技术摘要：
本发明公开一种基于大数据管理的电力营销管理平台构建方法，涉及电能计量技术领域，本发明构建出包括客户服务层、营销业务处理层、营销工作质量监控层和营销决策层多层次架构数据管理平台，实现数据的多元化管理。本发明采用云计算技术，使用户能够快速、便捷地处理智 全部
背景技术：
随着大数据时代的到来，电力企业营销管理产生了明显影响，为了保证电力企业 稳定运行，要求企业在运营过程中加大对电力营销管理手段不断创新的重视，真正做到与 时俱进。只有充分利用大数据技术的运用优势，才能保证电力企业营销管理水平逐步提高， 能很好完成营销工作任务，进而发挥电力企业在我国经济建设上的作用。电力营销管理平 台在电力大数据管理中发挥着至关重要的作用，在信息化电力营销平台构建的时候，电力 工作人员需要从营销平台的应用层、网络层和用户层进行入手，确保各级之间数据传输的 质量与安全。在电力营销信息化建设时，还应当构建相应的网络安全防护系统，有效地抵御 网络病毒的恶意攻击，提高电力处理信息系统的运行安全，保障相关数据信息的可靠。 由于电力营销是电力系统管理的核心，其应用范围及其广泛，用户在应用电力营 销管理平台时，由于电力数据种类繁多，关系到电力企业的生产、管理和运营，现有技术中 的电力营销管理平台系统雍肿，数据运行困难，数据应用不便，随着电力技术的发展，智能 电网产生的数据也越来意越多，其管理复杂程度也越来越大，用户使用起来极其不便。这种 情况下，将对电力营销管理系统管理的发展造成困扰，导致电力营销管理平台整体使用效 率低下，管理水平较低。
技术实现要素：
针对现有技术的不足，本发明公开了一种基于大数据管理的电力营销管理平台构 建方法，采用层次化管理方法，利用大数据云计算，能够在0.1-2s的时间内完成上亿数据的 计算和管理，大大提高了数据的运算能力，提高了电力营销管理平台的数据管理能力。 本发明采用以下技术方案： 一种基于大数据管理的电力营销管理平台构建方法，其中所述平台内的数据类型 至少包括公共数据库、营销专业数据库、客户服务数据库和决策数据库，并且所述平台至少 包括: 客户服务层，其内至少设置有呼叫中心子系统、触摸查询子系统、客户服务子系统 和语音查询子系统；其中：所述呼中心子系统至少包括呈分布式设置的自动呼叫分配模块、 交互式语音应答模块、计算机电话集成服务器、人工坐席、数据库服务器和数据应用平台； 所述触摸查询子系统至少包括表面声波触摸屏或电容触摸屏、电脑主机或机柜，所述机柜 内设置有主机；所述客户服务子系统至少包括呈分布式设置的投诉管理模块、维修管理模 块、装修管理模块、加时空调管理模块、外来人员管理模块、钥匙管理模块、收楼维修管理模 块、家政服务模块、来电管理模块、设备报表模块，支持移动APP维修报修模块、派单模块、异 常数据处理模块和回访模块；所述语音查询子系统至少包括语音导航模块、合成语音管理 5 CN 111598723 A 说 明 书 2/9 页 模块、自动应答管理模块、数据库查询模块、按键统计模块、上下班设置模块、语音信箱和客 户满意度调查模块； 营销业务处理层，其内至少设置有业扩报装子系统、电能计量子系统、电费收取子 系统、用电账务子系统、用电监查子系统、市场与需求侧子系统、线损管理子系统、配电GIS 管理子系统、报表汇总子系统和系统管理子系统；其中所述业扩报装子系统至少包括非业 务管理子系统、采购子系统、仓储管理系统、库存子系统、生产子系统、销售子系统、配送子 系统、运输子系统、财务子系统和决策支持子度系统；所述电能计量子系统至少包括档案管 理模块、设备管理模块、维修管理模块、计量误差管理模块和日常管理模块；所述电费收取 子系统至少包括系统参数管理模块、收费管理模块、欠费管理模块、电费账务管理模块、财 务管理模块和电费储蓄模块；所述用电账务子系统至少包括系统设置模块、凭证处理模块、 记账结账模块、账证输出模块、辅助核算模块和系统服务模块；所述用电监查子系统至少包 括系统设置模块、监控模块、异常报警模块和数据统计模块；所述市场与需求侧子系统至少 包括电力需求侧通信模块、监控模块、数据输入模块和数据输出模块；线损管理子系统至少 包括线损指标管理模块、线损统计模块、线损报告模块、线损异常分析模块、台区异常分析 模块、线损异常处理模块、线损考核模块、线变和变户关系维护模块；所述配电GIS管理子系 统至少包括环网自动化系统、负荷管理系统、配变监测系统、载波抄表系统和信息系统；所 述报表汇总子系统至少包括报表管理模块、格式管理模块、报表数据处理模块和报表分析 模块；所述系统管理子系统至少包括资源管理模块、资源监控模块、资源调度模块、服务管 理模块、支持服务模块和视图管理模块；所述营销业务处理层内各个模块还设置有计算单 元，所述计算单元连接有云通讯接口，并且所述计算单元至少包括决策树算法模型、 Apriori算法模型、AP聚类分析算法模型、BP神经网络模型模型、支持矢量机算法或 Adaboost迭代算法模型，用于实现各种数据的处理和计算； 营销工作质量监控层，其内至少设置有工作质量管理子系统，用于实现工作流程 控制、业务稽查、统计报表、综合查询和工作评估；所述工作质量管理子系统至少包括采购 管理模块、生产管理模块、工艺管理模块和质量报表管理模块； 营销决策层，其内至少设置有综合决策子系统，用于经营业绩分析、管理业绩分 析、策略效益分析、客户动态分析和市场策划，所述综合决策子系统至少包括分析模块、数 据查询模块、方案策划模块、方案执行模块和决策信息管理模块；其中： 所述客户服务层与营销业务处理层连接，所述营销业务处理层与营销工作质量监 控层连接，所述营销工作质量监控层与营销决策层连接。 在本发明进一步的技术方案中，所述云通讯接口连接有云服务器，所述云服务器 主机的硬件配置为Intel Xeon E3-1220v53.0 GHz四核,内存为8GDDR4,硬盘为1*Intel企 业级SSD,1*SATA 1T ,网卡为2*千兆网口；工作机节点的硬件配置为CPU型号Intel Xeon E53.0GHZ,内存为160GB。 硬盘容量为128TB； 在本发明进一步的技术方案中，在所述计算单元电力影响大数据处理之前，先进 行数据清洗，所述数据的清洗方法为： (1)选择数据范围； (2)设定界定清洗的指标；选择滚动标准差作为数据相似判断指标，计算公式为： 6 CN 111598723 A 说 明 书 3/9 页 其中S表示电力数据滚动集合，wi表示集合中滚动到第i个位置的滑差值，p表示集 合内的相似度系数； (3)对数据整合后，相似数据计算公式为： 其中(α,β)表示为电力数据集合中的相似数据，n表示集合数据点总数，k表示变动 点位置。 在本发明进一步的技术方案中，p的取值范围介于0.8-4.6之间。 在本发明进一步的技术方案中，所述决策树算法模型为数据分类算法模型，用于 对大数据按照不同的数据属性进行分类，便于用户快速从大量的数据库中查询到目标数 据，其中所述决策树算法模型通过划分根节点和子节点实现数据分类。 在本发明进一步的技术方案中，所述AP聚类分析算法模型为数据分类算法模型， 用于对大数据按照不同的数据属性进行分类，便于用户快速从大量的数据库中查询到目标 数据，所述AP聚类分析算法模型通过确定大数据的聚类的个数，通过k-均值算法或k中心点 算法实现数据的分类。 在本发明进一步的技术方案中，所述Apriori算法模型通过计算出支持度和置信 度求出大数据之间的关系。 在本发明进一步的技术方案中，所述BP神经网络模型模型是按误差逆传播算法训 练的多层前馈网络，所述BP神经网络模型模型包括向前传播方式和向后传播方式。 在本发明进一步的技术方案中，所述支持矢量机算法是一种有监督的机器学习算 法，用于分类任务或回归任务，所述矢量机算法包括线性可分支持向量机、线性支持向量机 和非线性支持向量机。 在本发明进一步的技术方案中，所述Adaboost迭代算法模型的计算方法为： (1)获取训练样本，训练弱分类器，通过训练多个弱分类器，训练强分类器； 用公式表示为：D1＝(w11,w12，…，w1N)，w1i＝1/N，i＝1,2…N(1) (2)迭代计算；计算出不同弱分类器分类的误差，所计算出的误差等于各个不同电 力营销大数据样本的权重和，算法迭代的次数小于弱分类器的个数； (3)迭代误差计算，其中迭代误差Gm(x)在训练集上的误差率公式为： (4)归一化处理：获取最优分类器之后，然后进一步地计算所选取的分类器的权 重，接着再更新各个不同样本的权重，进行再归一化处理，然后计算Gm(x)的系数，am代表Gm (x)在训练后的最终分类器中的关键程度，用公式表示为： 7 CN 111598723 A 说 明 书 4/9 页 在上述公式中，em≤1/2时，am≥0，通过公式可看出，am与em成反比例关系，即误差 率越小，分类器在最终分类器中越起到比较大的作用； (5)迭代判断：判断迭代次数是否等于阈值，如果与阈值相等，则完成迭代计算，最 后的分类器则由迭代过程中所选择的弱分类器经过线性加权得到的，如果迭代次数不等于 阈值，则重新进行迭代计算。 积极有益效果： 本发明应用云计算、数据挖掘算法模型构建出新型的电力营销管理平台，本发明 采用多层结构实现数据的多层次设计，分为客户服务层、营销业务处理层、营销工作质量监 控层和营销决策层，实现电力大数据平台的多层次管理； 本发明采用云计算技术，使用户能够快速、便捷地处理智能电网大数据，不仅能够 实现智能电网大数据的统一管理、智能存储、数据处理、数据分析、数据可视化等应用，还增 加了数据的加密性，大大提高了用户数据的隐私效果； 本发明采用数据挖掘算法，通过数据挖掘算法对接收到的数据按照不同的定义属 性进行分类、处理或者计算，采用的挖掘算法至少包括决策树算法模型、Apriori算法模型、 AP聚类分析算法模型、BP神经网络模型模型、支持矢量机算法或Adaboost迭代算法模型，实 现了大数据的处理，通过构建不同类型的数据模型，能够在0.1-2s的时间内完成上亿数据 的计算和管理，大大提高了数据的运算能力，提高了电力营销管理平台的数据管理能力。 附图说明 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所 需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施 例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获 得其他的附图。 图1为本发明一种基于大数据管理的电力营销管理平台构建方法的结构示意图； 图2为本发明一种基于大数据管理的电力营销管理平台构建方法中数据处理方法 示意图； 图3为本发明一种基于大数据管理的电力营销管理平台构建方法中决策树分类算 法一种实施例示意图； 图4为本发明一种基于大数据管理的电力营销管理平台构建方法中Apriori算法 的一种实施例示意图； 图5为本发明一种基于大数据管理的电力营销管理平台构建方法中BP神经网络算 法的一种实施例示意图； 图6为本发明一种基于大数据管理的电力营销管理平台构建方法中Adaboost迭代 算法的一种实施例示意图。 8 CN 111598723 A 说 明 书 5/9 页
本发明公开一种基于大数据管理的电力营销管理平台构建方法，涉及电能计量技术领域，本发明构建出包括客户服务层、营销业务处理层、营销工作质量监控层和营销决策层多层次架构数据管理平台，实现数据的多元化管理。本发明采用云计算技术，使用户能够快速、便捷地处理智 全部
背景技术：
随着大数据时代的到来，电力企业营销管理产生了明显影响，为了保证电力企业 稳定运行，要求企业在运营过程中加大对电力营销管理手段不断创新的重视，真正做到与 时俱进。只有充分利用大数据技术的运用优势，才能保证电力企业营销管理水平逐步提高， 能很好完成营销工作任务，进而发挥电力企业在我国经济建设上的作用。电力营销管理平 台在电力大数据管理中发挥着至关重要的作用，在信息化电力营销平台构建的时候，电力 工作人员需要从营销平台的应用层、网络层和用户层进行入手，确保各级之间数据传输的 质量与安全。在电力营销信息化建设时，还应当构建相应的网络安全防护系统，有效地抵御 网络病毒的恶意攻击，提高电力处理信息系统的运行安全，保障相关数据信息的可靠。 由于电力营销是电力系统管理的核心，其应用范围及其广泛，用户在应用电力营 销管理平台时，由于电力数据种类繁多，关系到电力企业的生产、管理和运营，现有技术中 的电力营销管理平台系统雍肿，数据运行困难，数据应用不便，随着电力技术的发展，智能 电网产生的数据也越来意越多，其管理复杂程度也越来越大，用户使用起来极其不便。这种 情况下，将对电力营销管理系统管理的发展造成困扰，导致电力营销管理平台整体使用效 率低下，管理水平较低。
技术实现要素：
针对现有技术的不足，本发明公开了一种基于大数据管理的电力营销管理平台构 建方法，采用层次化管理方法，利用大数据云计算，能够在0.1-2s的时间内完成上亿数据的 计算和管理，大大提高了数据的运算能力，提高了电力营销管理平台的数据管理能力。 本发明采用以下技术方案： 一种基于大数据管理的电力营销管理平台构建方法，其中所述平台内的数据类型 至少包括公共数据库、营销专业数据库、客户服务数据库和决策数据库，并且所述平台至少 包括: 客户服务层，其内至少设置有呼叫中心子系统、触摸查询子系统、客户服务子系统 和语音查询子系统；其中：所述呼中心子系统至少包括呈分布式设置的自动呼叫分配模块、 交互式语音应答模块、计算机电话集成服务器、人工坐席、数据库服务器和数据应用平台； 所述触摸查询子系统至少包括表面声波触摸屏或电容触摸屏、电脑主机或机柜，所述机柜 内设置有主机；所述客户服务子系统至少包括呈分布式设置的投诉管理模块、维修管理模 块、装修管理模块、加时空调管理模块、外来人员管理模块、钥匙管理模块、收楼维修管理模 块、家政服务模块、来电管理模块、设备报表模块，支持移动APP维修报修模块、派单模块、异 常数据处理模块和回访模块；所述语音查询子系统至少包括语音导航模块、合成语音管理 5 CN 111598723 A 说 明 书 2/9 页 模块、自动应答管理模块、数据库查询模块、按键统计模块、上下班设置模块、语音信箱和客 户满意度调查模块； 营销业务处理层，其内至少设置有业扩报装子系统、电能计量子系统、电费收取子 系统、用电账务子系统、用电监查子系统、市场与需求侧子系统、线损管理子系统、配电GIS 管理子系统、报表汇总子系统和系统管理子系统；其中所述业扩报装子系统至少包括非业 务管理子系统、采购子系统、仓储管理系统、库存子系统、生产子系统、销售子系统、配送子 系统、运输子系统、财务子系统和决策支持子度系统；所述电能计量子系统至少包括档案管 理模块、设备管理模块、维修管理模块、计量误差管理模块和日常管理模块；所述电费收取 子系统至少包括系统参数管理模块、收费管理模块、欠费管理模块、电费账务管理模块、财 务管理模块和电费储蓄模块；所述用电账务子系统至少包括系统设置模块、凭证处理模块、 记账结账模块、账证输出模块、辅助核算模块和系统服务模块；所述用电监查子系统至少包 括系统设置模块、监控模块、异常报警模块和数据统计模块；所述市场与需求侧子系统至少 包括电力需求侧通信模块、监控模块、数据输入模块和数据输出模块；线损管理子系统至少 包括线损指标管理模块、线损统计模块、线损报告模块、线损异常分析模块、台区异常分析 模块、线损异常处理模块、线损考核模块、线变和变户关系维护模块；所述配电GIS管理子系 统至少包括环网自动化系统、负荷管理系统、配变监测系统、载波抄表系统和信息系统；所 述报表汇总子系统至少包括报表管理模块、格式管理模块、报表数据处理模块和报表分析 模块；所述系统管理子系统至少包括资源管理模块、资源监控模块、资源调度模块、服务管 理模块、支持服务模块和视图管理模块；所述营销业务处理层内各个模块还设置有计算单 元，所述计算单元连接有云通讯接口，并且所述计算单元至少包括决策树算法模型、 Apriori算法模型、AP聚类分析算法模型、BP神经网络模型模型、支持矢量机算法或 Adaboost迭代算法模型，用于实现各种数据的处理和计算； 营销工作质量监控层，其内至少设置有工作质量管理子系统，用于实现工作流程 控制、业务稽查、统计报表、综合查询和工作评估；所述工作质量管理子系统至少包括采购 管理模块、生产管理模块、工艺管理模块和质量报表管理模块； 营销决策层，其内至少设置有综合决策子系统，用于经营业绩分析、管理业绩分 析、策略效益分析、客户动态分析和市场策划，所述综合决策子系统至少包括分析模块、数 据查询模块、方案策划模块、方案执行模块和决策信息管理模块；其中： 所述客户服务层与营销业务处理层连接，所述营销业务处理层与营销工作质量监 控层连接，所述营销工作质量监控层与营销决策层连接。 在本发明进一步的技术方案中，所述云通讯接口连接有云服务器，所述云服务器 主机的硬件配置为Intel Xeon E3-1220v53.0 GHz四核,内存为8GDDR4,硬盘为1*Intel企 业级SSD,1*SATA 1T ,网卡为2*千兆网口；工作机节点的硬件配置为CPU型号Intel Xeon E53.0GHZ,内存为160GB。 硬盘容量为128TB； 在本发明进一步的技术方案中，在所述计算单元电力影响大数据处理之前，先进 行数据清洗，所述数据的清洗方法为： (1)选择数据范围； (2)设定界定清洗的指标；选择滚动标准差作为数据相似判断指标，计算公式为： 6 CN 111598723 A 说 明 书 3/9 页 其中S表示电力数据滚动集合，wi表示集合中滚动到第i个位置的滑差值，p表示集 合内的相似度系数； (3)对数据整合后，相似数据计算公式为： 其中(α,β)表示为电力数据集合中的相似数据，n表示集合数据点总数，k表示变动 点位置。 在本发明进一步的技术方案中，p的取值范围介于0.8-4.6之间。 在本发明进一步的技术方案中，所述决策树算法模型为数据分类算法模型，用于 对大数据按照不同的数据属性进行分类，便于用户快速从大量的数据库中查询到目标数 据，其中所述决策树算法模型通过划分根节点和子节点实现数据分类。 在本发明进一步的技术方案中，所述AP聚类分析算法模型为数据分类算法模型， 用于对大数据按照不同的数据属性进行分类，便于用户快速从大量的数据库中查询到目标 数据，所述AP聚类分析算法模型通过确定大数据的聚类的个数，通过k-均值算法或k中心点 算法实现数据的分类。 在本发明进一步的技术方案中，所述Apriori算法模型通过计算出支持度和置信 度求出大数据之间的关系。 在本发明进一步的技术方案中，所述BP神经网络模型模型是按误差逆传播算法训 练的多层前馈网络，所述BP神经网络模型模型包括向前传播方式和向后传播方式。 在本发明进一步的技术方案中，所述支持矢量机算法是一种有监督的机器学习算 法，用于分类任务或回归任务，所述矢量机算法包括线性可分支持向量机、线性支持向量机 和非线性支持向量机。 在本发明进一步的技术方案中，所述Adaboost迭代算法模型的计算方法为： (1)获取训练样本，训练弱分类器，通过训练多个弱分类器，训练强分类器； 用公式表示为：D1＝(w11,w12，…，w1N)，w1i＝1/N，i＝1,2…N(1) (2)迭代计算；计算出不同弱分类器分类的误差，所计算出的误差等于各个不同电 力营销大数据样本的权重和，算法迭代的次数小于弱分类器的个数； (3)迭代误差计算，其中迭代误差Gm(x)在训练集上的误差率公式为： (4)归一化处理：获取最优分类器之后，然后进一步地计算所选取的分类器的权 重，接着再更新各个不同样本的权重，进行再归一化处理，然后计算Gm(x)的系数，am代表Gm (x)在训练后的最终分类器中的关键程度，用公式表示为： 7 CN 111598723 A 说 明 书 4/9 页 在上述公式中，em≤1/2时，am≥0，通过公式可看出，am与em成反比例关系，即误差 率越小，分类器在最终分类器中越起到比较大的作用； (5)迭代判断：判断迭代次数是否等于阈值，如果与阈值相等，则完成迭代计算，最 后的分类器则由迭代过程中所选择的弱分类器经过线性加权得到的，如果迭代次数不等于 阈值，则重新进行迭代计算。 积极有益效果： 本发明应用云计算、数据挖掘算法模型构建出新型的电力营销管理平台，本发明 采用多层结构实现数据的多层次设计，分为客户服务层、营销业务处理层、营销工作质量监 控层和营销决策层，实现电力大数据平台的多层次管理； 本发明采用云计算技术，使用户能够快速、便捷地处理智能电网大数据，不仅能够 实现智能电网大数据的统一管理、智能存储、数据处理、数据分析、数据可视化等应用，还增 加了数据的加密性，大大提高了用户数据的隐私效果； 本发明采用数据挖掘算法，通过数据挖掘算法对接收到的数据按照不同的定义属 性进行分类、处理或者计算，采用的挖掘算法至少包括决策树算法模型、Apriori算法模型、 AP聚类分析算法模型、BP神经网络模型模型、支持矢量机算法或Adaboost迭代算法模型，实 现了大数据的处理，通过构建不同类型的数据模型，能够在0.1-2s的时间内完成上亿数据 的计算和管理，大大提高了数据的运算能力，提高了电力营销管理平台的数据管理能力。 附图说明 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所 需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施 例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获 得其他的附图。 图1为本发明一种基于大数据管理的电力营销管理平台构建方法的结构示意图； 图2为本发明一种基于大数据管理的电力营销管理平台构建方法中数据处理方法 示意图； 图3为本发明一种基于大数据管理的电力营销管理平台构建方法中决策树分类算 法一种实施例示意图； 图4为本发明一种基于大数据管理的电力营销管理平台构建方法中Apriori算法 的一种实施例示意图； 图5为本发明一种基于大数据管理的电力营销管理平台构建方法中BP神经网络算 法的一种实施例示意图； 图6为本发明一种基于大数据管理的电力营销管理平台构建方法中Adaboost迭代 算法的一种实施例示意图。 8 CN 111598723 A 说 明 书 5/9 页
