随着大数据技术的迅猛发展，其在各行各业中的应用越来越广泛、深入，在提高生产生活效率的同时，也推动了社会进步。电力行业是我国重要的基础性、支柱性产业，在国民经济中占有举足轻重的地位。在电力行业运营的过程中，产生了大量的数据，这些数据具有数量大、关系复杂等显著特点，适合大数据技术的深入应用。大数据技术在电力行业的各个环节，特别是电力营销中的应用，可以为相关策略的制定提供有力支撑，符合该行业的智能化、现代化发展方向，也符合广大电力用户的现实需求。
1电力营销信息化建设的必要性
在电力营销领域，实现市场中供需双方的相互协调、为用户提供及时、可靠的电能供应以及相关的营销服务尤为重要。而在电力营销领域进行信息化建设，不仅是在新的市场环境下电力企业谋求长远发展的需要，也是借互联网逐步兴盛实现产业升级的需要。首先，电力体制改革正在如火如荼地进行，此次改革力求改变传统电网“独买独卖”的交易格局，使更多发电、用电企业以及民间资本能够参与到市场竞争中，使电力市场更加具有活力，但也给电力企业带来了压力和挑战。在“买方市场”中，谁能找准自身的市场地位并最大限度地满足电力用户智能化、个性化的服务需求，谁就能在激烈的市场竞争中获得发展。因而，以客户为中心，借助互联网技术，围绕电力营销服务的全过程，打造完备的电力营销信息化平台是大势所趋。其次，互联网具有信息收集效率高、传播速度快、传播范围广、用户实时交互、运行成本低等优势。因此，对电力营销进行信息化建设能够极大地推动电力营销服务升级，辅助企业完成营销分析、营销决策等业务活动。
2基于大数据技术的电力负荷预测
根据预测时间的不同，可以将电力负荷预测划分为近期预测（2周以内）、短期预测（1-2年）、中期预测（3-6年）和长期预测（7年以上）等种类。传统上，通常采用趋势外推法、时间序列法、回归分析法等统计分析模型开展此项工作，这些方法对变化较平稳用电力负荷数据的预测效果较好，但由于其非线性分析能力不足，因此对非平稳时间序列数据的预测效果较差。随着大数据技术的发展，人工神经网络等智能算法在电力负荷预测中得到越来越广泛的应用，也取得了较好的预测效果。基于人工神经网络的用电负荷预测可分为三部分，一是模型输入，二是预测模型，三是预测结果。其中模型输入主要为用户分析步骤得到的特征量，同时引入历史数据等。建立人工神经网络预测模型的主要工作有模型网络层数设计、神经元数目确定、初始权重设置、学习速率选取等。使用层数更多的神经网络可以提升模型的性能，但也在一定程度上降低了模型训练和使用的效率，通常包含输入层、隐含层和输出层的三层神经网络模型即可满足预测需求。输入层节点数由预测对象影响因子数决定，过多的节点会引入不必要的噪声，过少的节点将导致网络获取信息不足。学习速率对神经网络权重更新速度的快慢具有直接影响，当该值过大时，网络可能不稳定，当该值过小时，会增加训练和预测时间，降低工作效率。
3电力营销策略的制定
3.1保证数据安全性
在构建电力营销大数据体系的进程中，首先要完成的基础任务就是要保证数据的安全性。电力企业必须从操作系统、网络实体以及数据库等层次制定完善的安全管理措施，保证数据始终保持完整性、一致性、准确性、机密性。同时设置防火墙，将内部网络与公共访问网相分开，为内部网络以及主机提供安全保护，禁止不被信任的通信访问网络，也防止对外进行不安全访问，最大限度地避免数据的泄露与损坏。
3.2高效整合数据信息资源
电力营销信息化建设，不但能帮助电力企业准确把握和及时了解市场发展动向，降低信息获取和处理成本，提高工作效率和经济效益，而且还能为电力企业制定发展战略提供可靠的数据信息支持。为了从海量数据中采集有价值的信息，高效整合数据信息资源非常必要。加强电力营销基础建设，按照大数据技术的要求构建生产互通的网络系统，为数据信息资源高效整合筑牢基础；制定网络系统安全管理制度，实现对网络系统的有效保护，确保网络系统运行安全稳定，数据信息资源安全可靠；在大数据技术支持下，加强交流与合作，打通系统间的屏障，实现数据信息高效整合、资源共享、充分运用。
3.3优化人力资源的分配和管理模式
首先，明确企业发展方向，采用科学高效的管理方法管理员工。例如，精细化管理使每个员工各司其职，有利于提高电力企业的管理水平。另外，通过引入精细化管理方式，特别是现代企业绩效管理方式，能够极大地调动员工的积极性，形成“人人都有事，事事有人管”的良好局面，可以推动电力营销信息化建设。其次，明确具体岗位的职责，引入绩效管理管理方法，以消除工作中的“纠结”因素，改变不利局面，不断提高员工的积极性，促进电力营销信息化建设有序进行。
3.4建立稽查评价体系与智能决策分析中心
第一，建立稽查评价体系。收集、分析、汇总稽查问题结果数据，并将其作为营销平常工作考评的主要依据之一，并按照业务执行工作的实际开展情况、计划任务执行情况、工作质量改善情况，建立评分规则、稽查评价指标体系。构建算法库，按照系统推荐算法或者是自主选择算法，进行精准计算评价，充分发挥评价对工作的指导、推进作用，实现工作执行力的提升以及管理穿透力的强化。第二，建立稽查成效分析中心。全面分析稽查场景的优化历史、场景对比、业务开展处理状况以及稽查在途情况，分析稽查问题数、稽查标签命中率与处理评价信息，按照问题分类、稽查场景、人员、单位等对稽查成果进行多维度分析，明确稽查业务的成效。第三，建立营销辅助决策中心。在稽查成效分析以及营销业务质量分析的基础上，建立营销业务辅助决策与规则分析评估机制，针对一些业务质量评价较低的业务规则，对导致执行度较低的因素进行深入分析，为业务规则优化提供有效指导；针对一些执行情况质量不一的业务规则，对执行标准进行统一；针对无适用规则的业务，开发、制定业务规则。
结语
综上所述，大数据技术的发展对传统电力营销构成挑战的同时，也带来了历史性机遇。我们需要主动适应科技发展带来的改变，将新技术与行业特点相结合，在电力营销中全面应用大数据技术，在深入分析电力用户的用电行为，了解掌握用户用电需求的基础上，实现用电负荷的精准预测，制定有针对性的营销策略，提升发电和用电效率，在为广大电力用户提供更优质服务的同时，实现自身在市场竞争中优势的保持和发展。
参考文献
[1]邓楚然，江疆，杨秋勇，等.基于大数据的电力多维度分析系统设计[J].微型电脑应用，2020，36(2)：106-108.
[2]刘艾旺，葛勇华，端炜明，等.大数据在电力营销中的应用现状分析［J］.农电管理，2019（5）：40-41.
[3]黄昌达.基于大数据平台的电力营销信息化建设分析[J].现代营销(经营版)，2019(11)：111.