摘 要：針對當前營銷算法，設置用電量約束范圍較廣，導致電力節(jié)能業(yè)務營銷精準度較低的問題，提出差異化密度聚類下的電力節(jié)能業(yè)務精準營銷算法。構建用戶用電數(shù)據(jù)挖掘決策樹，深入挖掘用戶用電數(shù)據(jù)，采用差異化密度聚類算法，劃分用戶電力數(shù)據(jù)，確定電力節(jié)能用戶分布。從用戶用電效用和供電公司收益兩方面，建立營銷目標函數(shù)，設置用電量約束和最小用電量約束，實現(xiàn)電力節(jié)能業(yè)務精準營銷。實驗結果表明：所提算法的用戶耗電量、用電總容量和交易電量，與其實際值相差較小，能夠有效提高電力節(jié)能業(yè)務營銷精準度，為用戶提供精準的電力節(jié)能業(yè)務。

關鍵詞：差異化;密度聚類;電力;節(jié)能業(yè)務;精準營銷

中圖分類號：TP302.1 文獻標識碼：A 文章編號：1001-5922（2022）05-0112-05

Power energy saving business precision marketing algorithm based on differentiated density clustering

Abstract： Aiming at the problem that the current marketing algorithm sets a wide range of power consumption constraints， which leads to the low accuracy of power energy-saving business marketing， a power energy-saving business precision marketing algorithm based on differentiated density clustering is proposed. The decision tree of user electricity data mining is constructed， and the user electricity data is deeply mined. The differentiated density clustering algorithm is used to divide the user electricity data and determine the distribution of power energy-saving users. From the two aspects of user’s electricity utility and power supply company’s income， the marketing objective function is established， and the electricity consumption constraints and minimum electricity consumption constraints are set to realize the precise marketing of power energy-saving business. Experimental results show that the proposed algorithm can effectively improve the marketing accuracy of power saving business and provide accurate power saving business for users.

Key words： differentiation;density clustering;electricity;energy-saving business;precision marketing

目前在人們的生活中已經(jīng)離不開電力，電力已然成為人類生活的主要能源之一[1]。在這樣的背景下，電力信息化建設發(fā)展迅速，不斷跟隨社會的發(fā)展，擴展電力業(yè)務范圍[2]。在電力業(yè)務擴展的過程中，電力行業(yè)政策隨著市場情況不斷變化，導致電力市場競爭更加激烈，促使電力企業(yè)內部建立起完善的電力營銷體系[3]。此外，為滿足社會發(fā)展，人類對電力需求增強，用電量不斷增加，傳統(tǒng)發(fā)電能源逐漸枯竭，新型發(fā)電能源還在研發(fā)當中，導致電力企業(yè)運行面臨嚴峻挑戰(zhàn)[4]。因此，在電力企業(yè)中，提出電力營銷體系。

基于此，相關領域學者十分重視電力企業(yè)營銷體系，提出電力營銷一體化模型體系，轉變電力營銷模式、用戶角色、硬件設施，從而提高電力企業(yè)營銷工作能力[5]。在電力營銷體系中，引入貝葉斯網(wǎng)絡，挖掘營銷客戶數(shù)據(jù)，評估用戶潛在價值，從而根據(jù)用戶特點，提供電力業(yè)務[6]。對目前電力企業(yè)營銷體系進行了分析，發(fā)現(xiàn)電力企業(yè)營銷工作存在工作效率低等工作問題，設計出掌上營銷系統(tǒng)，提高電力企業(yè)營銷工作效率[7]。雖然上述方法取得了一定的研究成果，但存在營銷電力節(jié)能業(yè)務精準度較低的問題。針對上述研究存在的問題，提出差異化密度聚類下的電力節(jié)能業(yè)務精準營銷算法，引入差異化密度聚類算法，分析電力節(jié)能用戶分布情況，從而根據(jù)用戶具體情況，為用戶提供節(jié)能業(yè)務營銷服務，提高電力節(jié)能業(yè)務營銷精度。

1 差異化密度聚類下的電力節(jié)能業(yè)務精準 營銷算法

1.1 挖掘電力用戶用電數(shù)據(jù)

用戶用電數(shù)據(jù)是以數(shù)據(jù)庫記錄的形式，存儲在電力企業(yè)客戶數(shù)據(jù)庫中。這些數(shù)據(jù)包含姓名、用電量、地址等屬性信息，并由這些屬性信息，組成一個特征向量[8]。除特征向量外，用戶用電數(shù)據(jù)，還有一個特定的類別標簽，與屬性相對應[9]?；诖耍瑢㈦娏ζ髽I(yè)客戶信息數(shù)據(jù)庫中，存儲的電力用電數(shù)據(jù)樣本向量記為（o1，o2，…，on;c），其中：on表示第n個屬性的字段;n表示屬性總數(shù);c表示電力用電數(shù)據(jù)樣本類別。

根據(jù)數(shù)據(jù)屬性，采用決策樹算法，深入挖掘用戶用電數(shù)據(jù)。構建電力用戶用電數(shù)據(jù)挖掘決策樹，其構建過程如下：

在電力用戶數(shù)據(jù)庫中，存儲的單個用戶數(shù)據(jù)，作為決策樹構建節(jié)點N，判斷選擇的單個用戶數(shù)據(jù)是否屬于同一個類別c。當單個用戶數(shù)據(jù)屬于同一個類別c時，將該數(shù)據(jù)節(jié)點N，記為決策樹樹葉，并用該類別對單個用戶數(shù)據(jù)進行標記。當單個用戶數(shù)據(jù)不屬于同一個類別時，標記該數(shù)據(jù)節(jié)點N中最普通的類別，并計算該數(shù)據(jù)節(jié)點N的信息量I和信息熵E，其計算公式如下：

式中：pj表示第j個電力用戶數(shù)據(jù)樣本，屬于數(shù)據(jù)樣本類別c的概率[10]。

根據(jù)公式計算該數(shù)據(jù)節(jié)點N的信息量I和信息熵E的結果，挑選該數(shù)據(jù)樣本分類屬性，選擇信息量I和信息熵E值最高的屬性，作為該數(shù)據(jù)節(jié)點的“測試”屬性節(jié)點N。依據(jù)“測試”屬性節(jié)點N1的已知值α，創(chuàng)建一個樹的分枝，并根據(jù)這些分枝劃分電力用戶數(shù)據(jù)。

此時，利用該用戶數(shù)據(jù)節(jié)點N，根據(jù)“測試”屬性節(jié)點的已知值α，長出帶有“測試”屬性的分枝，并讓該用戶數(shù)據(jù)節(jié)點N中的“測試”屬性分枝組成集合s，判斷集合s是否為空集合。

當集合s為空集合時，需要在樹上增加一片樹葉，并將其標記為該數(shù)據(jù)節(jié)點N的最普通類。按照上述過程，構建決策樹，不需要考慮該用戶數(shù)據(jù)節(jié)點N的后代節(jié)點。當給定節(jié)點N的所有數(shù)據(jù)樣本均屬于c類時，即完成決策樹構建。

基于此次研究，構建的決策樹，即可挖掘出電力企業(yè)客戶數(shù)據(jù)庫中存儲的用戶用電數(shù)據(jù)，根據(jù)這些數(shù)據(jù)，可以推斷該用戶是否為節(jié)能用戶。

1.2 確定電力節(jié)能用戶分布

將決策樹算法挖掘到的電力節(jié)能用戶數(shù)據(jù)，作為差異化密度聚類對象集Ψ，給定對象集的鄰域和領域閾值ε。從對象集Ψ中，選擇任意對象Ψj，作為差異化密度聚類對象集Ψ的核心，尋找Ψj的所有密度可達對象。

當Ψj屬于對象集Ψ的核心對象時，則差異化密度聚類算法可以找到和ε的簇;當Ψj屬于對象集Ψ的邊界點時，則Ψj的領域所包含的對象個數(shù)小于閾值ε，則Ψj不存在密度可達對象，此時，將Ψj標記為噪聲點，記為S [11]。其差異化密度聚類如圖1所示。

圖1中，O0、O1、O2、q0、q1、q2均表示差異化密度聚類對象集Ψ的核心點，其中，O0、O1、O2表示密度是有連接關系的;q1密度直接可達q0;q2密度直接可達q1;q2密度間接可達q0[12]。

依據(jù)圖1的差異化密度聚類示意圖，確定的電力節(jié)能用戶分布步驟如下：

步驟1：遍歷挖掘到的電力用戶用電數(shù)據(jù)，以一維單元格為目標，組成一維密集單元格集合H1;

步驟2：按照數(shù)據(jù)維度，直至生成維的候選密集單元格集合Hk+1;

步驟3：判斷集合Hk+1是否為空集;

步驟4：當時，結束算法，直接輸出電力用戶數(shù)據(jù)子空間;當時，返回步驟：1。

在空間中，聚集電力用戶用電數(shù)據(jù)，確定子空間中的聚類。處理上述過程中，丟失的數(shù)據(jù)對象，并合并空間中的子簇。生成電力用戶用電數(shù)據(jù)聚類描述，確保每一個類別中，至少包含一個區(qū)域集合[13]。至此，完成電力節(jié)能用戶聚類。

根據(jù)此次研究設計的聚類過程，得到的電力節(jié)能用戶分布情況，為非電力節(jié)能用戶提供電力節(jié)能業(yè)務。

1.3 精準營銷電力節(jié)能業(yè)務

依據(jù)此次研究，確定的精準營銷對象，建立電力節(jié)能業(yè)務精準營銷目標函數(shù)，需要將其分為用戶用電效益和供電公司收益，分別建立營銷目標函數(shù)，其中，用戶用電效益函數(shù)U（x，y）為：

式中：x表示用戶的用電量;β>0表示目標函數(shù)的參數(shù);w>0表示目標函數(shù)約束[14]。

相比用戶用電效益函數(shù)，供電企業(yè)函數(shù)包含較廣，且受用戶用電量制約，基于此，建立的供電公司供電收益目標函數(shù)如下式所示：

式中：t表示時間;xm（t）表示m位用戶在時刻t時的用電量;D（t）表示電力企業(yè)銷售商購買的電量;表示電力企業(yè)供電收益;d表示1 d;M表示用戶總數(shù)量;m∈M，表示用戶任意數(shù)量; m（t）表示位用戶在時刻t時購電的電價;（t）表示電力企業(yè)銷售商購買的電價;X表示用戶對電能的需求量;wm（t）表示m位用戶在時刻t時的約束[15]。

針對此次研究建立的目標函數(shù)，所設置的目標函數(shù)約束w，將其分為用電量約束和最小用電量約束，如下式所示：

式中：表示m位用戶在時刻t時的最小用電量;A表示1 d中所需要的最小電量;表示m位用戶在時刻t時的最大用電量[16]。

綜合上述計算過程，所建立的電力節(jié)能業(yè)務精準營銷算法流程如下：①初始化電力用戶，挖掘電力用戶用電數(shù)據(jù);②劃分電力用戶用電數(shù)據(jù)，選擇用戶中的非節(jié)能用戶;③采用差異化密度聚類，劃分用戶中的非節(jié)能用戶分布情況;④根據(jù)此次研究建立的目標函數(shù)，計算用戶是否滿足用電節(jié)能業(yè)務條件;⑤記錄每位用戶的適應個體數(shù)值，尋找最佳最優(yōu)用電節(jié)能業(yè)務對應用戶，并判斷該用戶是否滿足式（4）所示的約束條件;⑥當滿足約束條件時，終止循環(huán)，輸出最優(yōu)用戶;當不滿足約束條件時，則返回④繼續(xù)循環(huán)。通過上述步驟，實現(xiàn)電力節(jié)能業(yè)務精準營銷。

2 實驗分析

為了驗證差異化密度聚類下的電力節(jié)能業(yè)務精準營銷算法的有效性，在Inter Core i5-3470 處理器、8.0 GB內存、32位Windows7操作系統(tǒng)下運行。選擇文獻[6]和文獻[7]兩組當前營銷算法，以對比實驗的方式，采用電力節(jié)能業(yè)務，作為此次實驗研究對象。在Matlab 2010b算法仿真軟件上，運行3組營銷算法，對比驗證此次研究的電力節(jié)能業(yè)務精準營銷算法，為用戶提供電力節(jié)能業(yè)務精準程度。

2.1 實驗準備

根據(jù)此次實驗選擇的3組營銷算法，所設計的營銷算法在仿真軟件上運行環(huán)境如圖2所示。

基于此次實驗設置的營銷算法運行環(huán)境，采用如圖3所示的某市24 h的用電量，作為此次實驗數(shù)據(jù)。

根據(jù)此次實驗選擇的實驗數(shù)據(jù)，從該市中選擇12位用戶，作為此次實驗自變量。采用3組營銷算法，根據(jù)圖3所示的某市24 h用電量數(shù)據(jù)，劃分12位用戶耗電量、用電總容量、交易電量3個類別，并與12位用戶的實際類別相對比，驗證此次研究的營銷算法，為用戶提供電力節(jié)能業(yè)務精準程度。

2.2 實驗結果

2.2.1 第1組實驗結果

采用3組營銷算法，劃分12位用戶耗電量結果，如表1所示。

從表1中可以看出，文獻[7]算法劃分12位用戶耗電量結果，與用戶實際耗電量平均相差178 kW·h，產(chǎn)生的差值最大;文獻[6]算法劃分12位用戶耗電量結果，與用戶實際耗電量平均相差59 kW·h，產(chǎn)生的差值次之;而所提算法劃分12位用戶耗電量結果，與用戶實際耗電量平均相差2 kW·h，較兩組當前算法分別少57 kW·h和176 kW·h，產(chǎn)生的差值最小。由此可知，所提算法的用戶耗電量與實際耗電量較為相符，可以為用戶提供精準的電力節(jié)能業(yè)務。

2.2.2 第2組實驗結果

采用3組營銷算法，劃分12位用戶用電總容量結果，如表2所示。

由表2可知，文獻[7]算法劃分12位用戶用電總容量結果，與用戶實際用電總容量平均相差347 kW，產(chǎn)生的差值最大;文獻[6]算法劃分12位用戶戶用電總容量結果，與用戶實際用電總容量平均相差265 kW，產(chǎn)生的差值偏大;所提算法劃分12位用戶用電總容量結果，與用戶實際用電總容量平均相差3 kW，較2組當前算法分別少262 kW和344 kW，產(chǎn)生的差值最小。由此可知，所提算法的用戶用電總容量與實際用戶用電總容量相近，可以為用戶提供精準的電力節(jié)能業(yè)務。

2.2.3 第3組實驗結果

采用3組營銷算法，劃分12位用戶交易電量結果，如表3所示。

由表3可知，文獻[7]算法劃分12位用戶交易電量結果，與用戶實際交易電量平均相差146 kW，產(chǎn)生的差值最大;文獻[6]算法劃分12位用戶交易電量結果，與用戶實際交易電量平均相差134 kW，產(chǎn)生的差值偏大;所提算法劃分12位用戶交易電量結果，與用戶實際交易電量平均相差1.4 kW，較兩組當前算法分別小144.6 kW和132.6 kW，產(chǎn)生的差值最小。由此可知，所提算法的用戶交易電量與實際交易電量較為接近，可以為用戶提供精準的電力節(jié)能業(yè)務。

3 結語

此次研究差異化密度聚類下的電力節(jié)能業(yè)務精準營銷算法，通過構建用戶用電數(shù)據(jù)挖掘決策樹，在挖掘到的電力用戶用電數(shù)據(jù)基礎上，充分利用差異化密度聚類算法，劃分電力用戶用電數(shù)據(jù)，確定電力節(jié)能用戶分布。通過建立營銷目標函數(shù)，設置最小用電量約束，提高電力節(jié)能業(yè)務營銷精準度。

【參考文獻】

[1]葛一統(tǒng)，向鋒銘，余桂華，等.大數(shù)據(jù)背景下的電力營銷信息化建設研究[J].華電技術，2021，43（1）76-82.

[2]洪華偉，蔡榮彥，朱玲玲，等.基于數(shù)據(jù)挖掘技術的電力營銷分析系統(tǒng)設計研究[J].電子設計工程，2021，29（7）86-89，94.

[3]彭啟慧，宣士斌，高卿.分布的自動閾值密度峰值聚類算法[J].計算機工程與應用，2021，57（5）：71-78.

[4]王芙銀，張德生，張曉.結合鯨魚優(yōu)化算法的自適應密度峰值聚類算法[J].計算機工程與應用，2021，57（3）94-102.

[5]張凌，田珂，張巍，等.智能電網(wǎng)環(huán)境下電力營銷管理系統(tǒng)的優(yōu)化設計[J].計算技術與自動化，2020，39（4）138-141.

[6]龐偉林，宋才華，鄧乾.以貝葉斯網(wǎng)絡為基礎的決策分析系統(tǒng)在電力營銷中的應用研究[J].微型電腦應用，2020，36（1）123-126.

[7]唐永剛.電力客戶現(xiàn)場服務掌上營銷系統(tǒng)的應用[J].黑龍江科學，2020，11（6）128-129.

[8]李鵬鵬，施聚輝，姜朝明，等.基于極限學習機的居民負荷預測及其在電力營銷中的應用[J].信息與電腦（理論版），2020，32（23）：9-11.

[9]陳菁.大數(shù)據(jù)平臺下的電力營銷信息化建設探析[J].數(shù)字技術與應用，2020，38（4）231，233.

[10]魏強.電力營銷中用電信息采集系統(tǒng)的建設[J].通信電源技術，2020，37（5）：143-145.

[11]?楊帆，孫藝珍，袁微微，等.數(shù)字化技術在電力營銷的應用[J].集成電路應用，2019，36（11）：90-91.

[12]?張偉，張善鵬，高源，等.以經(jīng)典SSH架構為基礎的電力營銷服務系統(tǒng)設計研究[J].自動化技術與應用，2019，38（10）：162-165.

[13]柳鈺琪，郝明輝.電力營銷市場的特點及營銷策略[J].黑龍江科學，2019，10（24）：144-145.

[14]郭薇.淺析新形勢下如何做好電力企業(yè)電力營銷及優(yōu)質服務[J].價值工程，2019，38（20）：86-88.

[15]張慧琦，張婉琳，王海濤.市場經(jīng)濟條件下電力市場的營銷策略[J].黑龍江科學，2019，10（22）：124-125.

[16]吳偉杰.遠程用電檢查技術在電力營銷的應用[J].集成電路應用，2019，36（12）：92-93.

收稿日期：2021-06-18;修回日期：2022-04-13

作者簡介：李素瑩（1990-），女，本科，工程師，主要從事電力營銷大客戶數(shù)據(jù)服務方面工作。

基金項目：廣東電網(wǎng)有限責任公司佛山供電局資金資助項目（項目編號：030600KK52190266）。