a r k e t i n gd e c i s i o ns u p p o r ts y s t e mh a sb e e nt e s t e dr u n n i n gn o r m a l l y , a n dh a s r e a c h e dt h er e q u i r e m e n tb a s i c a l l y as i m u l a t i o ne x a m p l eo ft h eb u y s e l le l e c t r i c p o w e r f o r e c a s t i n gs h o w sb e t t e rr e s u l t s k e y w o rds：powerm a r k e t i n gd s s i n t e n d i n gd e c i s i o ns u p p o r tt e c h n i q u e d a t aw a r e h o u s ed a t am i n i n g i n t e l l i g e n tt e c h n i q u e s i i 电力营销决策支持系统的研究和设计 0 前言 0 1 背景 我国的电力事业经历了几十年的发展，已经达到了相当的规模，特别是进入8 0 年代 以后，随着国民经济快速、持续、稳步的发展，电力系统的理论研究和工业应用都受到 了很大的促进。在国家制定的一系列发展电力事业政策的有效推动下，电力系统正逐步 向综合自动化方向迈进，其规模覆盖了变电站自动化、负荷控制、配电投资、变电送电、 用电管理以及基于决策支持的电力综合管理系统。 9 0 年代以来，电力系统从理论研究到工业应用上都在发生着一场深刻的变革。 理论研究方面，电力系统经历了三个阶段。6 0 年代以前是经典理论研究阶段；6 0 年代到8 0 年代，计算机的应用和控制论的引入促使电力系统进入现代理论研究阶段；9 0 年代以来，由于引入竞争理论而发展到电力市场理论研究阶段。 工业应用方面，世界各国形成了“大机组、大电网、高电压、集中供电”的电力行 业发展传统模式。1 9 9 5 年全世界发电能力为3 0 7 9 亿k w 。据国际能源机构( i e a ) 1 9 9 8 年世界能源展望对2 0 2 0 年以前的电力生产和消费预测，到2 0 2 0 年全世界发电能力 将达到5 9 1 5 亿k w 。 我国电力事业的发展速度更是惊人的，自改革开放以来，我国发电装机容量就以 1 0 g w 年的速度持续增长，其年平均增长率达到了7 6 8 ；发电量的增长率也达到了每 年7 4 8 。到1 9 9 8 年底，我国发电机容量达到2 7 7 g w ，发电量达到1 1 5 7 t w h ，已经 基本上形成了比较完善和具有相当规模的电力体系。电力工业的发展速度也已由过去主 要取决于投资规模逐步转变为由市场需求来决定，电力市场逐步由卖方市场向买方市场 转变。自1 9 9 6 年下半年起，我国的电力供需基本上达到平衡，从而结束了自7 0 年代初 开始的持续了2 0 多年的全国性缺电局面，这不但基本上适应了国民经济日益发展和人 民生活水平不断提高的需求，而且还将竞争机制引入了电力市场。 在这种情况下，如何搞好电力市场营销工作成为了当今电力企业面临的一个主要课 题，市场营销工作的质量将直接影响电力企业的生存和发展。电力企业的决策层必须能 够根据电力市场需求的变化，及时捕捉有吸引力的市场机会，灵活配置电力市场营销资 源。通过适当的电力产品策略、电力渠道策略、电力促销策略和电力定价策略，来满足 电力消费市场需求uj 。因此，过去那种简单粗放的纯用电管理，已经远远不能适应市场 经济的要求，必须利用信息技术等新兴技术建立起市场经济下的电力营销决策支持系统， 为营销工作提供强有力的现代化技术支持手段，加强监督管理水平，提高企业竞争能力， 以市场和客户为中心，以方便客户为宗旨，创造全新的服务方式，最大限度的提高企业 效益【2 1 。 o 2 电力营销决策支持系统发展概况和存在的问题 电力营销决策支持系统的研究和设计 一般情况下，电力营销管理系统分为营销业务管理层、客户服务管理层、营销质量 管理层和营销决策支持层四层，其中营销决策支持层是电力营销管理的最高层，它主要 完成综合指标分析、用电需求预测、市场策划等功能，并为高层营销决策提供全面的信 息支持，电力营销决策支持系统就是用来完成这部分功能的。 目前，国内致力于供电综合自动化决策支持系统研究的企业只有为数不多的几家， 如：深圳金蝶和福州起点等，这些企业的一个共同点就是都在有关数据仓库和决策支持 系统方面进行了一定的研究，积累了不少相关的经验，但是对于情况较为特殊的电力营 销决策支持系统的研究，却很少涉足。真正在电力营销决策支持方面开展研究工作，并 取得一定成效的是东方电子，但他们只是对于解决确定的、目标单一的、例行决策支持 和管理问题取得了良好的效果：而对于电力营销决策经常要面对的突发性事件，却没有 提供有力的支持。因此，在这种情况下，针对现阶段电力营销决策支持系统的现状，研 究的重点应放在设计和开发出一套深入浅出、可视性强的交互式决策支持系统上，而不 是过分的强调求深求全、设计和开发耗资巨大、功能复杂的庞大系统。 在电力营销工作中主要存在以下几个主要问题： l 、目前，电力营销工作的运营管理，一直沿用传统的解决方案，但随着系统运行 时间的推移和电力市场中新设备的投入，数据量在不断增长。如此大量的数据，存放在 数据库中，不但统计查询性能将大幅度下降，而且还会因为缺少有力的工具而难以得到 有效利用。 2 、传统的电力营销管理系统已经可以完成包括市场管理、业扩报装、抄表计费、 收费与帐务、电能计量、用电检查、综合管理在内的有关电力营销方面的多项日常工作， 并且可以提供一些例行的辅助决策功能，例如：经营业绩分析、管理业绩分析、客户动 态分析等。但是对于一些非例行的决策问题或意向决策问题却没有提出明确的解决方案。 3 、在电力营销决策中，运营成本是决策所需考虑的重要方面，同时也是决策管理 者最为关心的一个问题，而电量的销售情况又直接关系到电力企业的运营成本和经营状 况。但在目前的营销工作中，有关购电和售电的各项决定并不是基于数据库中信息丰富 的数据，而是基于决策者的直觉。 4 、传统的电力营销统计报表主要是基于s q l 语句在传统数据库上的操作，这种方 法虽然可以完成生成统计报表的功能，但因为每次报表生成的时候都要执行大量重复的 s q l 语句的处理工作，所以在数据量较大的时候，整个报表的生成需要较长时间，从而 降低了整个系统的运行效率。 0 3 本文主要工作 基于以上问题，本文以电力营销决策支持系统为题进行了调研、系统设计、软件编 程和模型设计等工作。 本文将主要围绕以下几点提出自己的看法和见解。 1 、 提出了在电力营销工作中应用意向决策支持技术的思想，并设计了一个“d s $ 电力营销决簸支持系统的研究和设计 + 问题求解单元+ 知识库”的智能决策支持系统( i d s s ) 方案以完成意向决策支持功能。 2 、 提出了基于智能控制技术的用电预测数据挖掘( d m ) 算法，并通过仿真实验， 以及与s q ls e r v e r 中模型的对比，证明了该方法的准确性和实用性，为现场应用作了 准备。 3 、 提出了电力营销决策支持系统的总体设计方案，完成了其软件和硬件运行环境 的设计，进行了数据转换聚合子系统、统计报表生成子系统、综合查询子系统和综合分 析子系统四部分的设计。 4 、 以电力营销中的购售电工作为例，给出电力营销决策支持系统的数据转换聚合 子系统、综合查询子系统和综合分析子系统三部分的具体实现过程，完成了包括数据转 换、多维预览、报表图表显示、m d x 语句自引导等功能。 5 、 提出了一种基于o l a p 技术的电力营销统计报表生成方法，提高了报表生成的 速度和效率。 电力营销决策支持系统的研究和设汁 1 意向决策支持技术在电力营销中的应用 随着电力企业改革的不断深入，电力营销体制也随之发生了深刻的变化。为了配合 这种转变，适应市场发展的新需要，实现电力系统管理的信息化，应该建立起全新的电 力营销管理系统，这样才能更好的考核营销工作质量，加强工作流程监督，使整个电力 营销体系的经营管理水平和科学预测水平得到普遍提高。 我国从2 0 世纪9 0 年代以来就开始开发和使用电力营销管理系统，迄今为止，应用 的电力营销管理系统已经可以完成包括市场管理、业扩报装、抄表计费、收费与帐务、 电能计量、用电检查、综合管理在内的有关电力营销方面的多项日常管理工作，并且可 以提供一些例行的辅助决策功能，例如：经营业绩分析、管理业绩分析、客户动态分析 等。但是对于一些非例行的决策问题或意向决策问题却没有提出明确的解决方案。本文 以电力系统为研究背景，把意向决策支持技术应用于电力营销决策之中，为电力营销系 统的决策支持提供了更为灵活的手段。 1 1 意向决策支持概述 意向，在决策领域中是指决策者关于某一决策问题的一种模糊的想法。这种想法往 往难以在决策者头脑中形成一个单一、明确的概念描述【3 。当系统应用的领域比较单一， 或是只局限于一个狭小范围时，这种意向决策问题并不多见，因为决策者往往对所面临 的情况十分熟悉，所以一般都能够提出一个明确的目标；但当所处理的问题进入综合性 的、有关全局的应用领域时，需要意向决策支持的问题就变得比较常见。此时决策者本 身也只是直观的感到应该做出某种决策，至于这种决策究竟是有关那方面的，是个什么 样的决策问题，就无法确定。此时，决策者所需的就是系统提供有关方面的意向决策支 持服务。意向决策支持技术就是采用相关方法解决此类问题的一种技术。目前，学术界 在这方面有很多理论和方法提出，如人工神经元、专家系统、灰色理论、模糊理论等。 1 2 意向决策支持在电力营销系统中应用的主要目标 电力营销系统与其他企业的营销系统一样，所面临的环境都是复杂多变的，因此电 力营销的决策系统属于半结构化的决策系统范畴，这类系统的决策中含有大量的不确定 因素，缺乏程序化的工作范式，需要意向决策支持的问题十分多见，但现在普遍应用的 电力营销管理系统，对于解决确定的、目标单一的、例行决策支持和管理问题确实取得 了良好的效果；而对于电力营销决策中经常要面对的突发性事件，却没有提供有力的支 持。针对这种情况，在电力营销系统中加入意向决策支持功能，用以解决一些模糊的非 例行问题是很有必要的。一般它应达到以下两个建设目标。 1 、以客户为中心，创建真正的“交互式”系统 以往开发的电力营销管理系统往往只侧重于单纯的事务性劳动，使用户的大部分时 4 电力营销决策支持系统的研究和设计 间和精力都花费在被动的查询工作中，这种缺乏用户和使用者之间双向交互的系统已经 不适应电力营销工作发展的需要。加入意向决策支持功能后的新系统能实现主动式的管 理，它面向用户，采用多种手段与用户交流，提供给用户一个详尽的联想和推理的空间， 从而帮助用户把自己笼统的决策意向转化为清晰的决策问题，实现了“以用户为中心” 的交互式设计。 2 、 面向市场，建立具有“灵活性”的系统 一般对于电力营销系统的开发人员而言，真正的困难在于正确理解用户的意图( 即 构造问题) 而不是对相应的问题进行求解( 即解决问题) 。这是因为( 1 ) 用户与系统开 发人员存在着对专业知识认识上的差异；( 2 ) 在没有提供明晰的联想和推理框架时，用 户难以完全说明他们本身的确切要求。这样开发出的系统是不具备灵活性的。 为了使电力营销系统的工作及决策具有一定的灵活性，适应电力市场竞争的加剧， 以及电力市场环境的变化所带来的一些意想不到的变化的影响。在全面系统的分析基础 上，在电力营销管理系统中加入意向决策支持功能，使整个系统具有了真正意义上的灵 活性。 1 3 具有意向决策支持功能的电力营销管理与决策系统 图1 1 电力营销决策系统框图 f i g 1 - 1b l o c kd i a g r a mo f p o w e rm a r k e t i n gd s s 电力营销决策支持系统的研究和设计 一般的决策支持系统都是面向模型的，而决策者又是面向问题的，为了解决这个矛 盾，为意向决策问题提供最有力的支持，应该采用基于知识的问题生成和解决子系统， 通过它与决策者的交互，获取事实进行推理，并最终确定一个模型方案。这种解决方案， 实际上也可以看作是包含了专家系统的推理模型，目的是利用专家系统的定性分析机制， 实现定性分析与定量分析的有机结合。 在电力营销决策与管理系统的具体设计中采用了“d s s + 问题求解单元+ 知识库”的 i d s s 设计方案1 4 j ，在传统的d s s 基础上增加了一个知识库和问题求解单元，设计系统框 图如图1 - 1 所示。 1 r 3 ，1 问题生成子系统原理 如前所述，对于一个辅助决策过程而言，困难的是构造一个问题而不是解决一个问 题，所以如何利用现有技术引导用户对自己的决策意向进行识别；如何运用人机交互的 手段一步一步的对决策意向进行明确和细化，使其最终转化为一个决策问题，这正是设 计此系统的难点。而问题生成系统的设计是意向决策支持系统的瓶颈问题，以下就以电 力营销系统为背景，给出问题生成子系统的设计方案。 文献 3 给出了一般的问题生成系统的运行机制，如图1 - 2 所示。 图1 - 2 问题生成系统运行机制 f i g 1 2f u n c t i o nm e c h a n i s mo f q u e s t i o nm a k i n g 此运行机制实际上就是人类完成相应意向推理的全过程：人们在解决自身无法清晰 表述的问题时，总是先把它限制在某个大范围之内( 即情景设定阶段) ，如：市场策划问 题；然后根据自联想和借鉴他人的经验，把此范围内的各项因素及其与问题的相关程度 列出( 即意向详细描述阶段) ；再在此范围中，通过分析、推理把一个决策意向明确为一 电力营销决策支持系统的研究和设计 个决策问题( 情景分析阶段) 。在利用计算机进行意向决策支持辅助设计时，当然也是遵 循这些原则。 1 3 2 问题生成子系统的设计及建构相关知识库 依据上述机制，并结合各种意向决策支持技术，电力营销意向决策支持系统中问题 生成子系统应具有图1 - 3 所示结构。 用户 人机交互界面 知识库管理推理机( 控制模块) 情景设定( 分析) 知识库 图1 - 3 问题生成子系统结构 f i g 1 - 3s y s t e ms t r u c t u r eo f q u e s t i o nm a k i n gs u b s y s t e m 1 、人机交互界面：人机交互界面的功能是实现用户与计算机之间的对话，这是问题 生成系统设计中需要很好解决的问题之一，因为计算机不但要通过人机交互界面接受决 策者的问题或意向描述，还要把问题生成的结果通过人机交互界面告诉用户，这个过程 相当于问题运行机制中的意向识别过程。设计时可采用多媒体的人机交互界面。这里的 多媒体指的是以多种媒体命令为人机交互手段多媒体命令包括用户键盘输入的字符 命令、鼠标输入的图形命令或语音输入等1 5 j 。同时也要兼顾到用户的用语习惯和决策风 格。 2 、知识库：知识库的设计是整个子系统运行的基础，也是应用意向决策支持技术要 重点解决的问题。按性质的不同，可把知识分为事实性知识和规则性知识两种，事实性 知识用于描述一些电力营销的基本情况；而规则性知识则是对联想和推理的结果以条件 一结论的形式给予描述。依据问题生成系统运行机制，知识库可由以下几个子知识库组 成。 情景设定知识库：情景设定知识库中的知识用来细化用户的意向决策问题。可以采 用概念分层的方式设计情景设定知识库。概念分层是一种有用的背景知识形式，一个概 念分层就是定义一个映射序列，它将低层概念映射到更一般的高层概念【6 】。 因为电力营销主要是围绕着营销活动进行的，而营销活动考虑的又是如何满足用户 的需求和扩大企业的盈利，所以有关电力营销的决策又可以从客户分析、电力销售情况 分析、需求预测和市场策划这几个方面分别考虑，可以把这几个方面作为基本问题，让 用户在其中考虑其他方面和其他因素，来细化自己的问题。以有关“客户分析”的意向 电力营销决策支持系统的研究和设计 决策基本问题为例，这个基本问题包含的其他因素是：考虑行业( 的客户分析) 、考虑大 小客户、考虑客户信用、考虑客户的投诉这四个小问题。这些具体的小问题可以映射到 它所属的较高层次的概念中。这些映射就形成了“客户分析”的概念分层，见图1 - 4 。 图1 4 ：“客户分析”的概念分层 f i g l 。4 “u s e ra 。n a l y s i s ”c o n c e p t i o nh i e r a r c h y 有了这种概念分层的形式，用户就可以通过“上卷”( 即通过一个维的概念分层向上 攀升) 和“下钻”( 它是上卷的逆操作，它显示由不太详细的数据到更详细的数据) 操作 在多个抽象层上细化自己的决策意向，之后再自由的组合这些选项，给出相应选项在此 决策意向中所占的比重( 用0 到1 之间的数表示) ，并使所有选项的比重值之和等于1 。 例如，经过这一步，用户把自己的决策意向的详细描述为：“考虑行业”( o 2 ) 、“考 虑大小客户”( 0 3 ) 、“考虑客户信用”( o 5 ) 的客户分析问题。 实际应用中可以把知识作为一种特殊的数据存储在数据库中。可以以s q ls e r v e r 2 0 0 0 作为前端数据仓库平台，v b 为编程语言，完成相应设置。 上述实例在数据库中的主表可设计为 客户分析分层知识主表d b _ u s e rk n o w le d g e 具体表示如表卜1 所示。 在实际应用中，用户选择了哪几个方面来细化意向，就在表中增加一个记录，把相 应选项置为1 ，如上例中增加的记录为( 11 l0 ) ，可依据此值调用相关表，并进行相应 情景分析知识库中的处理。 电力营销决策支持系统的研究和设计 表1 - 1 客户分层知识主表 t a b l e1 - 1u s e rc o n c e p t i o nh i e r a r c h yk n o w l e d g et a b l e 键字段名类型长度空含义关系表 情景分析知识库：情景分析知识库中的知识起到了模型自动引导的作用。在这里采 用的技术是包括推理规则知识库和模型设定知识库的常用模型自动引导方法。它的原理 主要是先将决策问题映射到模型的各主要特征集合上，然后再由模型的特征集合映射到 各模型集合上。主要包括推理规则知识库和模型设定知识库。 推理规则知识库：此知识库中以“i 卜t h e n ”的形式存放着用户的决策问题与模型的 各主要特征间的相关性和对各主要特征的支持度。这些知识可以是由领域专家、知识工 程师、系统用户提供：也可以是数据挖掘工作自动产生。 构建推理规则知识库的复杂性在于用户的决策意向问题往往是多个原子条件的逻辑 组合，所以在规则设定中采用了“多重与逻辑表”和“相关联度函数表”这两个概念 7 1 。 例如，上述问题可以用推理规则知识库中的规则表示如下： i f ( ( 用户) 有“考虑行业”( o 2 ) 、“考虑大小客户”( 0 3 ) 、“考虑客户信用”( o 5 ) ) 的客户分析问题， t h e n ( ( 问题与下列特征关联) “调整电价”，“调整购电量”，“调整售电量”，“改 善服务”，“发出工作票”，“时间”，多重与逻辑表，相关度函数表) 其中多重与逻辑表和相关联度函数表为表l 一2 所示。 表1 - 2 “多重与”逻辑和相关联度函数 t a b l e1 - 2m u l t i p l i c a t e ”a n d ”l o g i ct a b l ea n dd e g r e eo fa s s o c i a t i o n 模型设定知识库：此知识库中存放的是各主要特征与相关模型之间的关联度。模型 库主要由多目标规划问题模型、预测分析过程模型和其他模型组成。 例如，上述问题在模型设定知识库中的规则可以表示为表1 3 所示。 电力营销决策支持系统的研究和设计 表1 3 规则中相关度表 t a b l e l - 3d e g r e eo fa s s o c i a t i o nf u n c t i o ni nr u l e 这里，为了解决多种条件的逻辑组合问题，需设定用户的意向描述与模型库的相关 强度。如公式1 1 所示： p ，+ z ，。g 其中m i 为某一决策意向与模型i 的相关度；p ，为用户自己设定的各原子条件在决策意向 中所占的比重( 即主观因素因子) ；z ，为各原子条件与模型主要特征的相关程度：g 。为 模型主要特征与模型的相关程度。 依照此公式可以计算得出决策意向与各模型的相关程度，然后可按与决策意向相关 强度最大的模型进行决策。 例如，上述问题采用公式计算后，聊= o 3 5 ，m 2 = o 3 6 ；从中可以得到这个客户分 析问题应采用预测分析过程模型进行处理。由上即可完成了模型的自动引导。 3 、推理机( 控制模块) ：其作用是按照用户的不同选择，调用不同的知识库进行相 关问题的识别和决策支持。当用户进入问题生成系统后，推理机首先调用情景设定知识 库，这样用户就可以在意向查询的交互式界面上，通过上卷和下钻操作，对自己的决策 意向进行细化，最终产生一个明确的决策问题。当用户对意向的表述结果比较满意的时 候，推理机再调用情景分析知识库中的知识对用户的决策意向进行处理，并得到与决策 意向相关程度最大的过程模型，供给问题解决子系统使用。 经过上述处理后，下面的要求就是对决策问题的求解过程提供有效的决策支持手段， 因为对这个问题提供有力的支持一直是电力营销系统应用研究中的一个重点，已有许多 相关领域的研究成果，这里就不再赘述。 总之，电力营销管理系统的设计不但要充分利用各种信息，实现复杂化的查询和报 表功能；而且应该利用现有技术，实现对电力营销全过程的合理化管理：即以用户为中 心，真正想用户所想，提供给其一个完善的预测分析和决策支持功能。当然以上提出的 只是一个框架，下一章将对用于数据挖掘分析的模型库进行分析，并建立一个预测用电 量的模型。 凡 = m 电力营销决策支持系统的研究和设计 2 基于智能技术的用电预测数据挖掘( d m ) 模型建立 在上一章所提出的具有意向决策支持功能的系统中，一个重要的方面就是模型的建 立和选取，有了各种适宜的模型，才能构成模型库，并最终完成本文所提出的整个意向 决策支持功能。本章以一个具体问题为例，建立了一种基于智能技术的数据仓库挖掘模 型。 在电力营销决策中，运营成本是决策所需考虑的重要方面，同时也是决策管理者最 为关心的一个问题，而与运营成本相关的最主要因素是电量的销售情况。这是因为电力 企业是用电的一个中间环节，负责发电企业和用电用户之间的连接，因而电量的销售情 况将直接关系到电力企业的经营状况。 用电预测就是这样一种对未来需求量或者说未来用电量的预测，它是电力营销工作 中的重要一环。若能够以前几个月的用电量预测出下一个月的用电量，并以此为依据购 电，这样既可以避免由于估计过量而导致的过多备用；又可以避免由于预测不足而导致 的厢电紧张和系统运行安全性下降【8 j 。 为了完成这个目的，必须对现有的数据仓库中的电力营销数据进行分析，从中发现 并提取出隐藏在其中的信息或知识。这个过程就是数据挖掘过程，其目标是帮助分析人 员寻找数据之间的联系，发现被忽略的要素，挖掘出对预测趋势和决策行为有用的信息。 数据挖掘一股过程如图2 1 所示。 图2 - 1 数据挖掘一般过程 f i g 2 1 p r o c e s so f d a t am i n i n g 从中可以看出数据挖掘一般包括以下几个步骤： 1 、预处理数据，收集和净化来自各种数据源或数据仓库的信息，并加以存储，一般 电力营销决策支持系统的研究和设计 是将其存放在o l a p 数据库中。 2 、模型搜索。利用数据挖掘工具在数据中匹配模型。对于一个问题的搜索过程可能 用到许多模型，例如：神经网络、决策树等。 3 、评价输出结果。 4 、生成最后的结构报告和解释报告。 从中可以看出，在数据挖掘过程中，数学模型是非常重要的分析数据的方法。在 m i c r o s o f ts q ls e r v e r2 0 0 0 提供的分析服务器( a n a l y s i ss e r v e y s ) 工具中，包含了 两种数据挖掘模型：决策树模型和聚类分析模型，利用它们可以对电力营销数据进行分 析，发现一些规律性的东西。但是这种结果往往比较粗糙，精度不高，难以对电力企业 的营销工作起到指导作用。本文提出了一种基于智能技术的数据挖掘模型，通过此模型 可以得到较为理想的用电预测数据。 2 1 智能技术 目前对用电预测问题的专门研究很少，但因为这个问题与负荷预测问题有许多相似 之处，所以可以借鉴负荷预测问题的研究方法。 在过去很长一段时期里，人们都是采用传统的方法来进行负荷预测，如时间序列方 法、回归分析方法和模式识别方法，这些方法也都取得了不同程度的成功【9 】。但这些方 法都存在缺陷，时间序列方法不易考虑气象数据对负荷的影响，回归分析方法存在着如 何确定回归方程的问题，而模式识别方法由于难以处理大地区的分散性对气象灵敏的负 荷模式的影响而只能用于小区域电力系貅【1 0 。 而人工神经网络能够建立任意非线性的模型，并适用于解决时间序列预报问题。因 此很适合应用于电力系统的预测中。在电力系统的预测中，应用最多的神经网络是多层 感知机，并应用反向传播算法( b p 算法) 进行网络训练f l l 】，然而，传统的b p 算法有诸 如不易确定隐层神经元的个数、容易陷入局部极小点和耗费大量计算机时等缺麒1 2 】，因 而不适合实际使用。近年来的r b f ( r a d i a lb a s isf u n c t i o n ，径向基函数) 网络作为另 一种神经网络结构，以其灵活性强，易于训l 练，内插和外推性能好等特点而受到很大关 注l l 。r b f 网络是一种三层结构网络，其隐层的作用在于实现一非线性变换，隐单元( 又 称“中心”) 数目在网络训练过程中随问题的复杂程度和所需精度而动态调节，无需事先 盲目确定。这种网络模型的训练过程表现为r b f 网络中心的选择及隐层与输出层间权值 的确定。文献 1 4 采用r b f 网络，结合快速混合学习算法进行地区级电网的负荷预测， 收到了不错的效果。从上述可以看出，r b f 神经网络比b p 网络具有更好的推广能力。 但是，利用r b f 神经网络进行负荷预测时，需要大量的历史数据。在历史数据有限 的情况下，往往使预测精度受到很大影响。为了克服这些缺点，文献 1 5 中将b p 神经网 络和模糊控制结合在一起进行模糊预测，收到了预期的效果。 本文利用r b f 神经网络完成对用电量情况的预测，在预测过程中，考虑了季节因素 和重大节假日的影响；因为数据量的限制，对神经网络的输出用模糊调节进行修正，以 电力营销决策支持系统的研究和设计 便提高预测的精度。 2 2r b f 神经网络 用电量预测首先要解决的问题是非线性映射的实现，人工神经网络在这方面有一定 的优越性。一般情况下，假定要求学习的非线性映射为式2 - i 。 y = l 厂( x ) ，z = ( x l ，x 2 ，一，x 。) ( 2 - 1 ) 公式( 2 一1 ) 是在f 域中聚类子集r 上的一个多输入单输出实连续函数，其样本的 数据为： x ( 晃) 手_ y ( 露) ，站= 1 , 2 ，s x lx 2x 3 x n 中m 图2 - 2 r b f 网络拓扑结构 f i g 2 2a n a l y s i s s i t u sm a po f r b f 上式中，s 为样本数，而 x o ) ，x ( 2 ) ，x ( j ) 形成了样本集乃。 如图2 2 所示的r b f 网络，可以用来拟合式( 2 - 2 ) 所描述的非线性关系，它实现的 映射为式2 2 所示。 y = z o 。中，( 1 l x c 。i i ) + e ( 2 - 2 ) 式中，x e f 为输入向量，- j 为一给定的非线性变换刈8 表示欧式范数；目，( o i s m ) 为权值；g r ”( 0 i m ) 成为r b f 网络的中心，e 表示拟合误差，非线性变换函数中( ) 电力营销决策支持系统的研究和设计 可选为式2 - 3 所示。 o ( r ) = ，2l o g ( r ) ( 2 - 3 ) 定义误差函数j ( m ) 如式2 4 所示。 椭：委窆( y & ) 一y ( _ j ) ) ：( 2 - 4 ) 其中，y 俐为样本点的输出，y ( k ) 为网络输出。可以证明，当所选的函数系 刮x c 。瞰。兰i m ) 线性无关的时候，可通过增加隐层单元的数目，达到不断提高拟合 精度，使砌小于给定误差的目的。然而，在实际应用中，若瑚取得太大，就可能造成 模型的冗余和数值病态的出现，因此必须采取有效的方法进行网络中心的选择和网络权 值的确定。本文采用正交最4 - 乘法选取隐含层节点基函数的中心。此方法的优点是可 选出最佳的样本点作为中心。 当网络输出权值训练基函数的参数确定后，输出层的计算非常简单，对应于多输入 单输出网络，用最小二乘法使价值函数砌最小即可。 2 。3r b f 神经网络的建立 购买和销售电量的工作在电力营销中是一项非常重要的活动，但这个决定常常不是 基于数据库中信息丰富的数据，而是基于决策者的直觉。这是因为决策者缺乏从海量数 据中提取有价值知识的工具，因此设计一个合理的数据模型已完成此项工作是十分必要 的。 2 3 1 输入特征量的选取 对于神经网络训练，输入量的选择是一个非常关键的问题，输入量不能取得太少， 否则不能起到区分判断能力；也不能取得太多，否则影晌网络训练速度。 显然，当月的购电量与以往同类型月的用电量有着很大的关系，而这个用电量又受 季节、重大节假日等因素的影响。如因为高温和严寒天气，夏、冬两季的用电量都会明 显增加；在重大节假日( 十一、五一、元旦、春节等) ，用户的用电量也会有不同程度的 增加。 这样，在选择样本的时候，应考虑到如下关系： 1 、首先，预测月的环境向量是必不可很少的； 2 、考虑到用电量变化应该是一个平稳的随机过程，那么用前一两月的用电量可取 得较好的平滑作用； 3 、某一个月的用电量同前一至两个月的用电量应该比较相似；同去年( 前年) 同 一月份的用电量也应该比较相似。 1 4 电力营销决策支持系统的研究和设计 综合考虑上述因素，并结合用电的特点，本文选择神经网络的输入如下： 预测月前两个月的用电量和对应各月的环境向量： 预测月前一年的同一月和其两侧各一个月的用电量，以及对应各月的环境向量； 预测月前两年的同一月和其两侧各一个月的用电量，以及对应各月的环境向量； 预测月的环境向量。 神经网络的输出向量为预测月的购电量。由此可建立一个输入层为1 7 个节点，输出 层为一个节点，隐含层个数待定的神经元网络，隐含层节点基函数采用高斯函数。神经 网络的训练样本集是从过去两年的历史数据中选取出了典型数据组成，由此构成了r b f 神经网络的训练对象。 此神经网络可以拟合如下的非线性关系： s ，= f ( sj - 1 ，l l ，s ，2 ，h 2 ，s h 3 ，h h 3 ，- j p 2 4 ，h j _ 2 4 ，s i - 2 3h l _ 2 3 ) 其中，s 为第i 个月的售电量，也为第i 个月环境向量。环境的量化情况如下： 1 月 2345 6 7891 01 11 2 t1o 5oo 51 110 5oo 5l 2 3 2r b f 神经网络的训练和预测 根据样本选择原则，给每一个神经网络选定一个训练样本集，样本集包含1 2 个样本。 选择隐含层节点基函数的宽度为1 0 ，初始中心为0 ，利用最小二乘法进行训练。 2 4 模糊系统 在很多情况下，由于被控对象的非线性或有较大的随机干扰，很难建立起被控对象 的数学模型，对于那些不能直接获得数学模型的系统，传统的控制方法往往难以取得令 人满意的控制效果，然而这类被控对象在人的手工控制下却往往能够正常运行。因为人 们在手动控制中，往往采用一些不精确的语言规则进行控制，收到了预期的效果，由此 演化而来的就是模糊控制系统【1 6 】，见图2 3 。 图2 - 3 模糊控制系统 f i g 2 3f u z z yc o n t r o ls y s t e m 过程输出 电力营销决策支持系统的研究和设计 2 5 模糊控制系统的设计 由于历史数据有限，神经网络选定的训练样本集中只包含1 2 个样本， 所以使经过神经网络模型得到的预测结果，预测精度受到一定影响，而且在实际预测中， 利用一个台区的历史数据训练的神经元网络，只能用于本台区的预测工作，在预测其他 台区的购电量时，会产生一个较大的误差；这样的数据挖掘模型显然不能满足预期的目 标，也失去了应有的灵活性。为此，引入了模糊控制技术，这样形成的数据挖掘模型不 但有利于提高预测的精度，而且还可以灵活应用于不同台区的预测。 本文利用本次神经网络预测的误差和误差变化率，通过模糊系统的控制，形成下一 次预测的调整量，使预测误差减小。 模糊控制器的输入为当前时刻的预测的用电量与实际的用电量的差额e 和差额的变 化率e c ，e c = p ( 力一e ( t 一1 ) ，输出是对下一个用电量预测的调节量。调节量由公式2 - 3 计 算。 c a = 一p 。一( ( 口一口。m ) ( a 一一口。) ) ( 8 。一e 。) + ( 1 一a ) e c ( 2 3 ) 其中a 为模糊系统的输出值，c 为对下一个负荷预测的修正值，e g 为误差变化率，上述 公式的作用是将模糊系统的输出值先投影到误差区域上，再加入误差变化率的影响，这 样可以保证首先对误差进行调节，然后再消除误差的变化，使系统保持稳定。 一般情况下，模糊推理是采用模糊逻辑由给定输入到输出的映射过程： 1 、输入变量模糊化，即把确定的输入转化为由隶属度描述的模糊集。 3 、模糊规则的前件中应用模糊算子( 与、或、非) 。 4 、根据模糊蕴涵运算由前提推断结论。 5 、合成每个规则的结论部分，得出总的结论。 6 、反模糊化过程，即把输出的模糊量转化为确定的输出。 2 5 1 输入变量的模糊化 该模型设计3 个语言变量：误差e ，误差变化率e c ，控制量变化a ，其论域均为 一1 ，1 ，相应的语言级别划分为5 级。其模糊集为 n b ，l q s ，z ，p s ，p b ) ，分别对应的模 糊单点集为： 一1 ，一0 5 ，0 ，0 5 ，1 ) 。 实际误差e 、误差变化率o c ，均是实际量，需要将他们转化为论域中的一个对应值， 这个过程，称为量化过程。为此引入量化公式2 4 ，2 5 。 8 = 一1 + 2 ( e e m ) e s ( 2 4 ) gc l = - 1 + 2 ( e c e c m ) e c s ( 2 5 ) 其中，e 为误差的左边界，e s 为误差的变化范围：o c l l l 为误差变化率的左边界，e c s 为 误差变化率的变化范围。根据上述公式可以将实际量转化为论域中的值。 电力营销决策支持系统的研究知设计 在本算法中，在线自调整的主要任务是在线修正a 参数，a 的大小直接表示对偏差e 和误差变化率e c 的加权程度。选取a 变量为5 个语言值，分别为：n b ( 负大) 、r l s ( 负小) 、 z ( 中) 、p s ( 正小) 、p b ( 正大) 。 2 5 2 隶属函数的确定和图形表示方法 模糊语言变量的每一个语言值实际上都是一个在模糊论域上的模糊予集，模糊子集 最终是通过隶属函数来描述的