在智能電網(wǎng)電力營銷發(fā)展的新向標下,電網(wǎng)企業(yè)必須要精確定位優(yōu)質(zhì)客戶,轉(zhuǎn)變原有的思維模式,科學配置服務資源,要以普通企業(yè)的視角看待市場營銷。研究和分析電力用戶的行為數(shù)據(jù),精確定位用戶的需求、消費習慣、行為趨勢和心理變化,對國家電網(wǎng)等電力企業(yè)放開售電市場,改善國內(nèi)用戶服務質(zhì)量,提高海內(nèi)外市場核心競爭力具有重要意義。本文首先對電網(wǎng)現(xiàn)有的營銷業(yè)務應用系統(tǒng)、95598客服系統(tǒng)中積累的電力用戶行為歷史數(shù)據(jù)進行清洗轉(zhuǎn)化等數(shù)據(jù)預處理工作,得到去除異常值和空值的規(guī)范數(shù)據(jù)集。在電力繳費數(shù)據(jù)用戶價值分析模型缺乏的情況下,基于傳統(tǒng)RFM消費者價值分析模型,結(jié)合電力用戶繳費行為的特點,構(gòu)建了 CRFMO電力繳費用戶綜合價值評價模型,在對CRFMO特征采用最小-最大標準化處理后,基于K-means算法實現(xiàn)了此CRFMO特征價值模型的電力繳費用戶價值分群。其次,為了優(yōu)化K-means聚類算法存在的初始聚類中心隨機的問題,本文結(jié)合DPC密度峰值算法,提出一種優(yōu)化的KD-means聚類算法,通過計算基于加權歐氏距離的相似度矩陣,得到所有樣本點的局部密度和高密度距離,進而獲得簇中心選擇指數(shù),從而確定初始簇中心點。通過對比聚... 

【文章來源】：西安科技大學陜西省

【文章頁數(shù)】：66 頁

【學位級別】：碩士

【文章目錄】：
摘要
英文摘要
1 緒論
    1.1 研究背景及意義
        1.1.1 課題研究背景
        1.1.2 課題研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 數(shù)據(jù)挖掘在電力行業(yè)的研究現(xiàn)狀
        1.2.2 國網(wǎng)用戶行為分析應用研究現(xiàn)狀
    1.3 論文研究內(nèi)容
    1.4 論文組織結(jié)構(gòu)
2 相關技術與理論研究
    2.1 數(shù)據(jù)挖掘相關技術研究
        2.1.1 數(shù)據(jù)挖掘概念原理
        2.1.2 數(shù)據(jù)挖掘流程步驟
        2.1.3 數(shù)據(jù)挖掘方法任務
    2.2 聚類分析算法研究
        2.2.1 聚類分析簡述
        2.2.2 聚類分析中的距離方法
        2.2.3 聚類分析算法理論研究
        2.2.4 聚類分析算法評估標準
    2.3 本章小結(jié)
3 基于K-means的電力用戶繳費行為分析
    3.1 電力用戶繳費行為數(shù)據(jù)預處理
        3.1.1 數(shù)據(jù)準備
        3.1.2 數(shù)據(jù)清洗轉(zhuǎn)換
    3.2 基于電力用戶價值分析的CRFMO模型構(gòu)建
        3.2.1 RFM模型介紹
        3.2.2 電力用戶價值分析CRFMO模型構(gòu)建
        3.2.3 標準化CRFMO模型的5個特征
    3.3 基于K-means聚類算法進行用戶分群
        3.3.1 K-means聚類算法基本原理
        3.3.2 K-means聚類算法的流程
        3.3.3 K-means聚類算法的構(gòu)建
        3.3.4 聚類結(jié)果分析
    3.4 本章小結(jié)
4 基于KD-means優(yōu)化的電力用戶繳費行為分析
    4.1 密度峰值發(fā)現(xiàn)聚類算法
        4.1.1 DPC算法概述
        4.1.2 DPC算法基本思想
    4.2 密度峰值優(yōu)化初始中心的K-means聚類算法
        4.2.1 DPC優(yōu)化初始中心
        4.2.2 優(yōu)化的KD-means聚類算法流程
        4.2.3 優(yōu)化后的聚類結(jié)果對比分析
    4.3 電力繳費用戶價值聚類分群結(jié)果分析
    4.4 本章小結(jié)
5 電力繳費行為數(shù)據(jù)分析系統(tǒng)實現(xiàn)
    5.1 系統(tǒng)框架總體介紹
        5.1.1 系統(tǒng)框架
        5.1.2 系統(tǒng)構(gòu)成及功能模塊
    5.2 系統(tǒng)展示
        5.2.1 電力繳費數(shù)據(jù)系統(tǒng)平臺
        5.2.2 電力用戶分群價值分析
    5.3 本章小結(jié)
6 結(jié)論與展望
    6.1 總結(jié)
    6.2 展望
致謝
參考文獻
附錄


【參考文獻】：
期刊論文
[1]國家電網(wǎng)公司“三型兩網(wǎng)”的戰(zhàn)略內(nèi)涵及實施問題[J]. 杜志婕,蔡明珺,潘益?zhèn)?  科技與創(chuàng)新. 2019(21)
[2]K-Means聚類算法研究綜述[J]. 楊俊闖,趙超.  計算機工程與應用. 2019(23)
[3]基于數(shù)據(jù)挖掘的電網(wǎng)故障關聯(lián)規(guī)則的研究[J]. 彭剛,唐松平,曾力,肖云.  計算機與數(shù)字工程. 2019(09)
[4]電網(wǎng)故障智能診斷技術研究綜述[J]. 劉仲民,呼彥喆,張鑫.  南京師大學報(自然科學版). 2019(03)
[5]聚類算法綜述[J]. 章永來,周耀鑒.  計算機應用. 2019(07)
[6]基于電力大數(shù)據(jù)的用戶用電行為分析研究綜述[J]. 辛苗苗,張延遲,解大.  電氣自動化. 2019(01)
[7]售電側(cè)市場化改革開放對公司供電服務的影響[J]. 陳東,汪麗.  江西電力職業(yè)技術學院學報. 2018(12)
[8]一種基于數(shù)據(jù)挖掘技術的電力負荷預測算法研究[J]. 張小軍,吳標,孫帆,徐路強.  自動化技術與應用. 2018(12)
[9]微服務體系結(jié)構(gòu)實現(xiàn)框架綜述[J]. 辛園園,鈕俊,謝志軍,張開樂,毛昕怡.  計算機工程與應用. 2018(19)
[10]面向智慧城市的電力數(shù)據(jù)挖掘多場景應用[J]. 孫芊,馬建偉,李強,楊磊.  電力系統(tǒng)及其自動化學報. 2018(08)

博士論文
[1]密度峰值聚類算法研究[D]. 杜明晶.中國礦業(yè)大學 2018

碩士論文
[1]電力系統(tǒng)數(shù)據(jù)挖掘可視化平臺的關鍵技術研究與實現(xiàn)[D]. 吳建建.鄭州大學 2016



本文編號：3203107