基于用户行为数据的电网企业营销推荐系统设计

由于目前方法未能分析和挖掘电网用户行为,使用户的商品属性偏好与预计营销偏好存在差异,导致电网企业营销推荐结果不理想,为此提出基于用户行为数据的电网企业营销推荐系统。通过系统硬件和软件相互协作设计,从用户历史行为出发,优先分析处理用户的历史交互行为,对用户的行为喜好进行分类,挖掘用户的商品属性偏好,实现用户近期需求预测以及意向商品推荐。实验结果证明,所设计系统能够有效提升推荐速率和用户满意度,获取效果较好的推荐结果。     

基于微服务基础组件的前端开发技术应用研究

为解决企业大数据平台适配灵活性较差、功能化参数分配不协调等问题,设计基于微服务基础组件进行前端开发技术研究,对平台中与用户关联密切、具备互联网服务特征的业务功能,进行云化改造实现资源分配的高弹性高扩展性,满足业务对技术架构的高并发、快速响应、高可靠、海量存储的要求,同时保证保证营销管理系统应用的稳定性、安全性、可靠性。在此基础上,利用完整的大数据框架协调智能平台接口与服务模块间的制约关系,完成企业智能大数据平台的云化改造,实现基于的微服务技术的前端开发技术应用研究。     

基于SSA-Bi-LSTM神经网络的母线负荷预测方法

为了提高母线负荷预测精度,针对长短期记忆(long short term memory, LSTM)神经网络在母线负荷预测时存在对负荷规律提取不足导致精度下降、超参数设置依赖经验等问题,首先构建LSTM神经网络的变体网络——双向长短期记忆(Bi-directional LSTM,Bi-LSTM)神经网络,捕获时间序列未来可用的信息。然后采用麻雀搜索算法(sparrow search algorithm, SSA)搜索最优超参数,得到最优学习率、隐层神经元数目和迭代次数等。以实际10 kV母线数据对SSA-Bi-LSTM神经网络模型进行验证,并与Bi-LSTM神经网络和BP神经网络进行对比,结果表明SSA-Bi-LSTM神经网络模型的预测效果更佳。     

基于MPMR方法的电力市场日前电价预测方法

传统的电力市场日前电价预测方法缺乏一定的稳定性,在长期运行中不能保证预测精度。对此,本文研究基于MPMR方法的电力市场日前电价预测方法。首先,通过计算灰色关联度来量化电价数据与其他特征之间的关联性,选取与电价具有较强相关性的特征。然后,基于获取的电价特征利用MPMR方法构建电力市场的日前电价预测模型。实验结果表明：本文方法的电价预测误差最高仅为0.02,本文方法的电价预测时间最高为14s,说明设计方法的电价预测误差较低且预测时间较短,具有实用性。