（计算机应用技术专业论文）电力市场营销决策支持系统及其aspnet实现.pdf

中文摘要 目前，我国已经全面启动了电力市场化改革。为了逐步构建政府监管下的政 企分开、公平竞争、开放有序、健康发展的电力市场体系，充分发挥市场配置资 源的基础性作用，以进一步提高效率，降低成本，开发出一个能够在对数据规律 挖掘分析基础之上实现对企业决策进行支持的新型系统，对提高电力行业的工作 效率和信息化水平，使其更好的应对科技信息飞速发展带来的改变，都有着十分 重要的现实意义。随着电力企业逐步走向市场，电力营销分析与预测工作就显得 尤为重要。因此电力市场营销分析成为电力公司的基础性工作。但目前的营销系 统多数只能提供对数据和信息的管理功能，所以，如何利用现代计算机技术进行 知识发现并提供决策支持建议已成为当前的热点问题。 本文结合电力行业的特点，以现代市场的分析理论为基础，将市场营销分析 和决策支持系统技术充分结合，旨在形成适应电力行业特点的电力市场分析决策 支持系统。首先，对基础的决策支持系统理论进行了研究，然后结合电力市场特 点，提出将数据挖掘的关联规则算法和决策树算法应用于售电市场特征分析和潜 力分析中，形成相应的决策建议。然后，本文利用多元统计分析建立了多种回归 模型进行售电市场的负荷预测、灵敏度、电价弹性等分析。最终，系统将预测和 决策的结论综合起来，提出对电力市场开发有价值的决策支持建议，进而通过这 一系列模型使得系统达到实用性的效果。 最后，在上述电力市场营销分析模型的基础上，本文研究和开发了电力市场 分析决策支持系统软件。根据市场潜力分析的特点，将该系统架构主要设计成 b s 模式。软件设计采用比原来版本先进的a s p n e t 技术，并通过a d o n e t 实现 决策支持系统和后台数据库的连接，保证了系统的稳定性和可靠性。 关键词：电力市场营销分析决策支持系统关联规则决策树综合灵敏度 分析 a b s t r a c t n o w a d a y s ，a 1 1 a r o u n dr e f o l m so ne l e c t r i cp o w e rm a r k e t i n gh a v eb e g u n b a s e d o nd a t a m i n i n ga n da n a l y s i s ，an o v e ls y s t e m t h a ts u p p o r t sp o w e re n t e r p r i s e d e c i s i o n - m a k i n gh a sb e e nd e v e l o p e di n0 r d e rt oc o n s t m c ta ne l e c t r i c i t vm a r k e ts y s t e m w h i c hi sg o v e r n m e n t - e n t e r p r i s ed e t a c h e d ，w i m 蹦rc o m p e t i t i o n ，i ng o o do r d e ra n d h e a l t hd e v e l o p i n g , w h i c hc a nm a k ef u i iu s eo fm a r k e tb a s i cf u n c t i o no fr e s o u r o e d i s t r i b u t i o nt oi n c r e a s ee f f i c i e n c ya n dr e d u c ec o s t t h i sd e c i s i o ns u p p o r ts y s t e mi so f g r e a tv a l u ei np r a c t i c e ，b e c a u s ei th e l p sp o w e ri n d u s t r yt oe n h a n c ee f f i c i e n c ya n d l e v e lo fi n f o r m a t i o n i z a t i o n ，a n dh e l p st om a k ea d j u s t m e n tt oc h a n g e st h a ti n f o r m a t i o n t e c h n o l o g yb r i n g s a sr e s p o n s i b i l i t y o f p o w e rc o m p a n i e sc h a n g e sf r o m u s e r m a n a g e m e n tt om a r k e t i n g , e l e c t r i c i t ym a r k e t i n ga n a l y s i sa n dp r e d i c t i n gi sb e c o m i n g i n c r e a s i n g l yi m p o r t a n t ，i tb e c o m e st h ep r i m a r yo p e r a t i o no fp o w e rc o m p a n i e s h o w e v e r ，m o s tm a r k e t i n gs y s t e r n se x i s t i n gn o wo n l yp r o v i d e sm a n a g e m e n tf u n c t i o n o fd a t aa n di n f o r m a t i o n s oi tb e c o m e sah o ti s s u eo nh o wt oi m p l e m e n td a t am i n i n g t of i n du s e f u li n f o r m a t i o na n dp r o v i d ed e c i s i o ns u p p o r ts y s t e mw i t hc o m p u t e r t e c h n o l o g l e s b a s e do nm o d e mm a r k e ta n a l y s i st h e o r ya n dc h a r a c t e r i s t i c so fp o w e ri n d u s t r y , t h i st h e s i si n t e g r a t e st h em a r k e t i n ga n a l y s i sw i t hd e c i s i o ns u p p o r ts y s t e m 巾s s ) t o b u i l da ne l e c t r i cm a r k e t i n ga n a l y s i sd e c i s i o ns u p p o r ts y s t e m ( e m a d s s ) t h a t s u i t a b l ef o rp o w e ri n d u s t r y f i r s t l y , b a s i ct h e o r yo fd e c i s i o ns u p p o r ts y s t e mh a sb e e n s t u d i e d ；s e c o n d l y , a s s o c i a t i o nr u l e ( a r ) a n dd e c i s i o nt r e e ( d 1 ) a l g o r i t h m si nd m a r ep r e s e n t e dt oa n a l y z et h et r a i ta n dp o t e n t i a lo ft h ee l e c t r i cs e l l i n gm a r k c l a p p l i c a t i o no fa l g o r i t h m sf o r mc o r r e s p o n d i n gd e c i s i o n ；t h i r d l y , w i t hm u l t i s t a t i s t i c s t h e o r i e s ，m a n yr e g r e s s i o nm o d e l sa r ee s t a b l i s h e df u rl o a df o r e c a s t i n g , s e n s i t i v i t y a n a l y s i s p o w e rp r i c cf l u c t u a t i o na n a l y s i sa n d s oo n ；f o u r t h l y , t h es y s t e mi n t e g r a t e s p r e d i c t i n gw i t hd e c i s i o nc o n c l u s i o n a n dp r o p o s ev a l u a b l es u g g e s t i o nf u re l e c t r i c p o w e rm a r k e te x p l o r a t i o n w i t ht h e s em o d e l sb u i l t t h es y s t e mi sp r a c t i c a lf u ru s e o nt h eb a s i so fp o w e rm a r k e t i n gm o d e la n a l y s i s ，s o f t w a r eo fd e c i s i o ns u p p o r t s y s t e r n f o rp o w e rm a r k e t i n ga n a l y s i si s i n v e s t i g a t e da n dd e v e l o p e d s y s t e m a r c h i t e c t u r ei s d e s i g na sb sm o d e lw i t hm a r k e tp o t e n t i a lt r a i t m o r ea d v a n c e d t e c h n o l o g y - a s e n e t , c o m p a r e dw i t ho r i g i m do n e ，i su s e d i ns o f t w a r ed e s i g n c o n n e c t i o nb e t w e e nd e c i s i o n s u p p o r ts y s t e r n a n d b a c k g r o u n d d a t a b a s ei s i m p l e m e n t e db y a d 0 n e t , w h i c he n s u r e ss y s t e r ns t a b i l i t ya n dr e l i a b i l i t y k e yw o r d s ：a n a l y s i so fe l e c t r i c i t ym a r k e t i n g , d e c i s i o ns u p p o r ts y s t e m ， a s s o c i a t i o nr o l e ，d e c i s i o nt r e e ，i n t e g r a t e ds e n s i t i v i t ya n a l y s i s 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的 研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表 或撰写过的研究成果，也不包含为获得鑫盗盘鲎或其他教育机构的学位或证 书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中 作了明确的说明并表示了谢意。 学位论文作者签名： 五犯、 签字日期：订年心月，j 日 学位论文版权使用授权书 本学位论文作者完全了解盘鲞盘堂有关保留、使用学位论文的规定。 特授权蠢注盘堂可以将学位论文的全部或部分内容编入有关数据库进行检 索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校 向国家有关部门或机构送交论文的复印件和磁盘。 ( 保密的学位论文在解密后适用本授权说明) 学位论文作者签名： 墨秘、 签字日期： j 年以月心日 导师签名；厶龟j 签字日期：u 扩年j ，月哆日 第一章绪论 1 , 1 课题的研究背景及意义 第一章绪论 当前经济体制的不断变化和日益缩短的商业周期，行业及政府不断出台的经 济法规，越来越要求第一线管理者能够迅速可靠、随机自主地访问企业的数据， 第一时间掌握企业的信息，发现规律，从而明智地做出对其商业方向有显著影响 或者对其竞争产生实质性影响的决策。电力企业也存在这样的情况。目前电力作 为一种特殊的商品也开始走向市场。随着电力工业逐步走向市场，电力营销分析 与决策就显得尤为重要。例如：供电企业应该出台何种优惠政策鼓励用户用电， 应采取何种措施削峰填谷，如何开拓电力市场等，而这些决策都可以从企业信息 库积累的数据中获得帮助。 随着电力体制市场化改革不断的深入，电力企业的经营理念已逐渐由计划用 电向市场开拓转变，由用电管理向营销服务转变，这种以市场为导向、对内以营 销为中心、对外以客户服务为中心的新机制，需要企业的管理层、决策层对变化 的环境做出快速、科学的市场营销决策【1 1 市场营销以研究综合性市场营销活动 及其规律为目标，它通过发现顾客的需求，并将其转化为对产品与服务的要求， 再通过有效的促销、分销渠道和价格策略来最大限度地满足顾客需求。市场营销 作为由企业、顾客、相关的环境因素组成的系统，体现了企业和顾客在一定环境 条件下的相互协调关系。由于企业的市场营销所面临的环境是复杂多变的，因而 市场营销决策系统是一种半结构化系统，这类系统的决策含有大量的不确定因 素，缺乏程序化的工作范式。因此，在这种系统下企业如何有效地进行营销决策， 如何更有效地开展营销活动，一直都是多年来市场营销决策理论研究的重点与难 点1 2 j 。针对这种情况，就希望开发出一个集现代化的计算机技术、网络技术、数 据仓库与数据挖掘技术、决策支持技术、因特网等技术，面向电力系统的综合管 理和决策支持平台，将目前分散、独立运行的各个信息管理系统中的相关数据统 一到这个平台上来，并结合其他相关信息，利用先进的数据仓库技术、数据挖掘 技术、决策支持技术对这些数据进行统计、预测和决策分析，为电力行业的经营 和管理提供决策依据。 决策支持系统( d s s ) 是信息系统，是在电子数据处理系统( e d p s ) 和管 理信息系统( m i s ) 基础上发展起来的一种更高级的管理信息系统。它是一种以 支持半结构化或非结构化的决策过程为特征的计算机决策支持系统，由管理者使 第一章绪论 用，用于决策之中支持人的工作而不是取代人。从构成角度来看，多数决策支持 系统都集成了模型库系统、数据库系统、方法库系统和知识库系统。 电力市场营销决策支持系统是应电力行业信息化进程的需要而产生的，由于 目前电力企业经营管理中存在许多问题，例如决策机制不健全、决策程序不规范、 决策结果的准确度不高等，开发出一个能够在对数据规律挖掘分析基础之上实现 对企业决策进行支持的新型系统，对提高电力行业的工作效率和信息化水平，改 善其经营效益【3 t4 】，使其更好的应对科技信息飞速发展带来的改变，改进工作效 率，促进通信，提高组织的控制能力有着重要的现实意义。 本文结合电力市场营销的特点和决策支持系统技术，并针对电力行业的特殊 性，应用现代计算机技术建立了电力市场分析决策支持系统。这套系统旨在对售 电市场进行预测、市场特征、市场潜力、灵敏度等分析，并在得到分析结果的基 础之上最终生成决策支持建议。 本系统采用a s p n e t 技术进行开发，这是当前国内大多数网站所采用的主 流技术；开发工具选用m i c r o s o f tv i s u a ls t u d i o n e t ，系统架构采用基于w e b 的 b s 结构，数据库使用m i c r o s o f ts o l s e r v e r 。其中n e t 编程模型让企业开发人 员减少对程序运行位置或方式等的关注，而更加重视应用程序的作用。而 a s p n e t 的优势则在于：a s p n e t 使代码更加干净。现有的a s p 应用程序中， 不管你将它们写得怎么样，结构总是充满了长长短短的代码。而a s p n e t 的代 码不仅更容易编写，而且更加干净整洁，比a s p 代码更易于阅读。同时，a s p n e t 代码的结构方式提高了其再利用性和共享性。a s p n e t 改进了配置、伸缩性、 安全性和可靠性。对于简单的a s p 应用程序，配置其实并不算什么问题，但是 当你移植到一个利用组件的n 层结构中时就会遇到问题。当你对这些应用程序 进行配置和维护时，d l l 陷阱问题( 组件注册、版本、锁定的d l l 等等) 就会 出现。a s p n e t 中则取消了组件注册以及d l l 锁定，全面使用了x m l 配置文 件，从而解决了这个问题。只需要执行复制文件的工作就能配置一个w e b 应用 程序。a s p n e t 对各种不同的浏览器提供了更好的支持。a s p n e t 造就了一类 新的w e b 应用程序。目前的w e b 应用程序通常都是同一种模式：一套线性应用 程序，然后将逻辑植入其中之2 。a s p n e t 允许开发人员打破这种单一模式， 创造出更加动态而且伸缩性更强的应用程序，这种应用程序能够更好地满足公司 的商业需求，并提供一个更加丰富的开发环境。 2 第一章绪论 1 2 论文的主要工作及章节安排 首先，本文在对电力市场营销的特点进行充分分析的基础上，建立各种模型 和方法来对目标售电市场进行分析。在理论分析部分的研究中，本文应用多种模 型进行电力需求预测；应用数据挖掘技术研究售电市场的特征和潜力；在考虑气 象、电价等多种因素影响的情况下，应用综合灵敏度分析对多维售电市场进行细 致研究；同时应用电价弹性分析对电量与电价间关系进行分析，进而通过这些分 析提出对电力市场营销有着重要意义的结论。 数据挖掘的主要特点是对数据库中的大量数据进行抽取、转换，分析和其他 模型化处理，并从中提取辅助决策的关键性数据，因而本文提出将关联规则算法 和决策树算法应用于售电市场特征分析和潜力分析中。多元统计分析能够从表面 上看起来杂乱无章的数据中发现和提炼出规律性的结论，本文利用其建立了多种 回归模型进行售电市场的负荷预测、灵敏度、电价弹性等分析。 其次，在上述研究基础之上，研究基于w e b 的电力市场营销决策支持系统 软件的设计和实现。 最后，本文将理论分析所建立的模型方法与决策支持系统软件结合起来，形 成最终的电力市场分析决策支持系统。 本文的第一章介绍了选题的背景和意义，以及论文的主要工作和章节安排。 第二章对决策支持系统的基本概念和主要结构进行了介绍。第三章按照预测、分 析、决策的顺序，建立了电力市场潜力分析中的决策支持模型和方法。第四章从 a s p 和a s p n e t 两种不同的技术入手，在介绍系统架构的同时，指出系统升级 的意义，并且详细说明系统设计中的一项关键技术网页与数据库的连接。第 五章介绍辅助决策支持系统的实现，从页面设计到运行结果。最后在第六章对论 文进行概括总结。 3 第二章决策支持系统 2 1 决策支持系统概述 第二章决策支持系统 决策是指经过缜密的推断分析而在众多替代方案中择取出最佳的替代方案， 是人们为了达到某种目的而进行的有意识、有选择的行动，在一定的人力、设备、 材料、技术、资金和时间因素的制约下，人们为了实现特定的目标，而从多种可 供选择的策略中做出决断，以求获得满意效果的过程就是决策的过程1 5 1 ，是有关 如何解决问题这一更加宽泛主题的组成部分。在现实生活当中，人们由于受到各 方面因素的制约，面对问题时必须尽可能找到最佳的解决方案，以求获得满意的 效果，不可能将所有方法一一试过，也不可能照顾到问题需求的每个方面，这就 要求人们做出决策。 每一个决策都以决策陈述、一批替代方案和一套决策准则作为其特征。决策 陈述表明人们正在试图做出什么样的决策，清晰的决策陈述对于正确认识问题从 而正确解决问题是非常重要的；替代方案是人们可能做出的决策，它会根据待决 策问题的不同而产生一个相应的范围；决策准则是在一个决策中人们想要优化什 么东西，同时优化所有的决策准则一般是不现实的，决策者无法用精确的数学方 法确定如何取得妥当途径，不过一些标准和基本途径也是存在的。 在当今激烈的市场竞争中，一个企业如何才能立于不败之地，关键在于是否 能做出正确的决策。随着中国电力市场改革的不断深化，电力企业比以往任何时 候都面临着更为复杂的生存环境，因此对其制定决策的质量和速度都提出了更高 的要求。 决策支持系统d s s ( d e c i s i o ns u p p o r ts y s t e m ) 是以管理科学、运筹学、控 制论和行为科学为基础，用计算机技术、仿真技术和信息技术为手段，以支持非 结构化型和半结构化型的决策为目的，辅助支持中高层决策者的决策活动，具有 智能作用的人机计算机网络系统嘲。 作为一种新兴的信息技术，决策支持系统能够为企业提供各种决策信息及许 多商业问题的解决方案，从而减轻了管理者从事低层次信息处理和分析的负担， 使得他们专注于最需要决策智慧和经验的工作，因此提高了决策的质量和效率。 2 2 决策支持系统的产生和发展 计算机问世不久就被应用于管理领域，出现了用于数据处理和编制报表的电 4 第二章决策支持系统 子数据处理系统e d p s ( e l e c t r o n i cd a t ap r o c e s ss y s t e m ) 。e d p s 把人们从繁琐的 事务处理中解脱出来，大大提高了工作效率。但任何一项数据处理都不是孤立的， 而必须与其他工作进行信息交换和资源共享，因此能够将一个企业的信息进行整 体分析和系统设计的管理信息系统m i s ( m a n a g e m e n ti n f o r m a t i o ns y s t e m ) 就应 运而生了。m i s 能把孤立的、零碎的信息变成一个比较完整的、有组织的信息系 统，解决了信息的冗余并提高了系统的性能。但是，它只能帮助管理者对信息作 表面的组织和管理，而不能把信息的内在规律更深刻的挖掘出来为决策服务。于 是人们期望一种新的用于管理的信息系统能够在某种程度上克服上述缺点，来为 决策者提供一些切实可行的帮助。 自从7 0 年代中期k e e n 和s c o t tm o r t o n 创造的“决策支持系统( d s s ) ”一 词至今作为用于管理的一种新型的计算机信息系统_ d s s 得到了迅速的发展， 它已经成为系统工程、管理科学、人工智能等领域十分活跃的研究课题。2 0 世 纪7 0 年代末以来，与完成这一任务相关的学科都有了长足的进步，已发展到完 善地步的运筹学模型，数理统计方法及其软件的发展，突破单一的效用理论框架 的多目标决策分析，人工智能方面的知识表达技术、专家系统语言及智能用户界 面的发展，小型、高效、廉价的微机工作站的出现，数据库及其管理系统，图形 专用软件，各类软件开发工具等均为广泛的研制和应用d s s 提供了良好的技术 准备和物质准备。 1 9 7 1 年s c o t tm o g o n 在管理决策系统中第一次指出计算机对决策的支持 作用【7 j ，1 9 7 1 年到1 9 7 6 年，从事决策支持系统研究的人数逐渐增多，大部分人 认为决策支持系统就是交互式的计算机系统。 为了把人的判断力和计算机的信息处理能力结合在一起，计算机终端成为决 策者的有力助手。现在可以说d s s 在技术上已经走向成熟，理论上可以认为技 术上已不再是难点，关键在于如何把理论技术变成现实。近年来，专家系统的研 究发展很快，它给d s s 注入了新的活力，增强了d s s 系统的主动功能，例如知 识库的组织和推理。 在科学技术迅猛发展的今天，各种新技术都可能为d s s 的发展开辟新的天 地，只要善于把这些技术同d s s 的应用、开发、使用原则结合在一起，例如从 支持个人移植到支持组织决策，从基于数据的d s s 发展到基于知识的d s s ，从 把模型视为过程到模型的生成和管理，从个人的计算机到远程通信网络，都隐含 着新技术向d s s 渗透的巨大潜力，而新一代d s s 也在迅速发展。新一代d s s 已 经发展到群决策支持系统g d s s ( g r o u pd s s ) ，分布式决策支持系统d d s s ( d i s t r i b u t i o nd s s ) 、智能决策支持系统i d s s ( i n t e l l i g e n td s s ) 、智能型、交互 性、集成化决策支持系统1 3 d s s ( i n t e l l i g e n c e ，i n t e r a c t i v ea n di n t e g r a t e dd s s ) 、 5 第二章决策支持系统 基于数据仓库的决策支持系统。 2 3 智能决策支持系统的结构 决策支持系统d s s ( d e c i s i o ns u p p o r ts y s t e m ) 是以管理科学、运筹学、控 制论和行为科学为基础，用计算机技术、仿真技术和信息技术为手段，以支持非 结构化型和半结构化型的决策为目的，辅助支持中高层决策者的决策活动，具有 智能作用的人机计算机网络系统嘲。它通过结合个人的智力资源和计算机的能力 来改进决策的质量。不同的人对决策支持系统有着不同的理解。d s s 可以广义地 作为一个包罗众多的术语，用来描述任何在组织中支持决策制定的计算机化系 统。 智能d s s 主要有五个部分构成：用户接1 2 子系统( 人机界面) 、数据库子系 统、模型库子系统、知识库子系统和方法库子系统；同时在这五个部件的基础上 又形成了各自的管理系统。其中，数据库系统、模型库系统、知识库系统和方法 库系统是d s s 功能的实现部分，称之为四库系统。 2 3 1 用户接口子系统 人机界面部分是用户与d s s 应用之间的交流，是d s s 中用户和计算机的接 口，起着在操作者、模型库、数据库和方法库之间传递命令和数据的重要作用， 如交互式界面、报表打印。在实际工作中，由于系统经常是由那些从系统输出中 获得好处，且又对系统内部了解甚少的人直接使用，所以用户接口设计的好坏对 系统的成败有举足轻重的意义。一个好的人机界面可以为决策者提供一个进一步 解决决策问题的过程，使决策者了解系统中现有的模型情况。 2 3 2 数据库子系统 d s s 中的数据是和决策过程密切相关的，一切数据都要经过恰当的加工、处 理和浓缩。数据库是d s s 的重要数据资源，是模型库、方法库和人机接口的基 础部分。和一般的m i s 系统的数据库不同，d s s 使用数据的主要目的是支持决 策，因此它对综合性数据或者经过预处理后的数据比较重视。而m i s 系统主要 支持日常事务处理，所以它特别注意对原始数据的收集、整理和组织。一般来讲， d s s 的数据库比较庞大和复杂，具体实现中多采用数据仓库。b i l li n m o n 把数据 仓库定义为一个面向主题的、集成的、非易失的、随时间变化的且用来支持管理 人员决策的数据集合。一般的操作型数据库是基于应用的，它的各种操作基于大 量的表索引，对于稍稍复杂的用户查询，它就要很长的时间响应。而数据仓库是 6 第一二章决策支持系统 面向主题的，它的数据被组织、划分成一个个的主体域，专门对查询进行优化。 集成性体现在数据仓库从其他数据库抽取数据时，同样一个东西在不同厂商的数 据库中的表示会不同。数据仓库在抽取数据时，它必须把这些不统一的数据转化 成统一的格式。非易失性指的是，数据仓库是只读的。数据仓库成批从其他数据 库中导入数据，以后对数据仓库的操作一般仅仅是读数据。随时间变化表现在数 据仓库中数据的时间期限比较长，通常是5 1 0 年。 但是，数据仓库中并不是所有历史数据都以同样的详细程度加以存储。当数 据已存在一个月后，它有可能被概括为周概要数据；在一、二年后，就有可能被 概括为月概要数据。这不仅可以提高数据仓库的查询速度，还符合决策的规律。 当我们进行决策时，对时间越远的数据的详细程度要求越低，概要程度越高。 2 3 3 模型库子系统 所有在最简单的面向数据系统之上的决策支持系统都是基于模型的。模型库 系统为决策者提供了推理、比较选择和分析整个问题的能力。这正是d s s 系统 和m i s 系统最大的不同。对于d s s 在电力系统中应用来说，这一部分正是体现 了电力系统的特色，将电力系统的各种特点通过模型表示出来。所谓模型是以某 种形式对一个系统的本质属性的描述，以揭示系统的功能、行为及其变化规律， 所以模型是对现实世界的模拟，但现实世界是极其复杂的，建立模型时，决不能 企图把所有因素都考虑进去，否则，模型不但不能解决实际问题，反而把问题搞 复杂了。在d s s 中，决策一般是针对非结构化的问题，而建模活动就是将结构 化非良好的问题转化为结构化良好的问题，所以建模时，要根据系统的目的和要 求，抓住本质属性和因素，忽略非本质因素，准确的描述系统。 系统模型的基本类型包括图形模型、叙述性模型、物理模型、数学模型和符 号模型或基于信息的模型i s l 。决策支持系统中最重要的一类表示模型是模拟模 型。 在d s s 系统中一般有大量的模型，供系统在决策时选用一个合适的模型， 所以在d s s 中模型一般是以数据的形式存在数据库中，同时建有模型字典。由 于存在多个模型，模型和人机系统及数据库之间的接口也好似多样的。为了减少 模型对数据库系统和人机系统的依赖、增强独立性，一些d s s 系统中模型对数 据库和人机系统的访问采用了一种统一的标准形式。在与一种具体的数据库连接 时，必须有一个转换接口，将标准访问形式转化成具体系统要求的形式。 为了提高灵活性，d s s 还允许决策者自己新建模型。通过对原有模型的选择、 拼接和组合，根据决策者的命令将简单的子模型构造成复杂模型。这种让决策者 参与模型建立的做法，可以使决策者了解系统，使它更容易接受系统，并乐于根 7 第二章决策支持系统 据系统做出决定。 2 3 4 知识库子系统 知识库是一个类似于数据库的结构化的软件模块，它用形式化的方法将专家 的专业知识存储在其中，供用户使用。知识库系统是在专家系统的基础上发展起 来的，d s s 设立知识库，其目的是为了扩大与决策者共有的知识领域，以便更好 的沟通思维。在开发知识库时应该考虑如下问题：为自然语言理解创立语义和语 用的环境；为建模和数值计算提供必要的分析基础；补充和延拓决策人员的思维 能力1 9 j ，知识的获取和解释、，知识的表示、知识推理以及知识库的管理和维护是 知识库开发的关键技术。 在知识库的基础上又产生推理机构，其推理过程是对知识的选择和运用的过 程。推理机构根据用户的输入和选择，从知识库中取得专业知识，对当前的状况 进行推理。 2 3 5 方法库子系统 方法库系统就是一些基本算法的集合，它为d s s 提供了一个合适的环境， 允许计算过程实现交互式存取数据，从数据库选择数据，从方法库选择算法，然 后将数据和算法结合起来进行计算。增建了用户接口命令语言，用户不需要有一 定的程序设计基础就可以使用，提高了灵活性、经济性和可用性。 2 4 小结 决策支持系统作为一项新兴技术，相对于电子数据处理系统和管理信息系统 来说，能够更深刻的挖掘事务内在的规律，因此，受到了越来越多的重视和应用。 本章首先从基本概念出发，介绍决策和决策支持系统，然后介绍了决策支持系统 的产生和发展的过程；并对决策支持系统的定义和基本结构做出了详细的描述。 8 第三章电力市场决策模型设计 3 1 决策模型概述 第三章电力市场决策模型设计 3 1 1 电力市场分析决策的目标 在进行电力市场分析决策之前，首先要确定分析的目标。根据历史数据的状 况，主要是受气象、电价和经济等多种因素的影响。而在现代营销分析理论研究 中，可以被应用到电力市场营销分析的主要内容有：市场细分，市场消费行为特 征分析，市场潜力预测和营销策略制定几个方面【1 0 】，因此本文将其与数据挖掘、 多元统计分析等技术结合起来应用到决策支持系统的模型中，来进行售电市场的 预测、特征分析、潜力分析、综合灵敏度分析等并最终把这些分析的结果作为生 成决策建议的依据l l u 。 3 1 2 分析决策模型的主要技术 数据挖掘是数据库中知识发现、知识抽取、数据发掘、数据探索、数据模式 处理、数据获取、信息获取的软件，这些活动是自动进行的，甚至非程序员也可 以利用数据挖掘快速地发现有价值的信息。数据挖掘( d a t am i n i n g ) 是从大量的、 不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不 知道的、但又是潜在有用的信息和知识的过程1 1 2 】。还有很多和这一术语相近似的 术语，如从数据库中发现知识( k d d ) 、数据分析、数据融合( d a t af u s i o n ) 以及决 策支持等。人们把原始数据看作是形成知识的源泉，就像从矿石中采矿一样。原 始数据可以是结构化的，如关系数据库中的数据，也可以是半结构化的，如文本、 图形、图像数据，甚至是分布在网络上的异构型数据。发现知识的方法可以是数 学的，也可以是非数学的；可以是演绎的，也可以是归纳的。发现了的知识可以 被用于信息管理、查询优化、决策支持、过程控制等，还可以用于数据自身的维 护。因此，数据挖掘是一门非常广义的交叉学科，它汇聚了不同领域的研究者， 尤其是数据库、人工智能、数理统计、可视化、并行计算等方面的学者和工程技 术人员。 数据挖掘是一种重要的知识发现技术，它并不是用规范的数据库查询语言 ( 如s q l ) 进行查询，而是对查询的内容进行模式的总结和内在规律的探索。 传统的查询和报表处理只是得到事件发生的结果，并没有深入研究发生的原因， 9 第三章电力市场决策模型设计 而数据挖掘则主要了解发生的原因，并且以一定的置信度对未来进行预测，用来 为决策行为提供有利的支持。市场营销分析是数据挖掘的一个非常有前景的研究 和应用领域，尤其是被用在聚类客户群的特征，细化市场特性，预测分类方面已 有一些实际的应用。 数据挖掘通过预测未来趋势及行为，做出前摄的、基于知识的决策。数据挖 掘的目标是从数据库中发现隐含的、有意义的知识，主要有以下六类功能1 1 3 】： 一、自动预测趋势和行为 数据挖掘自动在大型数据库中寻找预测性信息，以往需要进行大量手工分析 的问题如今可以迅速直接由数据本身得出结论。一个典型的例子是市场预测问 题，数据挖掘使用过去有关促销的数据来寻找未来投资中回报最大的用户。其它 可预测的问题包括预报破产以及认定对指定事件最可能做出反应的群体。 二、关联分析 数据关联是数据库中存在的一类重要的可被发现的知识。若两个或多个变量 的取值之间存在某种规律性，就称为关联。关联可分为简单关联、时序关联、因 果关联。关联分析的目的是找出数据库中隐藏的关联网。有时并不知道数据库中 数据的关联函数，即使知道也是不确定的，因此关联分析生成的规则带有置信度 和支持度。 三、相关性分析 数据中许多属性可能与分类和预测任务不相关。例如：记录银行贷款申请是 星期几提出的数据可能与申请的成功不相关。此外，其他的属性可能是冗余的。 因此，可以进行相关性分析，删除学习过程中不相关的或冗余的属性。在机器学 习中，这一过程称为特征选择。 四、聚类分析 数据库中的记录可被化分为一系列有意义的子集，即聚类。聚类增强了人们 对客观现实的认识，是概念描述和偏差分析的先决条件。聚类技术主要包括了划 分方法，层次方法，基于密度的方法和基于模型的方法。还有一些聚类算法继承 了多种聚类方法的思想。 五、概念描述 概念描述就是对某类对象的内涵进行描述，并概括这类对象的有关特征。概 念描述分为特征性描述和区别性描述，前者描述某类对象的共同特征，后者描述 不同类对象之间的区别。生成一个类的特征性描述只涉及该类对象中所有对象的 共性，它将大的任务相关的数据集从较低的概念层抽象到较高的概念层。大的数 据集有效的，灵活的概化方法可以分成两类： 1 数据立方体( 或o l a p ) 方法。 1 0 第三章电力市场决策模型设计 2 面向属性的归纳方法。生成区别性描述的方法很多，如判定树方法、遗传算 法等。 六、偏差检测 数据库中的数据常有一些异常记录，从数据库中检测这些偏差很有意义。偏 差包括很多潜在的知识，如分类中的反常实例、不满足规则的特例、观测结果与 模型预测值的偏差、量值随时间的变化等。偏差检测的基本方法是，寻找观测结 果与参照值之间有意义的差别。 多元统计分析是统计学中内容十分丰富、应用范围极为广泛的一个分支。在 自然科学和社会科学的许多学科中，研究者都有可能需要分析处理有多个变量的 数据问题。能否从表面上看起来杂乱无章的数据中发现和提炼出规律性的结论， 不仅对所研究的专业领域要有很好的训练，而且要掌握必要的统计分析知识【1 4 1 。 3 2 电力需求预测模型 3 2 1 回归模型 回归分析模型f 1 5 , 1 6 , 1 7 ，1 8 】的基本原理是通过在一定的准则基础上，找到一条最 优益线来代表电力需求序列的变化趋势。统计学上通常采取最小二乘原则求取这 条曲线的参数。回归分析依据其考虑的自变量个数又分为一元回归分析和多元回 归分析。 一、一元回归模型 本文将时间序列回归分析模型和一元相关分析模型结合起来介绍，统称为一 元回归分析模型。一元回归分析的任务是寻找自变量和因变量之间存在的相关关 系及其回归方程式。按照自变量与因变量之间的回归方程的类型可分为线性回归 分析和非线性回归分析。当自变量为时间项时，称为时间序列回归分析方法；否 则称为一元相关分析方法。 确定回归方程的函数表达式中未知参数最常用的方法是最小二乘法。线性函 数的最d x - - 乘法是非常方便的，而对一般的非线性函数，曲线拟和并不容易。只 有一些典型的一元非线性回归方程，可以经过适当的变换成为线性回归问题，从 而确定函数表达式中的未知参数。此外，对于一些典型的难于变换为线性回归问 题的非线性函数，可采用其他的参数估算的方法，如三段和值法、模型参数的直 接非线性估计法等等。下面列出了本文所建系统采用的一元回归分析模型： ( 1 ) 线性模型：y - a + 缸 ( 2 ) 抛物线模型：y a + k + “2 1 1 第三章电力市场决策模型设计 ( 3 )双曲线模型：y 一 ( 4 ) 幂函数模型：y 一似b ( 5 ) 指数模型：y a e x ( 6 ) 对数模型：y a + b l n x ( 7 ) 非线性指数模型：y - a + 抛4 ( 8 ) 龚帕兹模型：y - e ”。 ( 9 ) 逻辑斯蒂模型：y - 三i ( 1 0 ) 时间序列1 模型：y a o + 口1 x a 2 ( 1 1 ) 时间序列2 模型：y - ( 口o + 口l 工k 2 ( 1 2 ) 时间序列3 模型：y a o ( 口一+ a 2 。) 二、多元回归模型 在实际的电力负荷需求预测中，负荷常受多种因素( 如气温、降水量、g d p 等) 的影响，若将这些因素都考虑在内，则预测结果更能体现负荷内在的规律性， 所以本文在此处应用多元回归分析。与一元回归分析相比，它考虑了其它的相关 因素，其中自变量个数依考虑的因素而定，比较适合在相关因素对电力需求影响 较大的预测场合使用。本系统中的多元回归模型是相关分析模型。 相关分析模型：y b o + 工l + 6 2 x 2 6 卅靠 3 2 2 神经网络模型 神经网络技术( a n n ) 可以模仿人脑的智能化处理，对大量非结构性、非 精确性规律具有自适应功能，具有信息记忆、自主学习、知识推理和优化计算的 特点。特别是，其自学习和自适应功能是常规算法和专家系统技术所不具备的。 因此，预测被当作人工神经网络最有潜力的应用领域之一。人工神经网络因高度 的非线性映射特征适合于处理电力负荷的模糊、随机、低精度、高噪声信息，使 其比传统预测方法具有更广泛的应用前景，在负荷预测中的应用越来越广泛。 本文所建系统开发了两种在电力负荷预测理论中较为成熟的两种神经网络 模型【1 9 , 2 0 l ：b p 神经网络和r b f 神经网络 一、b p 神经网络 b p 法又称误差反响传播算法，基本原理是运用三层神经网络模型，通过误 差反向传播规则来训练网络，得到权值和阈值，实现从输入到输出间非线性映射 的任何函数关系。因此，我们可以将对电力负荷影响最大的几种因素作为输入， 既负荷的历史值、温度、湿度、峰谷负荷、g d p 等，作为对负荷的影响量，通 过神经网络的训练得到较好的预测结果。 第三章电力市场决策模型设计 二、 r b f 神经网络( 径向基函数神经网络) r b f 神经网络采用径向基函数来训练网络，有效的克服了b p 神经网络容易 陷入局部最小和训练速度慢的缺点，在本系统中采用的是一种多输入单输出的前 馈神经网络。 其算法基本原理；在r b f 网络中，隐含层执行的是一种用于特征提取的非 线性变换，它将输入空间映射到一个新空间，输出层在该新的空间中实现线性组 合，可调节参数就是该线性组合的权值和控制基函数形状的参数。本系统中采用 的非线性函数是高斯函数 g o l x o ) - r , 峥c x p b l 譬) 1 t 。1 , 2 , 3 a 厅 ( 3 1 ) l j 其中，是第1 个隐层神经元的中心，x ( t ) 为训练样本集里第t 条输入样本。 所以，r b f 神经网络的训练过程可以分为两个步骤： ( 1 ) 从输入层到隐含层主要是寻找网络中心t ( i ) ，本系统中采用了模糊聚 类的方法来找到网络中心； ( 2 ) 当找出了网络中心，从隐层到输出层的权值确定就成为参数线