关联规则技术在电力市场营销中的应用

【摘 要 】随着社会经济的发展与进步,为我国电力行业的发展带来巨大的推动作用,电力市场营销是确保电力企业有效发展的重要保证.是电力企业发展中的重要一环,关联规则技术是一种非常重要的数据挖掘技术,加之电力行业市场营销的特有性质,因此,在其中得到了广泛的应用,对此,文章通过下文对这方面内容进行了详细的阐述,为有关部门及工作人员提供一定的借鉴作用.

【关 键 词 】关联规则技术；电力市场营销；应用分析

进入21世纪以来,我国的科学技术发展水平进入了一个全新的阶段,人们对数据量的积累不断的增多,在海量的数据中怎样将信息获取出来是当前一项重要的工作,在这种需要的背景下,就出现了关联规则技术,并且,在现实中得到了有效的应用.电力营销工作具有一定的复杂性和系统性.因此将这项技术应用与电力营销工作中是非常必要的,所以,需要相关部门及工作人员重视起来.

一、电力市场营销的分析

1.含义

竞争性的电力市场是当前电力市场的主要特征,是生产电能者和使用电能者利用竞价、协商等方式,交易电能和有关产品的活动,利用市场竞争对数量和的机制上进行确定.在时刻变化的市场 环境中电能生产者对使用者的电力需求给予满足为出发点,利用多种的营销方式,将令人满意的怎么写作和最优的电力产品提供给使用者,进而将一定的利润从中获取出来,这种经营销售的活动中有着一定的综合性.简单的讲,就是利用交换电力市场对需求者和潜在需求者的要求上给与满足的过程.

2.特征分析

首先,单一性,这就导致营销策略在电力市场中没有较大的发挥空间,然而,因为使用者用电需求上的不同,电力产品而对不同的电价上进行收取,这样一种产品多种的情况就会出现.

其次,不考虑存货成本对电力产品进行交易.因为有一系列的环节存在于其本身当中,发电、销售和输送的整个过程中,完成的速度都会非常快,和别的产品进行比较会非常的简单.

二、技术分析

1.基础的模型与概念

可以这样对关联规则的基本模型进行分析与概述：设定事物数据库Z为{X1、X2.........XN},这样事务T就可以利用Xa进行表示,ab是构成T的主要元素,因此被称之为项.

并且需要对基本的概念上进行一些了解：

首先,项集与频繁的项集.项集就是项的集合,对项集进行定义的支持度就是所谓的对支持度,一旦预定义的最小支持度阈值能够通过项集相对支持度给予满足,即所谓的频繁项集.

其次,关联的规则.就是和X―Y的蕴含式非常相似的情况,其中关联规则的先导和后续就会通过X和Y分别的进行表示.

再次,可信度与支持度,对项集X和项集Y同时能够进行涵盖的事务,在已经包 含项集X事务中的具体比例就是所谓的可信度；在Z的所有事务中同时包括项集X和项集Y的事务的具体占据比例.

最后,强关联的规则.一旦有关联规则A―B存在,这样,它的支持度对用户预设最小支持度阈值上能够给予满足,对用户预设最小可信度阈值它的可信度能够给予满足,这就是所谓的强关联的规则.在使用者度某些数据的规律进行发现的过程中强关联规则在其中发挥着重要的作用.

2.相关的过程

通过对关联规则基本模型的一些阐述,有这样的两个阶段存在于关联规则挖掘的过程中：

首先,将全部频繁项集在事务数据库中寻找出来.

其次,通过这些频繁项集而生成的有关规则.

在这样的两个基本过程中,在对全部频繁项集进行寻找的时候是非常关键的,关联规则挖掘的整体性能在一定的程度上就是由此给以决定的.在对这项工作进行完成的过程中,对数据库需要多次的进行扫描,就是指在操作数据库的过程中需要花费很多的物力和人力.

3.FP―growth的基本计算方式分析

一种被被称之为频繁模式的数据结构存在于这种算法当中,一种特殊的前缀树就是利用FP―tree进行表示的,通过项前缀树和频繁项头表一同组成,向一棵以NULL为根结点的树中将每个事物中的数据项目依据降序依次的插入进去,此外,在各个结点处对各个结点出现的支持度上进行记录.在以上结构的基础上FP―Growth算法能够将整个挖掘的过程予以提速,主要的算法是这样的：

首先,就各个频繁项来讲,对其投影FP―tree和条件投影数据库进行构造.

其次,对各个新建立起来的FP―tree对这个过程中进行重复,将更新FP―tree直到构造为空为止,或是只有一条路径包含在其中.

再次,建构起来的FP―tree是空的时候,频繁模式的情况就会出现在其前缀中；当只有一条路径包含在其中的时候,组合时可以利用枚举的方式,并且链接此树的前缀将频繁模式构造出来.

三、在电力市场营销中对关联规则技术的应用分析

1.在电力营销中对关联规则进行使用的基本流程和目的

其基本的流程图可以通过这样的图示进行分析：

之所在电力市场营销中将关联规则技术引入进来,为了有效的分析电力市场营销数据库,是其中的基本目的所在,对有关的规则上进行获取.利用分析关联的规则,可以有助于发觉和销售行为等要素影响售电量的情况,对不同电力消费群体在倾向上或者习惯上的差异之处,进而将有关的、合适的营销策略为电力市场营销人员制定出来.

2.在K―means聚类技术基础上的处理分析

和其他行业进行比较,电力行业的营业数据在数据形式上有着非常大的差别.例如电力营销数据当中的、气温、降雨和用量等有着连续性的数值和数据存在于其中,正是由于有一定的连续性存在于其中,出现了不利于总结规律和挖掘数据的一些因素,所以,需要处理售电事务数据集,因此,处理这项工作的时候,可以利用k―means聚类技术上进行使用.

这种技术方式,在平时的工作中是非常普遍的一种技术方式,对空间中的多个样本点可以将多个簇划分出来,有明显的区别存在于各个簇当中,并且,有较高的相似度存在于簇内的样本点中,能够严密的分布到一块,然而,在实际的处理当中,应该按照样本的不同予以详细的分析.

结语：

文章通过上文对电力行业营销中应用关联规则技术上的情况上进行了分析,从中可以发现,这是一项创新性非常强而且意义比较重大的技术方式,能够帮助电力行业营销人员将一个全面的、详尽的、针对性强的电力营销策略制定出来.因此,这是电力行业在电力营销中需要重视起来的技术方式.