聚類算法在電力大客戶行為分析中的研究與應(yīng)用.pdf

1、伴隨著計(jì)算機(jī)技術(shù)在電力企業(yè)的廣泛應(yīng)用，電力部門已經(jīng)累積了大量的數(shù)據(jù)，這些數(shù)據(jù)記錄了供電企業(yè)多年來的運(yùn)行狀況。大客戶業(yè)務(wù)在電力運(yùn)營商整體營銷戰(zhàn)略的制定過程中起了至關(guān)重要的作用，雖然大客戶僅僅占客戶總數(shù)的20％，但是大客戶為公司所帶來的經(jīng)濟(jì)效益占總體效益的80％，所以說這部分客戶是電力市場中最有價(jià)值的客戶。如何發(fā)展這些客戶，并為其提供個(gè)性化的電力服務(wù)成為了市場競爭中的焦點(diǎn)。在龐大的數(shù)據(jù)庫中進(jìn)行深入挖掘，提取出我們最關(guān)心的數(shù)據(jù)，是近些年來的研

2、究熱點(diǎn)，數(shù)據(jù)挖掘中的聚類分析方法為電力大客戶的行為分析提供了一種行之有效的方法，相信對電力行業(yè)的發(fā)展必起到深遠(yuǎn)的影響。
　　 本文首先簡要介紹了數(shù)據(jù)挖掘的國內(nèi)外研究現(xiàn)狀，及其現(xiàn)在的理論和應(yīng)用成果。然后對聚類分析的基本概念及常用的聚類算法進(jìn)行了簡要闡述。接著論文重點(diǎn)研究了兩種經(jīng)典的聚類算法，k-means算法和DBSCAN算法。分別介紹了兩種算法的算法思想，過程及其特點(diǎn)和不足，并對兩種算法進(jìn)行了比較。第四章針對k-means算法的

3、不足提出了一種改進(jìn)方法，詳細(xì)介紹了算法的改進(jìn)思路，而后提出一種基于動態(tài)網(wǎng)格生成技術(shù)的k-means算法，并用實(shí)驗(yàn)驗(yàn)證了改進(jìn)算法的可行性。
　　 最后，實(shí)現(xiàn)了基于動態(tài)網(wǎng)格生成技術(shù)的k-means算法在客戶行為分析中的應(yīng)用，闡述了建模過程及聚類結(jié)果。在運(yùn)用該算法前首先對數(shù)據(jù)庫中的數(shù)據(jù)進(jìn)行了數(shù)據(jù)清理、數(shù)據(jù)轉(zhuǎn)換等數(shù)據(jù)預(yù)處理操作，進(jìn)而進(jìn)行數(shù)據(jù)建模得到聚類結(jié)果，并且根據(jù)聚類結(jié)果將大客戶進(jìn)行更為細(xì)致的劃分和分析，為供電公司管理與決策提供依據(jù)。