电力营销决策支持系统的设计

论文摘要

电力营销决策支持系统是一种面向最终用户的自由查询和统计分析的工具,使业务人员和决策者可以任意访问企业信息数据,迅速做出正确而及时的决策。 电力营销决策支持系统是为决策者提供帮助和支持,而其中预测是决策的基础。预测系统根据历史数据对未来数据进行预测,同时根据天气因素/节假日因素等调整预测结果,准确的预测结果可以给决策者进行决策提供很好的依据。 在算法库中,除了部分的常规预测算法,如滑动平均、指数平滑、线性回归等,还加入了BP神经网络算法进行预测。BP神经网络可以很好的拟合非线性关系,可以结合预测相关地多种因素进行预测。在BP网络针对预测的应用中,就BP网络自身的缺陷,如收敛慢,容易陷入局部最小等问题,结合变学习率、遗传进化、模拟退火等优化算法进行了改进。

论文目录

• 中文摘要
• 英文摘要
• 第一章 引言
• 1.1 项目的提出和意义
• 1.2 文献综述
• 1.2.1 DSS的定义
• 1.2.2 DSS的产生与发展
• 1.3 决策支持的现状
• 第二章 电力营销决策支持系统的组成与设计
• 2.1 系统设计中的相关技术
• 2.1.1 数据抽取
• 2.1.2 数据仓库
• 2.1.3 数据分析
• 2.1.4 指标预测
• 2.2 系统结构的设计
• 2.2.1 系统构建的相关问题
• 2.2.2 系统体系结构
• 第三章 指标数据预测技术
• 3.1 预测模块结构
• 3.1.1 模型库
• 3.1.2 模型管理
• 3.2 主要预测模型
• 3.2.1 主要模型描述
• 3.2.2 部分相关算法介绍
• 3.3 预测策略
• 3.3.1 丰富的预测模型
• 3.3.2 基于模型库的预测模型管理
• 3.3.3 组合模型预测技术
• 3.3.4 预测过程控制技术
• 3.3.5 历史数据的预处理技术
• 3.3.6 预测结果评价与自动参数修正技术
• 3.3.7 预测结果的人工干预
• 3.4 神经网络预测模型
• 3.4.1 神经网络概念
• 3.4.2 神经网络的优点
• 3.4.3 主要的神经网络模型
• 3.4.4 神经网络在预测中的应用
• 第四章 神经网络算法改进与实现
• 4.1 基本BP神经网络算法
• 4.1.1 BP神经网络
• 4.1.2 BP神经网络基本算法
• 4.2 BP网络的缺点及改进
• 4.2.1 BP网络的主要缺点
• 4.2.2 相关优化算法
• 4.2.3 针对BP网络缺点的改进
• 4.2.4 BP网络在电量预测实际应用中的改进
• 第五章 泰安程序简介
• 5.1 数据分析
• 5.1.1 售电分析
• 5.1.2 重点用户分析
• 5.1.3 电费回收分析
• 5.1.4 业扩申请完成分析
• 5.1.5 用电业务分析
• 5.1.6 线损分析
• 5.1.7 电厂管理分析
• 5.1.8 用电检查分析
• 5.2 业务监控
• 5.3 指标预测
• 5.3.1 整体结构
• 5.3.2 预测模型库
• 5.3.3 数据预处理
• 5.3.4 界面展示
• 5.3.5 预测结果分析
• 第六章 总结与展望
• 6.1 总结
• 6.2 下一步工作
• 参考文献
• 致谢
• 在学期间发表的学术论文和参加科研情况