基于MapReduce的關(guān)聯(lián)規(guī)則技術(shù)在電力營銷大數(shù)據(jù)中的應(yīng)用
發(fā)布時間：2021-11-18 10:13
隨著智能電網(wǎng)建設(shè)的不斷深入和推進(jìn),積累的電力營銷數(shù)據(jù)呈指數(shù)級增長,如何從這些歷史數(shù)據(jù)中挖掘出"寶藏",已經(jīng)成為堅強(qiáng)智能電網(wǎng)建設(shè)的迫切需求�；贛apReduce平臺將關(guān)聯(lián)規(guī)則挖掘技術(shù)運用于電力營銷大數(shù)據(jù)的分析之中,首先采用并行K-means聚類算法將數(shù)據(jù)離散化處理,再運用并行FP-growth算法挖掘關(guān)聯(lián)關(guān)系。按照行業(yè)和月份對用電市場進(jìn)行細(xì)分,挖掘各個行業(yè)內(nèi)用戶的分類屬性（用戶屬性、市場屬性等）與決策屬性（分時用電量）之間的強(qiáng)關(guān)聯(lián)規(guī)則,并對當(dāng)前電力市場的特征做出科學(xué)的描述,從而降低營銷成本,提高營銷效率。
【文章來源】：山西電力. 2020,(01)
【文章頁數(shù)】：5 頁
【部分圖文】：
第二階段的MapReduce并化過程
將原始的數(shù)據(jù)庫劃分為幾個互相獨立的分區(qū)，并且數(shù)據(jù)庫分區(qū)是完備的。將這幾個分區(qū)分別存放在不同的機(jī)器上，對不同數(shù)據(jù)分區(qū)并行進(jìn)行FP-growth挖掘，最后將不同機(jī)器上的結(jié)果結(jié)合起來得到最終的結(jié)果[8-9]。過程如圖2所示。a）數(shù)據(jù)庫分區(qū)。把數(shù)據(jù)庫分成連續(xù)的不同的分區(qū)，每一個分區(qū)分布在不同的機(jī)器上。Hadoop框架會自動完成數(shù)據(jù)庫分區(qū)，所劃分的數(shù)據(jù)庫分區(qū)會拷貝到HDFS上。
關(guān)聯(lián)規(guī)則分析是一種對選定數(shù)據(jù)集進(jìn)行特征描述的挖掘算法，它搜集系統(tǒng)中的所有事務(wù)，從中找出所有組與組之間的數(shù)據(jù)項相聯(lián)系的規(guī)則，此規(guī)則并非確定的，而是具有置信度的可能值�，F(xiàn)在，關(guān)聯(lián)規(guī)則只能處理離散型的數(shù)據(jù)集，而電力營銷數(shù)據(jù)中的分時電量和電費等數(shù)據(jù)都是連續(xù)的，必須先采用K-Means聚類算法對數(shù)據(jù)進(jìn)行預(yù)處理，減少屬性值，提高屬性內(nèi)涵，這是進(jìn)行關(guān)聯(lián)規(guī)則挖掘的必要前提。由于本文研究的是分時用電量，若是以總電量來評價用電水平是不合理的，峰電量、平電量和谷電量三者綜合起來才能評價用戶的用電水平。因此，需要以峰、平、谷3個時段作為3個維度對分時電量進(jìn)行聚類得到不同等級的電量水平，對電費進(jìn)行一維聚類得到不同等級的經(jīng)濟(jì)水平。
【參考文獻(xiàn)】：
期刊論文
[1]基于Hadoop的并行FP-Growth算法的研究與實現(xiàn)[J]. 施亮,錢雪忠. 微電子學(xué)與計算機(jī). 2015(04)
[2]大數(shù)據(jù)挖掘分析在電力設(shè)備狀態(tài)評估中的應(yīng)用[J]. 宮宇,呂金壯. 南方電網(wǎng)技術(shù). 2014(06)
[3]基于MapReduce模型的間歇性能源海量數(shù)據(jù)處理技術(shù)[J]. 梅華威,米增強(qiáng),吳廣磊. 電力系統(tǒng)自動化. 2014(15)
[4]一種基于MapReduce的并行FP-growth算法[J]. 楊勇,王偉. 重慶郵電大學(xué)學(xué)報(自然科學(xué)版). 2013(05)
[5]一種基于FP-Growth的頻繁項目集并行挖掘算法[J]. 章志剛,吉根林. 計算機(jī)工程與應(yīng)用. 2014(02)
[6]網(wǎng)絡(luò)大數(shù)據(jù):現(xiàn)狀與展望[J]. 王元卓,靳小龍,程學(xué)旗. 計算機(jī)學(xué)報. 2013(06)
[7]基于云計算平臺Hadoop的并行k-means聚類算法設(shè)計研究[J]. 趙衛(wèi)中,馬慧芳,傅燕翔,史忠植. 計算機(jī)科學(xué). 2011(10)
碩士論文
[1]智能電網(wǎng)中數(shù)據(jù)處理技術(shù)的應(yīng)用研究[D]. 何壯壯.華北電力大學(xué) 2016
[2]海量數(shù)據(jù)并行挖掘技術(shù)研究[D]. 孫芬芬.北京交通大學(xué) 2014
本文編號：3502715
【文章來源】：山西電力. 2020,(01)
【文章頁數(shù)】：5 頁
【部分圖文】：
第二階段的MapReduce并化過程
將原始的數(shù)據(jù)庫劃分為幾個互相獨立的分區(qū)，并且數(shù)據(jù)庫分區(qū)是完備的。將這幾個分區(qū)分別存放在不同的機(jī)器上，對不同數(shù)據(jù)分區(qū)并行進(jìn)行FP-growth挖掘，最后將不同機(jī)器上的結(jié)果結(jié)合起來得到最終的結(jié)果[8-9]。過程如圖2所示。a）數(shù)據(jù)庫分區(qū)。把數(shù)據(jù)庫分成連續(xù)的不同的分區(qū)，每一個分區(qū)分布在不同的機(jī)器上。Hadoop框架會自動完成數(shù)據(jù)庫分區(qū)，所劃分的數(shù)據(jù)庫分區(qū)會拷貝到HDFS上。
關(guān)聯(lián)規(guī)則分析是一種對選定數(shù)據(jù)集進(jìn)行特征描述的挖掘算法，它搜集系統(tǒng)中的所有事務(wù)，從中找出所有組與組之間的數(shù)據(jù)項相聯(lián)系的規(guī)則，此規(guī)則并非確定的，而是具有置信度的可能值�，F(xiàn)在，關(guān)聯(lián)規(guī)則只能處理離散型的數(shù)據(jù)集，而電力營銷數(shù)據(jù)中的分時電量和電費等數(shù)據(jù)都是連續(xù)的，必須先采用K-Means聚類算法對數(shù)據(jù)進(jìn)行預(yù)處理，減少屬性值，提高屬性內(nèi)涵，這是進(jìn)行關(guān)聯(lián)規(guī)則挖掘的必要前提。由于本文研究的是分時用電量，若是以總電量來評價用電水平是不合理的，峰電量、平電量和谷電量三者綜合起來才能評價用戶的用電水平。因此，需要以峰、平、谷3個時段作為3個維度對分時電量進(jìn)行聚類得到不同等級的電量水平，對電費進(jìn)行一維聚類得到不同等級的經(jīng)濟(jì)水平。
【參考文獻(xiàn)】：
期刊論文
[1]基于Hadoop的并行FP-Growth算法的研究與實現(xiàn)[J]. 施亮,錢雪忠. 微電子學(xué)與計算機(jī). 2015(04)
[2]大數(shù)據(jù)挖掘分析在電力設(shè)備狀態(tài)評估中的應(yīng)用[J]. 宮宇,呂金壯. 南方電網(wǎng)技術(shù). 2014(06)
[3]基于MapReduce模型的間歇性能源海量數(shù)據(jù)處理技術(shù)[J]. 梅華威,米增強(qiáng),吳廣磊. 電力系統(tǒng)自動化. 2014(15)
[4]一種基于MapReduce的并行FP-growth算法[J]. 楊勇,王偉. 重慶郵電大學(xué)學(xué)報(自然科學(xué)版). 2013(05)
[5]一種基于FP-Growth的頻繁項目集并行挖掘算法[J]. 章志剛,吉根林. 計算機(jī)工程與應(yīng)用. 2014(02)
[6]網(wǎng)絡(luò)大數(shù)據(jù):現(xiàn)狀與展望[J]. 王元卓,靳小龍,程學(xué)旗. 計算機(jī)學(xué)報. 2013(06)
[7]基于云計算平臺Hadoop的并行k-means聚類算法設(shè)計研究[J]. 趙衛(wèi)中,馬慧芳,傅燕翔,史忠植. 計算機(jī)科學(xué). 2011(10)
碩士論文
[1]智能電網(wǎng)中數(shù)據(jù)處理技術(shù)的應(yīng)用研究[D]. 何壯壯.華北電力大學(xué) 2016
[2]海量數(shù)據(jù)并行挖掘技術(shù)研究[D]. 孫芬芬.北京交通大學(xué) 2014
本文編號：3502715
本文鏈接：http://sikaile.net/guanlilunwen/yingxiaoguanlilunwen/3502715.html
