專利名稱：一種基于對熱點事件進(jìn)行關(guān)聯(lián)挖掘的電量預(yù)測方法
技術(shù)領(lǐng)域：
本發(fā)明屬于電力技術(shù)領(lǐng)域。
背景技術(shù)：
電網(wǎng)銷售是指面對千變?nèi)f化的電力市場，供電企業(yè)始終圍繞滿足電力客戶需求的中心，合理運用銷售策略，最終提供安全經(jīng)濟(jì)的電力商品和滿意的服務(wù)，并且實現(xiàn)盈利。電網(wǎng)的營銷在電網(wǎng)業(yè)務(wù)中占有很大的比重，營銷決策對電網(wǎng)的業(yè)務(wù)開展有很非常重要的影響。得益于數(shù)據(jù)庫技術(shù)以及計算機技術(shù)的飛速發(fā)展，電網(wǎng)的銷售明細(xì)數(shù)據(jù)被詳細(xì)記錄并保存在計算機數(shù)據(jù)庫中，形成海量的營銷數(shù)據(jù)庫。然而，決策者很難從這些歷史銷售數(shù)據(jù)中獲取到對營銷決策有直接參考作用的信息，一方面是由于數(shù)據(jù)量巨大，就算是有經(jīng)驗的業(yè)務(wù)人員也難以從海量的明細(xì)數(shù)據(jù)中得到有用的信息，另一方面，這些營銷數(shù)據(jù)有一定的周期性和地域特征，發(fā)現(xiàn)并分析這些特征需要豐富的業(yè)務(wù)經(jīng)驗。
現(xiàn)有基于數(shù)據(jù)倉庫的技術(shù)并不能為電網(wǎng)營銷的決策提供直接支持，原因如下A.數(shù)據(jù)倉庫僅能提供基于統(tǒng)計的匯總視圖；B.決策者對變化和異常最感興趣。

發(fā)明內(nèi)容
本發(fā)明提供一種實用價值大、反映營銷深層規(guī)律的、準(zhǔn)確預(yù)測電量的基于對熱點事件進(jìn)行關(guān)聯(lián)挖掘的電量預(yù)測方法。為解決上述技術(shù)問題，本發(fā)明采用的技術(shù)方案是提供一種基于對熱點事件進(jìn)行關(guān)聯(lián)挖掘的電量預(yù)測方法，其特征是，包括以下步驟步驟I，分析數(shù)據(jù)，建立模型；步驟2，挖掘熱點事件；步驟3，運用關(guān)聯(lián)規(guī)則找出頻繁出現(xiàn)的事件子集進(jìn)行電量預(yù)測。進(jìn)一步地，所述模型為前饋型神經(jīng)網(wǎng)絡(luò)模型。進(jìn)一步地，，所述熱點事件包括時空頻繁事件、基于均線偏離的異常事件、基于模型的異常事件。進(jìn)一步地，，所述關(guān)聯(lián)規(guī)則是指在給定訓(xùn)練項集上頻繁出現(xiàn)的項集與項集之間的一種緊密的聯(lián)系，其中“頻繁”是人為設(shè)定的一個閾值即支持度來衡量，“緊密”是人為設(shè)定的一個關(guān)聯(lián)閾值即置信度來衡量。更進(jìn)一步地，關(guān)聯(lián)規(guī)則是形如}的蘊涵式，這里Xd.,YcI,并且X η υ=φ。規(guī)則XoY在項集數(shù)據(jù)庫D中的支持度(support)是項集中包含X和Y的項集數(shù)與所有項集數(shù)之比,記為I y)，即%uppori{X ^F) = |{/!JUifc^reZ |/|{ d)規(guī)則X^Y在項集集中的可信度(confidence)是指包含X和Y的項集數(shù)與包含X的項集數(shù)之比，mi⑶_denc(xiy)即
權(quán)利要求
1.一種基于對熱點事件進(jìn)行關(guān)聯(lián)挖掘的電量預(yù)測方法，其特征是，包括以下步驟 步驟I，分析數(shù)據(jù)，建立模型； 步驟2，挖掘熱點事件； 步驟3，運用關(guān)聯(lián)規(guī)則找出頻繁出現(xiàn)的事件子集進(jìn)行電量預(yù)測。
2.根據(jù)權(quán)利要求I所述的電量預(yù)測方法，其特征是，所述模型為前饋型神經(jīng)網(wǎng)絡(luò)模型。
3.根據(jù)權(quán)利要求I所述的電量預(yù)測方法，其特征是，所述熱點事件包括時空頻繁事件、基于均線偏離的異常事件、基于模型的異常事件。
4.根據(jù)權(quán)利要求I所述的電量預(yù)測方法，其特征是，所述關(guān)聯(lián)規(guī)則是指在給定訓(xùn)練項集上頻繁出現(xiàn)的項集與項集之間的一種緊密的聯(lián)系，其中“頻繁”是由人為設(shè)定的一個閾值即支持度來衡量，“緊密”是由人為設(shè)定的一個關(guān)聯(lián)閾值即置信度來衡量。
5.根據(jù)權(quán)利要求4所述的電量預(yù)測方法，其特征是，關(guān)聯(lián)規(guī)則是形如％=^的蘊涵式，這里XcI,YcI,并且X η Υ=Φ，規(guī)則XiY在項集數(shù)據(jù)庫D中的支持度(support)是項集中包含X和Y的項集數(shù)與所有項集數(shù)之比,記為S〃/即
全文摘要
本發(fā)明提供一種實用價值大、反映營銷深層規(guī)律的、準(zhǔn)確預(yù)測電量的基于對熱點事件進(jìn)行關(guān)聯(lián)挖掘的電量預(yù)測方法，包括以下步驟步驟1，分析數(shù)據(jù)，建立模型；步驟2，挖掘熱點事件；步驟3，運用關(guān)聯(lián)規(guī)則挖掘事件之間的聯(lián)系進(jìn)行電量預(yù)測。所述模型為前饋型神經(jīng)網(wǎng)絡(luò)模型，熱點事件包括時空頻繁事件、基于均線偏離的異常事件、基于模型的異常事件，關(guān)聯(lián)規(guī)則是指在給定訓(xùn)練項集上頻繁出現(xiàn)的項集與項集之間的一種緊密的聯(lián)系，其中“頻繁”是由人為設(shè)定的一個閾值即支持度來衡量，“緊密”由人為設(shè)定的一個關(guān)聯(lián)閾值即置信度來衡量。
文檔編號G06Q10/04GK102880915SQ20121032845
公開日2013年1月16日 申請日期2012年9月6日 優(yōu)先權(quán)日2012年9月6日
發(fā)明者印鑒, 張鋼 申請人:中山大學(xué)