（内蒙古东部电力有限公司松山区供电分公司 内蒙古赤峰市 024000）
摘要：随着大数据技术在能源互联网中越来越多地应用，“大数据”以其独特的优势已经成为能源企业关注的热点。在电力能源供应压力不断扩大的基础上,电力系统的应用服务、安全管理和经济运行受到了巨大的挑战,在这种大环境下,国家电网提出了创建泛在电力物联网的设想,通过物联网技术特性,进一步提高电力系统的智能控制能力、灵活性和实时通信。本文分析了面向泛在物联网的电力营销大数据处理方法。
关键词：物联网；电力营销；大数据；方法
随着物联网技术在各个工业中的应用，这就为电力营销管理系统的应用提供了新的技术方向。通过将物联网技术与电力营销业务相结合，能够实现电力营销各项业务的集中化、实时化、精细化管理，使用户可以跨地域、跨业务范围地使用、管理电力系统。物联网技术还能够使各种应用终端与电力营销管理系统形成互联网络结构，大大提高了电力营销数据的传输和交互能力。
一、泛在电力物联网的主要特点
1.全面感知信息。泛在电力物联网内部传感器能够充分结合电力行业中的实际应用需求，在电力系统的各个角落中进行布置，或直接把传感器设置于电力设备内部，促进实现全面感知的目标。在无线通信技术持续发展的基础上，无线传感设备也不再需要创建固定网络设施，可以实现灵活部署，通过自组织合作形式实现快速组网，创建通信连接，能够对周围的环境状态信息和关键的部件环节等信息进行实时感知和全面采集处理。对于内部结构复杂、涉及范围较广的电力系统而言具有重要的作用。比如在一些恶劣的环境中设置传感器，能够对风电机组进行全面监控，进一步降低风电机组故障率，提升风电场整体经济效益。
2.通信方式灵活。电力系统在运行监测和调度过程中，需要保证信息能够实现快速、准确、实时传递，而这需要灵活通信方式和数据融合技术为基础。泛在电力物联网内部传感器开始进行信息传输操作前，需要将信息压缩，预防数据信息的冗余传递所产生的数据包遗失和信道堵塞等问题，随后将信息传输至网络集聚中心，实施全面的融合处理，最后利用专门的网络，将信息传输到用户终端。
3.面向具体服务。物联网为数据的互动、应用和采集提供了可能。电力行业领域中所容纳的数万个物联网设备，能够利用数据感知方法全面呈现出系统的各种运行状态信息，即生产出大量的数据信息，同时泛在电力物联网的网络核心也是数据信息。但是需要将大数据转化为一种智能的、可操作的信息，才可以从中获得有效的价值信息。数据的理解和转化即将一种数据包意义添加到具体服务或过程当中，为此电力领域中的物联网需要以实际的应用服务为目标，对各种数据信息进行集中应用处理。
4.安全性高。电力领域网络中的泛在电力物联网其应用范围具有一定的要求。因为电力系统运行质量能够对社会发展产生直接影响，为此需要进一步提高泛在电力物联网的可靠性和安全性，提高隐私保护。泛在电力物联网中的各种信息流，从原则层面分析，其只能应用于电力系统内部，主要是以电力行业中的专用通信网络为主，当处于一种应急环境下时，可以临时选择公共通信网络。而泛在电力物联网作为承载平台所体现出来的通用性特征和应用方面的针对性两者之间需要利用某种中间件进行适配操作，实现决策支持、数据挖掘、数据过滤等智能信息处理。
二、大数据处理方法
大数据软件平台主要包含客户服务层、营销业务层、营销工作质量管理层、营销管理决策支持层。在本文方案中，应用数据挖掘算法对MMIS中各种不同类型的数据进行分类，使用户能够根据需求输出不同的目标数据，减少用户搜索数据的时间。然后根据检索到的数据，再利用随机矩阵理论统计、分析MMIS中数据库的数据，从而有效地分析出数据的信息的能谱和本征态，得出实际数据的随机程度，根据数值，揭示不同类型数据之间包含的事件特征之间的关系。从而实现系统管理、用电业扩管理、电费计算、电费审核、计量管理、工程管理、报表管理等各种功能，从而便于用户进行数据管理和应用。
1.数据挖掘算法。MMIS中的数据库通常包含基础数据库、共享数据库以及决策数据库。在对这些数据库的数据类型进行处理时，选择采用决策树算法进行运算的原因在于，这种方法能够处理数据量比较大的数据，能够使用户从大量的数据库中快速选出用户期望的数据。下面对基础数据库进行说明。如图1所示。在本文技术方案中，选择使用决策树算法中的ID3算法来构建决策树，从而实现对数据的分类。这种算法处理速度快，分类精确，并且能够根据用户选择的分类属性进行分类，最终输出分类的具体结果，下面对该分类步骤进行详细介绍。在分类时，首先要训练分类器，再将若干个弱分类器训练成强分类器。在选择分类器之后，通过确定决策树的节点和分支节点来建立决策树模型。
.png)
.png)
根据式(1)和(2)计算出经验熵选择决策树的根节点。在选择目前数据库集的分割特征属性时，使用信息增益度来计算。如果出现大信息增益度值的频率高，则表示在这个属性特征上，数据损失得较少，可将计算出的较大信息增益度值的属性置于决策树的上层，作为根节点来考虑，将较小信息增益度值的属性作为叶节点使用。根据上述方法确定的根节点和叶节点，从而建立数据模型。
2.随机矩阵理论。在进行了决策树算法之后，能够使用户有效地将不同营销数据类型按照一定的属性选择出来。在输出的数据中，如果要考察不同数据之间的关联性以及不同数据之间的关系，即通过各种数据之间的关联性进行评估电力营销不同大数据之间的关系，则需要对数据进行进一步的研究，因此引入了随机矩阵理论。本文设计的系统还能够统计、分析不同地区MMIS数据之间的联系。在应用随机矩阵理论之前，首先引出相关性矩阵公式，如式(3)所示
.png)
在式(3)～(5)中，假设不同市、地区MMIS数据库(诸如A市MMIS数据库中的基础数据库、B市区MMIS数据库中的共享数据库、C市区MMIS数据库中的决策数据库等)有M种，数据库集合为：{P1,P2,P3,…,PM}，参数(如电量电费数据、收费服务数据、负荷管理数据等)的数据有N种，数据集合为：{Q1,Q2,Q3,…,QN}，在评估时间窗区间范围内，连续测试T次，其中将构成用户投诉的数据构建为矩阵D1，矩阵中，数据集合元素Pij为第i个MMIS数据库在j时间下进行检测数值。D2表示电能计量数据，比如电量电费数据、收费服务数据、负荷管理数据等。式(8)为滑动时间窗矩阵计算公式，单位 为时间窗，Tw为时刻ti的初始数据，通过式(8)能够计算出式(6)标准化矩阵积Dstd的特征值分布，Dstd值即是客户投诉信息与各个地市区中MMIS数据库的相关性，在计算相关性时，首先求出每个用户投诉的数据，其中， 分别表示矩阵D1和D2中单个元素的集合。式(7)为奇异值等同矩阵，U为常量。
国家电网公司建设泛在电力物联网是应用大数据技术的过程，也是推动大数据应用的过程。泛在电力物联网建设将全面支撑大数据应用，大数据应用将全面体现泛在电力物联网建设成效，二者有机结合、相辅相成。
参考文献
[1]殷勇.基于泛在电力物联网的全场景网络安全防护体系研究[J].供用电,2019,36(06):83-89.
[2]方阳.电力物联网多渠道客户服务中台战略研究与设计[J].供用电,2019,36(06):39-45+66.