（电力系统及其自动化专业论文）电力市场分析决策支持系统研究与设计.pdf

a b s t r a c t w i t ht h er a p i dd e v e l o p m e n ta n df u r t h e rd e r e g u l a t i o no fe l e c t r i cp o w e ri n d u s t r y , t h er e s p o n s i b i l i t i e so fe l e c t r i cp o w e rc o m p a n i e sh a v e b e e nc h a n g i n gf r o mu s e r m a n a g e m e n tt om a r k e t i n ga n ds e r v i c e ，a sar e s u l t , e l e c t r i cm a r k e t i n ga n a l y s i s b 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 , s of a r , t h ea c t u a l m a r k e t i n gs y s t e m sj u s tm a n a g et h ed a t ai n f o r m a t i o n ，t h eq u a n t i t yo fw h i c h i sv a r i o u s ， s oi tb e c o m e sah o tt o p i ch o wt of m dt h er e g u l a t i o n st os u p p o r tt h ed e c i s i o nw i t h c o m p u t e rt e c h n o l o g i e s t h i sp a p e ri 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 ( d s s ) t ob u i l dt h ee 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 a d a p t sw e l lt ot h ee l e c t r i ci n d u s t r y b e c a u s em o d e l b a s ei sa ni m p o r t a n tc r i t e r i o nt o e v a l u a t e d s s ，d i f f e r e n tm o d e l s ，w h i c ha r eb a s e do nd a t am i n i n g ( d m ) a n d m u l t i s t a t i s t i c st h e o r i e s ，a r ea p p l i e di nt h i sp a p e r f i r s t l y , a s s o c i a t i o nr u l e ( a r ) a n d d e c i s i o nt r e e ( d t ) i nd ma 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 e e l e c t r i cs e l l i n gm a r k e t i no r d e rt oe l i m i n a t ed i s a d v a n t a g e so fb u z zh a n d l i n gi nd t r o u g hs e tf g s li si n t e g r a t e dv v i t l ld tt ob u i l da na l g o r i t h mt h a tc a l le x p l o r et h e m a r k e tp o t e n t i a l e f f e c t i v e l y s e c o n d l y , m a n ym o d e l s a r ee s t a b l i s h e df o rl o a d f o r e c a s t i n ga n dt h es e n s i t i v i t ya n a l y s i sw i t hm u l t i s t a t i s t i c st h e o r i e s b e c a u s eo ft h e c o m p l i c a c yo ft h ei 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 ，t h em e t h o dt h a tc o m b i n e sp r i n c i p a l c o m p o n e n ta n a l y s i sr p c a ) w i mn o n l i n e a rf u n c t i o nt r a n s f o r m a t i o ni sp r o p o s e d p c a i si n t r o d u c e dt oe r a s et h ec o u p l i n gr e l a t i o n sa m o n gt h ef a c t o r si nt h ee l e c t r i cm a r k e t t h e nt h ef i m c t i o nt r a n s f o r m a t i o ni sa p p l i e dt o g a i nt h ec o m p l i c a t e df u n c t i o n so f e l e c t r i cc o n s u m a b l ed i s t r i b u t i o n l a s t l y , b a s e do nt h ea b o v et h e o r i e s ，e m a d s sc a n p r o v i d ev a l u a b l es u g g e s t i o n st oe x p l o i te l e c t r i cm a r k e t ，w h i c hc a nm a k et h es y s t e m m o r ep r a c t i c a l a c c o r d i n gt ot h ea b o v em o d e l s ，e m a d s ss o f t w a r ei sr e s e a r c h e da n dd e v e l o p e d i ti sd e s i g n e dt ob eh y b r i da r c h i t e c t u r eo fc sa n db s t h ea l g o r i t h i n sa n dd a t a b a s e o fs y s t e me m p l o yc o ma n dd a t aw a r e h o u s et e c h n o l o g y , r e s p e c t i v e l y t h ed e s i g n s t y l ea s s u r e ss t a b i l i t ya n dr e l i a b i l i t yo f t h es y s t e m k e yw o r d s ：e l e c t r i cm 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 ，d a t am i m n g ，d e c i s i o n t r e e ，r o u g hs e t ，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 i i - 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，也不包含为获得墨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j 易j2 髟、签字同期： 坩年月，乞日 学位论文版权使用授权书 本学位论文作者完全了解鑫洼盘堂有关保留、使用学位论文的规定。 特授权盘连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：加i 段 导师签名： 签字日期：例+ r 年月2 ，日 第一章绪论 1 1 课题的研究背景及意义 第一章绪论 经过2 0 多年的经济改革，我国社会主义市场经济新体制的雏形已渐渐清晰， 市场经济规律的作用也越来越明显。而随着我国电力行业的高速发展，以及电力 体制市场化改革不断的深入，电力企业的理念己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 。 国家电力公司为实现“两型两化国际一流”的战略目标和“四步走”的战略 部署，构筑面向2 1 世纪的国家电力公司电力营销战略，要求各网省公司加强对 电力营销工作的领导，积极推进电力营销工作改革，增加营销收入提高营销队伍 素质，强化供电服务体系功能，不断增强市场开拓和竞争能力，建立和完善适应 市场经济发展并具有较强应交能力的电力营销体系。目前己经有一些电力公司投 入相应的精力和财力来开发有助于提高营销工作质量的软件系统。据了解，福建 亿力电力集团已经开发了全国第一套电力营销系统，而东软集团开发的电力营销 管理信息系统也己在大连供电公司作为试点投入应用。 决策支持系统( d s s ) 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，主要用来为管理决策者提供分析 问题、构造模型、模拟决策过程及评价决策效果的决策支持环境。决策支持系统 集成了模型库系统、数据库系统、方法库系统和知识库系统。模型库系统由模型 库和模型库管理系统构成，其中模型库是计算机中按一定组织结构形式存储和表 示多个模型的集合体，是决策支持系统的主体；模型库管理系统的任务是对此集 合体进行有效管理，提供适当方法来实现模型的提取、访问、更新和合成等操作。 电力营销决策支持系统是随着电力行业信息进程化的需要而产生的，用来帮 助企业内各层次的决策者进行决策，解决目前电力企业经营管理中存在的决策机 制不健全、决策程序不规范、决策结果的准确度不高等问题，有效的提高电力企 业的工作效率和经营效益。文献【2 和文献 3 分别介绍了决策支持系统目前在电 力市场营销中的应用。本文结合电力市场营销的特点和决策支持系统技术，并针 第一章绪论 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。 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；同时应用计及电价滞后影响的电价弹性分析对电量与电价问关系进行分 析，进向通过这些分析提m 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干抽取、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。由于决策树在噪声处理上 存在的劣势，因此本文引入粗糙集技术与之相结合，最终形成可以有效挖掘售电 市场潜力的数据挖掘算法。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。其中由于综合灵敏度问题的复杂性，本文提 出一种将主成份分析与非线性函数变换结合的方法，一方面利用主成份分析消除 备影响因素间的耦合关系，另一方面应用函数变换来得到复杂的函数关系，最终 利用所得到的售电量分布函数来分析售电市场的综合灵敏度。 其次，本文结合数据仓库技术和组件技术，进行了决策支持系统软件结构的 设计。在系统的体系架构方面，本文将b s 结构与c s 结构结合起来，并根据系 统不同模块的特点来对其表示方法进行设计。在系统的数据仓库方面，本文充分 利用现有数据基础，将其构建在营业m i s 数据库和大客户数据库的基础之上。 在系统的模型方法方面，由于组件技术具有易于更换、适于改变需求、使软件复 用成为可能、以及有助于并行丌发等特点，本文利用其进行模型算法的设计开发。 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，详细描述了应用于电力市场分析决策支持系统的所有模型算法。 第四章则是本系统具体软件堤计方面的介绍。第五章对全文进行总结。 第四章则是本系统具体软件设计方面的介绍。第五章对全文进行总结。 第二章决策支持系统 2 1 概述 第二章决策支持系统 决策是人们为了达到某一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 【4 】。企业能否在激烈的市场竞争中立于不败之地，关键在于是否能做出正确的决 策。而随着中国电力市场的改革，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有了更高的要求。 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1 5 】。 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 2 2 1 决策支持系统的产生 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 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。 第二章决策支持系统 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。 2 2 2 决策支持系统的发展 1 9 7 1 年s c o t tm o r t 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【6 1 ，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 ) 、 基于数据仓库的决策支持系统。 2 3 决策支持系统的结构 现代的d s s 主要有五个部分构成：人机界面、数据库系统、模型库系统、 知识库系统和方法库系统；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 第二章决策支持系统 实现部分，称之为四库系统。图2 - 1 即为一个综合决策支持系统的结构图。 删r 2 3 1 人机界面 图2 1 综合决策支持系统结构图 人机界面部分是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，图2 1 中问题综合与交互系统就 是一个人机界面的例子。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。一个好的人机界而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，而且通过“w h a t i f “”这种带有自然语言形式的提问，得到按系统中现有的模型所得出的参考 意见。 2 3 2 数据库系统 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 第二章决策支持系统 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 模型库系统 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。 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 第二章决策支持系统 据系统做出决定。 2 3 4 知识库系统 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7 1 ，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。方法库有点类似于c h 中的s t l ，但是它与 语言无关，调用时实现动态连接，并能单独的修改模块而不需要改变调用程序。 还有它增建了用户接口命令语言，用户不需要有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。 本章首先介绍了决策支持系统的产生和发展的过程；然后对决策支持系统的定义 和基本结构做出了详细的描述。在对本章内容充分理解的基础上，将决策支持系 统和电力市场营销结合起来，为最终电力市场分析决策支持系统的建立奠定了理 论的基础。 第三章电力市场分析决策支持模型 3 1 模型概述 第三章电力市场分析决策模型 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，本文主要对受气象、电价和经济等多种因素影响的售电市场进行各种分析。 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【8 】， 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、电价 弹性分析和经济因素分析，并最终把这些分析的结果作为生成决策建议的依据。 3 1 2 售电市场的基本概念 电力市场分析决策的基础资料是历史的售电量和当时的各种环境因素的历 史数据记录，这些数据中蕴含着很多电力市场环境与售电量变化之间的规律性。 要对电力市场营销进行分析决策，则必须先对这些数据进行抽象形成数据模型， 然后将电力市场营销分析的问题抽象和表达出来，以便应用各种方法对数据进行 处理，来发现有用的知识和规律。为此，本文引用文献【9 】所描述的售电市场概 念，基本定义如下： 定义1 售电事务关系，是电力市场电量和影响电量需求变动的因素的集合， 其中维度属性为 季节，气象，行业类别，电价，经济， ，度量属性为 售 电量水平 。 定义2 售电事务空间，定义在售电事务关系之上的多维事务空间。 定义3 市场，是售电事务空间中的任何一个元素或者元素的集合。如图3 1 所示： 第三章电力市场分析决策支持模型 图3 - 1 售电事务空间实例 但是，售电事务关系中某些售电事务，如年度、月份、行业等，本身就都是 离散的，而且人们也习惯于将它们与其它售电事务，如气象、电价和其它一些经 济因素区分开来，因此为了符合系统运行人员的分析习惯，在本文所建系统分析 的所有售电市场中，这些售电事务都被直接包含在内，也就是说，系统总是对某 一时间某一行业售电市场的情况进行分析，而不会将其抛开进行泛泛的分析。 3 1 3 分析决策模型的主要技术 数据挖掘是发现隐藏在大型数据集中有趣的数据模式和数据规律，将数据转 换成有用的信息和知识的技术。这些信息的表现形式为：规则、概念、规律及模 式等。它可帮助决策者分析历史数据及当前数据，并从中发现隐藏的关系和模式， 进而对特定的数据集合进行特征描述或者预测未来可能发生的行为。数据挖掘的 过程也叫知识发现的过程，它涉及到数据库、人工智能、数理统计、可视化等领 域，是一门涉及面很广的交叉性新兴学科。数据挖掘是一种新的信息处理技术， 其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。更为重要的，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搜索。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，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，图3 2 为数 据挖掘的过程示意图。文献 1 0 介绍了数据挖掘的关联规则和决策数算法在决策 支持系统中的应用。本文主要应用数据挖掘的关联规则技术来进行市场特征分 析，利用决策树技术进干亍市场潜力分析，具体内容将在3 3 和3 4 两节进行介绍。 第三章电力市场分析决策支持模型 图3 2 数据挖掘流程 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 ”。 在本文所建系统的分析决策部分，除上述运用了数据挖掘技术的市场特征分析和 潜力分析模块外，其余模块均不同程度的应用了多元统计的技术。 3 2 电力需求预测模型 在本文所介绍的电力市场分析决策支持系统中，精选了2 1 种预测模型，既 包含了在电力系统中已经长期应用得相当成熟的统计预测的模型，也开发了近年 来兴起的灰色模型和基于人工智能的预测模型。这些模型保证了系统在预测算法 方面的稳健性和先进性。本节的以下各部分将对这些模型进行简要的介绍。 3 2 1 回归模型 回归分析模型 1 2 , 1 3 , 1 4 , 1 5 1 的基本原理是通过在一定的准则基础上，找到一条最 优曲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。 第三章电力市场分析决策支持模型 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 数的最小二乘法是非常方便的，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 = 口+ b x ( 2 ) 抛物线模型：y = a + 溉+ c x 2 ( 3 )双曲线模型：y = ( 4 ) 幂函数模型：y = $ 6 ( 5 ) 指数模型：y = a e z ( 6 ) 对数模型：y = 日+ b l n x ( 7 ) 非线性指数模型：y = 口+ b e 。 ( 8 ) 龚帕兹模型：y = e “”“ ( 9 ) 逻辑斯蒂模型：y = 二彳 ( 1 0 ) 时间序列l 模型：y = + d i x a 2 。 ( 儿) 时间序列2 模型：y = ( a o + a l x ) a 2 5 ( 1 2 ) 时间序列3 模型：y = c l o ( 口1 x + 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 + b l x l + b 2 x 2 6 。z 。 3 2 2 趋势外推模型 电力负荷的变化一方面有其不确定性，如气候变化、意外事故的发生等会造 成对电力负荷的随机干扰。另一方面在一定条件下电力负荷存在着明显的变化趋 势。一旦找到了负荷变化趋势，按照该变化趋势就能对未来负荷作出判断，这就 是趋势外推预测技术 1 2 , 1 3 , 16 。广义上讲，许多方法都有这个特征，按照惯例本文 主要指指数平滑模型和滑动平均模型。下面以一次指数平滑模型为例进行介绍。 取定参数口，0 口 1 ，初值5 02 工，便可计算指数平滑序列 j ，= n t + ( 1 一口) j 卜l ( 3 1 1 第三章电力市场分析决策支持模型 式中，f 5 1 ，2 ，t ，用t 期的平滑值5 ，预测r + l 期的电力负荷，这就是 一次指数平滑法。由式( 3 一1 ) 可以推出： 工f + 】2 口j f + d ( 1 一口) x ，一l 十口( 1 一) 卜z i + ( 1 一g ) 7 so r 3 2 1 从式( 3 2 ) 可以看出，除最后一项【1 刚。外，由大到小的加权到由近到远 的数据上，体现了“近大远小”的原则。权变系数取决于平滑系数口，a 逾大， 权变系数由大变小愈快，口愈小，权变系数由大到小变得愈慢，此时平滑作用较 强。在实际运用该模型当中，依据情况的变化，不断修正口的值，使预测效果更 佳，这就是自适应系数法的思想。 3 2 3 灰色系统模型 灰色系统理论 1 3 3 7 , 1 8 j 的重要特点是，将原始数据序列按照某种要求做数据处 理，生成新的数据序列。灰色系统对灰量、灰过程的处理，不是找概率分布，求 统计规律，而是用灰色“生成”的办法，求得随机性弱化、规律性强化的新数据 序列。再利用生成数建模。适合在规律性不明显、数据量较少的场合应用。 本系统采取的生成算法是较为广泛采用的累加生成，建模过程采用了一阶微 分方程，由于微分方程的解是指数曲线，而辽宁省电力需求经过累加生成后，多 呈现指数增长规律，因此一阶微分方程可以很恰当的描述其电力需求趋势。 本系统的灰色模型有： g m ( 1 ，1 )( 一维，不考虑相关量) g m ( 1 ，n )( n 维，考虑相关量) g m ( 1 ，1 ) 模型是最常用的一种灰色模型，它由一个只包含单变量的一阶 微分方程构成，是电力负荷预测的一种有效模型，是g m ( 1 ，n ) 模型的特例。 g m ( 1 ，n ) 模型表示对n 个变量用一阶微分方程建立的灰色模型，用于建 立负荷和若干个影响变量之间关系的预测模型。 3 2 4 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 第三章电力市场分析决策支持模型 模型 1 9 , 2 0 】：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。 1 ) 网络结构图 输 入 空 间 p 图3 - 3b p 神经网络网络结构图 输 出 空 间 q 2 ) 算法基本原理，本系统中的隐层节点的转换函数采用s i n g m o i d 函数即： ，( s ) 2 i 之i 函数曲线如图3 - 4 所示： f ( s ) 图3 4s i n g m o i d 函数曲线图 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i ) t l 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 馈神经网络如图所示的网络结构： 1 ) 网络基本结构 第三章电力市场分析决策支持模型 输 入 空 间 p 输 出 空 间 q 图3 - 5r b f 神经网络网络结构图 2 ) 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 c i x ( t ) - 盼一卜掣， f 吐z 堋 b ， 其中，t i 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性化的 问题了，这类问题有很多成熟方法可供利用，最常用是最小二乘法。 3 3 售电市场特征分析模型 售电市场特征分析模型利用数据挖掘的关联规则算法的结果来对其进行描 述，因此市场特征分析的刚示依赖于关联规则分析模型的要求。文献 2 0 】和文献 2 1 】介绍了关联规则分析在市场营销中的应用。关联规则分析模型通过对某一具 有多种影响因素的售电市场环境与售电量水平之间的关联程度进行分析，来确定 售电市场中各类影响因素中主要因素和次要因素，进而描述售电市场特征。 3 3 1 数据预处理 对数据使用下面的预处理可以提高分类的准确性、有效性和可伸缩性。 数据清理：旨在消除或减少数据嗓声( 例如使用平滑技术) 和处理空缺 值( 例如，用该属性最常出现的值，或根据统计，用最可能的值替换空 第三章电力市场分析决策支持模型 缺值) 的数据预处理。尽管大部分分类算法都有处理噪声和空缺值的机 制，但该步骤有助于减少学习时的混乱。 相关性分析：数据中有许多数据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计提出的数据可能与申请的成功不相关。此 外，其他属性可能是冗余的。因此，可以进行相关分析，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。包 含这些属性将减幔和可能误导学习步骤。 理想情况下，用在相关分析上的时间，加上从“压缩的”特性子集上学习的 时间应当少于由原来的数据集合上学习所花的时间。因此，这种分析可以帮助提 高分类的有效性和可伸缩性。 数据变换：数据可以概化到较高层概念。概念分层可以用于此目的。对 于连续性属性，这一步非常有用。由于概化压缩了原来的训练数据，学 习时的输入，输出操作将减少。 数据也可以规范化，特别是在学习阶段使用神经网络或涉及距离度量的方法 时。规范化涉及将给定属性的所有值按比例缩放，使得它们落入较小的指定区间， 如一1 0 到1 0 ，或o 0 到1 0 。例如，在使用距离度量的方法中，这可以防止具 有较大初始域的属性相对于具有较小初始域的属性( 如二进位属性) 权重过大。 本文所建系统采用的数据预处理，主要包括两个步骤：首先将各个售电事务 的历史数据线性的映射到特定的区域，从而消除各自量纲的影响；然后将第一步 的连续性结果进行聚类，并用网络中心取而代之，这样就使得原本有量纲的连续 的售电事务数据，在保持各自基本相对关系的同时，转化成为无量纲的离散数值， 以便通过数据挖掘技术得到一些规律性的结果。 第一个步骤主要应用最大一最小化规范化方法1 2 l 】来对原始数据进行处理。例 如存在售电事务a ，则通过最大一最小化方法，可以将历史数据序列为 a 1 ， a 2 ，a f l 转化为 a l ，a 2 ，a n ，其中 。，：；：! ：! ! 芝( 。一。；。) + 。i 。( 3 - 4 ) 吼2 面i 瓦面而忡“一”“ 式( 3 4 ) 中的m a x 和m i n ，分别为指定映射区域的最大值和最小值，这样 就消除了不同量纲对于数据挖掘分析所产生的影响。 第二个步骤主要应用r b f 神经网络的聚类功能来处理规范化后的数据，使 其成为具有确定分类的离散值。关于r b f 神经网络的相关知识，本文已经在3 2 4 中进行了相关的基本介绍，此处不再赘述。 第三章电力市场分析决策支持模型 3 3 2 关联规则分析 关联规则分析是一种对选定数据集进行特征描述的挖掘算法，它通过搜索系 统中的所有事务，从中找出所有能将一组数据项和另一组数据项相联系的规则， 这种规则的建立并不是确定的关系，而是一个具有一定置信度的可能值，即事件 发生的概率。可以用下图简单说明： 图3 - 6 关联规则示意图 c ：总体样本空间； a ：数据项a ； b ：数据项b ； a n b ：包含且仅包含数据项a 和b 的数据项。 关联规则分析就是根据特定的a 和b ，在总体样本空间中，按照一定的搜 索方法，挖掘出所有a n b ，并且用关联度来度量a 和b 的关联关系。 本系统在具体实现对售电市场的关联规则分析时，采用了f p - g r o w t h 即频繁 模式增长算法。f p t r e e 挖掘的结果是一些由关联度和关联强度所度量的关联项， 例如一个典型的关联项如图3 7 所示： s = 1 0 3 s i d = s 4 f ( p 1 0 0 ，1 7 4 ，1 月份) + ( t o ，p 3 ) ) = $ e 4 ) 图3 7 典型关联项的示意图 上图所示关联项的解释意义为：如果售电