首页 / 专利库 / 计算机网络 / 大规模并行处理 / 一种电力营销稽查精益化管控主题大数据预测方法

一种电营销稽查精益化管控主题大数据预测方法

阅读:1008发布:2020-06-17

专利汇可以提供一种电营销稽查精益化管控主题大数据预测方法专利检索,专利查询,专利分析的服务。并且一种电 力 营销稽查精益化管控主题 大数据 预测方法,涉及预测方法。电力营销全业务过程管控常出现预测不全面的问题,从而影响最终的决策,增大电力营销的 风 险。本 发明 包括以下步骤:对电力业务系统的数据开展挖掘分析,形成 基础 数据;根据得到的基础数据,建立 预测分析 模型以对业务问题预测,并及时解决问题;根据不同的预测分析模型对业务问题进行预测分析计算,实现对业务问题的预测 定位 测试,形成主题预测策略;通过统一的主题库管理流程,对所有主题进行 版本化 管理。本技术方案通过对营销业务海量数据的层层挖掘,缩短决策制定时间,提高决策能力,提升业务工作 质量 。,下面是一种电营销稽查精益化管控主题大数据预测方法专利的具体信息内容。

1.一种电营销稽查精益化管控主题大数据预测方法,其特征在于包括以下步骤:
1)对电力业务系统的数据开展挖掘分析,形成基础数据,以针对预测指标在不同时间单位,建立预测决策模型库,预测决策模型库设有自定义参数,以定义各种新的预测决策模型;电力业务系统包括营销业务应用系统、用电采集系统、营配贯通平台;预测指标包括电量、电费、电能采集、资产管理、业扩报装;时间单位包括年度、季度、月度;
2)根据得到的基础数据,建立预测分析模型以对业务问题预测,并及时解决问题;预测分析模型包括基于神经网络算法遗传算法决策树方法、统计分析方法、模糊集方法的预测分析模型。
3)根据不同的预测分析模型对业务问题进行预测分析计算,并对基于不同预测分析模型计算获得的数据进行比较后,进行综合分析,得出最终的预测结果,预测问题发生概率,形成预测主题,实现对业务问题的预测定位测试,形成主题预测策略;
4)通过统一的主题库管理流程,对所有主题进行版本化管理,从系统主题预测或业务部提出需求、部署应用再到调整注销,对每次主题的变更做版本记录,建立主题的全寿命周期管理,为后续分析提供数据支撑;同时对同一问题发生差错前设立预警主题,发生差错后设置稽查主题,并建立相应的勾稽关系,为后续的预警处理有效率分析及考核评定做数据支撑,为营销全业务过程管控的大数据分析奠定基础。
2.根据权利要求1所述的一种电力营销稽查精益化管控主题大数据预测方法,其特征在于:在步骤1)之前,需对大数据进行挖掘分析,在大量的业务系统数据中通过算法搜索隐藏于其中的有效信息,并通过统计、在线分析处理、情报检索、机器学习专家系统模式识别的方法实现主题预测。
3.根据权利要求1所述的一种电力营销稽查精益化管控主题大数据预测方法,其特征在于:预测决策模型分为初级模型、常规预测模型、专用模型三类,以根据电力业务分析人员的实践经验,针对电量、电费、电能采集、资产管理、业扩报装的预测指标在年度、季度、月度不同的时间单位上得到预测决策模型。
4.根据权利要求1所述的一种电力营销稽查精益化管控主题大数据预测方法,其特征在于:在步骤2)中,建立不同预测分析模型的主题预测算法,主题预测算法包括:
利用神经网络本身良好的鲁棒性、自组织自适应性、并行处理、分布存储和高度容错等特性,开展适合解决数据挖掘的主题问题,并建立分类、预测和模式识别的前馈式神经网络模型;
建立隐含并行性、易于和其它模型结合的随机搜索算法;
通过将大量数据有目的分类,从中找到一些有价值的,潜在的信息,构建描述简单,分类速度快,适合大规模的数据处理决策树模型。
5.根据权利要求1所述的一种电力营销稽查精益化管控主题大数据预测方法,其特征在于:在步骤3)中,对电量、负荷、业扩时限的序列量的预测决策时,将不同种预测决策模型进行有机的组合,形成综合模型;以形成对电量、负荷发展自然规律的更贴切或完备的描述,提高预测决策的精度

说明书全文

一种电营销稽查精益化管控主题大数据预测方法

技术领域

[0001] 本发明涉及预测方法,尤其指一种电力营销稽查精益化管控主题大数据预测方法。

背景技术

[0002] 在电力企业的运营和日常生产过程中,电力营销在营销市场占据着相当重要的地位,为了保证电力营销的合理运作,就必须采取相应的措施对其进行管制,而电力营销全业务过程管控就是维持电力营销行业规范正常运作,以及使得电力营销效率有效提高的重要途径。随着各种营销手段的不断出台,对于电力营销全业务过程管控工作也带来了新的挑战和要求,常出现预测不全面的问题,从而影响最终的决策,增大电力营销的险。

发明内容

[0003] 本发明要解决的技术问题和提出的技术任务是对现有技术方案进行完善与改进,提供一种电力营销稽查精益化管控主题大数据预测方法,以提高决策准确性的目的。为此,本发明采取以下技术方案。
[0004] 一种电力营销稽查精益化管控主题大数据预测方法,其特征在于包括以下步骤:1)对电力业务系统的数据开展挖掘分析,形成基础数据,以针对预测指标在不同时间单位,建立预测决策模型库,预测决策模型库设有自定义参数,以定义各种新的预测决策模型;电力业务系统包括营销业务应用系统、用电采集系统、营配贯通平台;预测指标包括电量、电费、电能采集、资产管理、业扩报装;时间单位包括年度、季度、月度;
2)根据得到的基础数据,建立预测分析模型以对业务问题预测,并及时解决问题;预测分析模型包括基于神经网络算法遗传算法决策树方法、统计分析方法、模糊集方法的预测分析模型;
3)根据不同的预测分析模型对业务问题进行预测分析计算,并对基于不同预测分析模型计算获得的数据进行比较后,进行综合分析,得出最终的预测结果,预测问题发生概率,形成预测主题,实现对业务问题的预测定位测试,形成主题预测策略;
4)通过统一的主题库管理流程,对所有主题进行版本化管理,从系统主题预测或业务部提出需求、部署应用再到调整注销,对每次主题的变更做版本记录,建立主题的全寿命周期管理,为后续分析提供数据支撑;同时对同一问题发生差错前设立预警主题,发生差错后设置稽查主题,并建立相应的勾稽关系,为后续的预警处理有效率分析及考核评定做数据支撑,为营销全业务过程管控的大数据分析奠定基础。
[0005] 本技术方案中,使用户可以自定义预测决策模中的参数,可定义各种新的预测决策模型,为用户提供充分的空间,将人的经验与计算机有机结合,保证预测决策的精确性。通过对计量采集、抄核收、客户服务、业扩报装等海量业务数据进行挖掘分析,预测存在或即将发生的问题,形成相应的主题库,同时把所发现的问题及时的反馈给相关管理人员或者企业的管理部门,及时的对出现的问题加以改正,进而避免电力营销风险的产生。
[0006] 作为对上述技术方案的进一步完善和补充,本发明还包括以下附加技术特征。
[0007] 在步骤1)之前,需对大数据进行挖掘分析,在大量的业务系统数据中通过算法搜索隐藏于其中的有效信息,并通过统计、在线分析处理、情报检索、机器学习专家系统模式识别的方法实现主题预测。
[0008] 预测决策模型分为初级模型、常规预测模型、专用模型三类,以根据电力业务分析人员的实践经验,针对电量、电费、电能采集、资产管理、业扩报装的预测指标在年度、季度、月度不同的时间单位上得到预测决策模型。
[0009] 建立不同预测分析模型的主题预测算法,主题预测算法包括:利用神经网络本身良好的鲁棒性、自组织自适应性、并行处理、分布存储和高度容错等特性,开展适合解决数据挖掘的主题问题,并建立分类、预测和模式识别的前馈式神经网络模型;
建立隐含并行性、易于和其它模型结合的随机搜索算法;
通过将大量数据有目的分类,从中找到一些有价值的,潜在的信息,构建描述简单,分类速度快,适合大规模的数据处理决策树模型。
[0010] 在步骤3)中,对电量、负荷、业扩时限的序列量的预测决策时,将不同种预测决策模型进行有机的组合,形成综合模型;以形成对电量、负荷发展自然规律的更贴切或完备的描述,提高预测决策的精度
[0011] 有益效果:本技术方案通过对营销业务海量数据的层层挖掘,对管控点进行层层细化,不断提高自动数据分析能力,预测问题发生概率,形成预测主题,为管理层层提供不同纬度的业务数据,大大缩短决策制定时间,提高决策能力。同时通过营销全业务的主题预测和管控,对各级业务人员进行层层把关,层层落实,通过责任认定和考核制度不断提高工作质量,将异常差错提前遏制在电费出门前,有效降低用户的投诉率,提升业务工作质量。附图说明
[0012] 图1是本发明工作流程原理图。

具体实施方式

[0013] 以下结合说明书附图对本发明的技术方案做进一步的详细说明。
[0014] 如图1所示,本发明按如下步骤进行:S1:根据电力业务分析人员的实践经验,针对电量、电费、电能采集、资产管理、业扩报装等预测指标在年度、季度、月度等不同的时间单位上总结出一些独有的预测决策模型;建立预测决策模型库,使用户可以自定义预测决策模中的参数,可定义各种新的预测决策模型,为用户提供充分的空间,将人的经验与计算机有机结合,保证预测决策的精确性;
S2:通过对营销业务系统、用电采集系统、营配贯通平台等电力业务系统的数据挖掘,通过相应的预测算法,最终进行业务问题预测,并及时解决问题;
S3:针对电力业务分析人员的实践经验,总结出一些独有的预测决策模型,如模式分解预测决策法等;预测决策人员可以结合具体情况灵活选用较为合适的预测决策方法,对多种方法的预测结果互为比较,再进行合理的综合分析,得出最终的预测结果;
S4:通过统一的主题库管理流程,对所有主题进行版本化管理,从系统主题预测或业务部门提出需求、部署应用再到调整注销,对每次主题的变更做版本记录,建立主题的全寿命周期管理,为后续分析提供数据支撑;同时对同一问题发生差错前设立预警主题,发生差错后设置稽查主题,并建立相应的勾稽关系,为后续的预警处理有效率分析及考核评定做数据支撑,为营销全业务过程管控的大数据分析奠定基础。
[0015] 进一步的,在步骤S1之前,还包括大数据挖掘分析技术的研究,从大量的业务系统数据中通过算法搜索隐藏于其中的有效信息,并通过统计、在线分析处理、情报检索、机器学习、专家系统(依靠过去的经验法则)和模式识别等诸多方法来实现主题预测。主要有以下几种分类:估计、预测、 相关性分组或关联规则、 聚类、 复杂数据类型挖掘等。
[0016] 进一步的,在步骤S1中,电力营销业务主题预测模型可以分为初级模型、常规预测模型、专用模型三类,根据电力业务分析人员的实践经验,针对电量、电费、电能采集、资产管理、业扩报装等预测指标在年度、季度、月度等不同的时间单位上总结出一些独有的预测决策模型。
[0017] 进一步的,在步骤S2中,需建立不同的主题预测算法,主要包括:(A)利用神经网络本身良好的鲁棒性、自组织自适应性、并行处理、分布存储和高度容错等特性,开展适合解决数据挖掘的主题问题,并建立分类、预测和模式识别的前馈式神经网络模型;
(B)建立隐含并行性、易于和其它模型结合的随机搜索算法;
(C)通过将大量数据有目的分类,从中找到一些有价值的,潜在的信息,构建描述简单,分类速度快,适合大规模的数据处理决策树模型。
[0018] 进一步的,在步骤S3中,对于电量、负荷、业扩时限等序列量的预测决策,预测决策人员可选择的模型是多种多样的。数学模型理想而抽象,负荷发展的自然规律很难用单一数学模型加以描述,且单一的预测决策模型精度都不高。无论是从预测决策人员方便地选择模型的度,还是为了提高预测决策的精度,都需要研究如何将不同种模型进行有机的组合,即综合模型,才能形成对电量、负荷发展自然规律的更贴切或完备的描述,提高预测决策的精度。
[0019] 电力营销稽查精益化管控主题大数据预测方法的主题预测方法图,主要步骤包括:S101:对营销业务应用系统、用电采集系统、营配贯通平台等电力业务系统的数据开展挖掘分析,形成基础数据。
[0020] S102:根据数据挖掘分析结果数据,建立神经网络算法、遗传算法、决策树方法、统计分析方法、模糊集方法等分析模型。
[0021] S103:开展业务问题预测定位测试,形成主题预测策略。
[0022] 以上图1所示的一种电力营销稽查精益化管控主题大数据预测方法是本发明的具体实施例,已经体现出本发明实质性特点和进步,可根据实际的使用需要,在本发明的启示下,对其进行形状、结构等方面的等同修改,均在本方案的保护范围之列。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈