聚類算法在電力大客戶行為分析中的研究與應用.pdf

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

2、究熱點，數據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)展必起到深遠的影響。
　　 本文首先簡要介紹了數據挖掘的國內外研究現狀，及其現在的理論和應用成果。然后對聚類分析的基本概念及常用的聚類算法進行了簡要闡述。接著論文重點研究了兩種經典的聚類算法，k-means算法和DBSCAN算法。分別介紹了兩種算法的算法思想，過程及其特點和不足，并對兩種算法進行了比較。第四章針對k-means算法的

3、不足提出了一種改進方法，詳細介紹了算法的改進思路，而后提出一種基于動態(tài)網格生成技術的k-means算法，并用實驗驗證了改進算法的可行性。
　　 最后，實現了基于動態(tài)網格生成技術的k-means算法在客戶行為分析中的應用，闡述了建模過程及聚類結果。在運用該算法前首先對數據庫中的數據進行了數據清理、數據轉換等數據預處理操作，進而進行數據建模得到聚類結果，并且根據聚類結果將大客戶進行更為細致的劃分和分析，為供電公司管理與決策提供依據。