在经济高速发展的同时，互联网和大数据技术也迅速发展起来。十三五规划提出，我国将加快推进“互联网＋”智能电网建设，构建“互联网＋”电力运行模式，应用大数据、云计算、物联网、移动互联网技术，提高电力系统信息处理和智能决策水平。大数据背景下电力企业的营销管理将逐步淡化对工作经验的依赖，而是更多的依赖信息数据和数据分析来提升企业的管理水平。在信息化飞速发展的今天，如何借助目前的大数据新技术，为市场营销提供精准的信息和数据，全方位分析企业及用户的用电数据，得到清晰用户用电行为、用电特点、用电可优化的地方，值得我们思考。
1 大数据技术
大数据是指大小超出了传统数据库软件工具的抓取、存储、管理和分析能力的数据群，这些数据集合超出了传统数据库系统处理的能力，具有海量、多样和高增量率的特点。大数据的海量性是数据量规模巨大，并无法通过人工或传统数据保存和处理方法进行管理、分析和解读的信息。
1.1电力大数据的定义
电力大数据是电力领域中的全新概念，就是借助于大数据理念，对电力市场中的海量数据进行发现、采集和分析，借助数据集成管理、数据存储以及数据计算[1]。电力行业大数据与传统互联网大数据有所不同，电力大数据的数据完整性、数据准确性要求较高、目的性强。
电力大数据具有体量大、种类多、价值密度低三个特征。随着供电企业信息化建设的加快，以及智能电力系统的建成，电力大数据的增长速度己经远远超出了供电企业的预期。电力大数据包含数字信息、音频数据和视频数据，包括天气数据、网络数据等。由于电力产品的特殊性，电力数据趋于稳定，大多数情况下部分异常数据和数据波动才是最需耍供电企业关注的信号。
1.2常用大数据分析技术
大数据的＂大＂包含两个方面，一是样本量增加，二是维数的増加，亦或同时増加，并且样本量与维数的増长速度呈线性或者指数型増长。[3]大数据技术与人工智能算法结合是大数据技术发展和应用的趋势，高效的建模算法是大数据技术应用实现的载体。常见大数据方法如下：
（1）支持向量机算法
支持向量回归机处理问题是通过非线性映射将原空间的非线性问题转化为髙维空间的线性问题进行求解。在学习过程中采用了结构风险最小化原则，相比基于经验风险最小的传统建模方法，支持向量机算法获得了较好的泛化能为。由于其具有快速学习、全局最优和较好的泛化推广能为等优点，该算法在回归预测、时间序列复杂系统建模、函数估计、模型识别和故障诊断等领域得到了广泛应用。
（2）遗传算法
遗传算法以自然选择和遗传理论为基础，对生物系统进行计算机模拟研究。是一种通过模拟自然进化过程搜索最优解的方法，采用概率化寻优方法，自动获取并指导搜索空间，自适应地调整搜索方向，最终获得全局最优解。遗传算法作为一种模拟生物进化和遗传规律的搜索寻优方法，具有搜索速度快、全局寻优、通用性强等优点。
（3）深度学习模型
深度学习推荐模型相比传统模型拟合能力更强，能够学习到输入特征之间更深层次的关系，并且可以借鉴计算机视觉、自然语言处理方面的研究成果，在模型结构上多种多样，成为了当今推荐模型的主流。
（4）主成分分析方法
主成分分析方法，是将多个变量通过线性变换转化为较少个数重要变量的一种多元统计分析方法。主成分分析方法借助正交变换将多维变量重构为一组新的相互无关的综合变量，同时从中抽取少数的几个综合变量尽可能多地反映原始变量空间的信息。
2大数据技术在电力营销中的应用
电力营销管理是供电企业深化改革、面向市场经济的重要管理工作，是供电管理体系中的基本工序、重要路线和关键步骤，是电力市场中的交易、操作和执行功能环节。[2]在信息大爆炸的背景，电力营销向智能化网络化发展，需要在最短的时间内有效应对外部环境及市场需求的变化。
2.1应用方法
1.用户负荷预测
用电负荷预测是对用户用电量的科学估算，是实施计划用电、负荷管理的基础，根据预测的时间长短和目的可分为一小时到几天的短期负荷预测、几天到几个月的中期负荷预测和年度或以上的长期负荷预测。常用的预测方法有传统的回归方法、统计算法、时间序列分析、专家系统等。
2.用电异常检测
用电异常检测主要指，具体包括反窃查违、电表错误、电费错误、用户用电行为的显著变化等，可以通过对用电行为的演化分析判断是否存在异常。异常检测的方法可分为专家系统和机器学习两类，具体包括专家系统、支持向量机、模糊系统、遗传算法等。
2.2面临问题
1.电力营销数据完整性、准确性不足
不同系统之间的信息难以共享，形成多个信息“孤岛”，从而形成资源浪费、营销效率低下、沟通不畅等问题。售电企业对消费者实际用电数据不能准确的掌握，就无法对客户的用电进行准确的预测。由于没有健全的数据标准和规范，信息化系统不完善等原因，各个部门采集的数据不能够录入到统一的系统中，没有可供参考的数据支撑上级领导做出有效的决策和措施。
2.电力营销数据未能深度挖掘
大数据数据量规模庞大、数据种类繁多。由于没有成熟的大数据电力营销平台，导致客户的用电数据无法采集完整、或者采集不到，现有的数据无法支撑系统进行深层次的数据挖掘，不能很好的支撑电量预测工作，也就不能够对电力营销起到实质性的帮助，大数据的优势没有得到充分利用。
3.数据缺少统一部署
数据缺乏统一部署，存储数据不够全面，无法满足大数据分析所需要的全面数据。数据指标规则不统一。没有建立系统化的运营管理体系。导致出现数据标准不一致、数据统计口径不一致，数据价值没有充分体现不能支撑公司数字化运营。
4、结束语
电力大数据是大数据理念、技术和方法在电力行业的实践，它涉及到发电、输电、变电、配电、用电、调度等各个环节，是跨企业、跨专业、跨业务的数据集合。使用大数据进行电力企业营销管理，可以为电力企业深化改革、提升服务层次、强化企业管控等需求提供创新思路，电力企业应当提高对大数据技术的重视程度，深入分析大数据技术在电力营销中的应用，开展大数据背景下的电力营销信息化建设。
参考文献
[1] 王奕萱,李翼铭,李会君,岳寒冰,李奇.大数据背景下的电力营销信息化建设研究[J].老字号品牌营销,2022(20):12-14.
[2]韩国华,丁永刚,尹凤武.基于大数据的电力营销管理创新分析[J].电力设备管理,2021,(06):130-132.
[3]龙艳.大数据技术在计算机信息安全中的应用[J].集成电路应用,2022,39(10):138-139.
作者简介：刘文凤(1995.7-)，女，满族，河北廊坊，硕士研究生，助理工程师，研究方向：电力营销。
作者简介：刘湃(1996.2-)，女，汉族，山西阳泉，硕士研究生，助理工程师，研究方向：电气工程。
作者简介：杜雅昕(1996.6-)，女，汉族，山东济宁，硕士研究生，助理工程师，研究方向：电气工程。