一、基于数据仓库技术的电力营销决策支持系统应用研究（论文文献综述）
郑雪梅[1]（2019）在《电力营销决策支持系统的设计与实现》文中研究说明近年来,国家提出全面深化新一轮电力体制改革,给电力行业提出了更高的发展目标和要求,给整个电力行业带来发展机遇的同时也给传统电力企业带来了挑战,使得传统电力企业对信息化运用有了更加迫切的需求。首先,传统的人工沟通管理方式已经落后,无法适应企业高速运转的需要,其次在技术手段上,对于数据信息的采集需要有更加先进的手段作为支撑。电力生产和经营过程中会产生海量的数据,如何有效的利用这些数据,进行综合分析,从而为管理者提供有助于经营决策方面的信息,已经成为目前电力企业营销管理中的主要任务。本课题通过设计一种功能完备,符合电力企业实际需求的电力营销决策支持系统,使德阳供电公司在电力营销管理工作迈入新台阶。本文结合德阳供电公司营销管理工作实际,对电力营销管理工作现状展开分析,总结出德阳供电公司在电力营销管理理念和总体架构设计上都存在一定不足。然后运用电力营销决策分析理论和软件系统开发技术对电力营销决策支持系统展开研究。首先论文对电力营销决策支持系统进行需求分析,需求分析主要采用UML建模工具,对系统用户角色和功能进行用例分析。系统的主要功能需求包括电网经营指标分析、客户分析、电力需求侧分析、辅助决策、查询统计五个方面。并对系统的性能需求进行分析,性能分析主要从系统继承性、安全性、实用性及可扩展性等方面进行分析。其次,在需求分析的基础上对电力营销决策支持系统进行设计,在系统架构设计阶段,采用了MVC三层架构思想,运用SSH框架技术实现了系统的用户交互层、业务逻辑层和数据层三层架构。在系统功能设计阶段,对系统的五个主要功能模块的设计过程进行描述。在功能设计的基础上,按照数据仓库建立流程,用Jdeveloper、BI Beans和数据挖掘工具Oracle Data Miner详细论述了电力营销决策数据仓库的设计过程。并对系统的核心功能模块辅助决策的模型建立过程进行论述。最后对电力营销决策支持系统的实现过程进行分析,给出系统主要开发技术和实现界面,详细分析了决策支持功能的实现过程。该系统的部署和运用,对德阳供电公司电力营销业务资源整合起到了关键作用,通过数据仓库功能,该系统汇集其他业务系统中的数据,然后从不同的角度和层次对营销数据进行综合分析,为该供电公司的营销决策人员提供有价值、有意义的参考信息,不仅有效的提升电力营销管理人员的工作效率,而且为该供电公司合理定价,统筹生产,精细管理提供了强有力的保障手段。
戴振华[2]（2017）在《基于泰州地区的电力营销决策支持系统设计》文中认为近年来随着电力体制的深化改革,对信息和数据的管理要求也逐步完善,因此需要先进的技术支持。传统的数据和信息的管理已经不能满足如今电力企业的需求,以至于重要的数据和信息没有得到充分的利用,不能给决策者提供可靠的决策支持。在分析了电力企业营销的需求的基础上,本文综合应用了数据仓库技术和决策支持理论构建了电力营销的决策支持系统。首先介绍了数据仓库技术和决策支持系统的研究现状和基本理论;论述了数据仓库在决策支持系统中的应用。其次,分析了电力营销的数据仓库的模型,根据用户的需求,设计了数据仓库的整体结构。本文选择了对关联规则中的FP-Growth算法进行数据挖掘,该算法需要事先通过K-Means聚类法对数据进行概化,过程中避免了候选集的产生。然后对抽取2012年到2015年泰州供电局4年来的23个售电量样本进行数据挖掘,结果显示售电量与月份具有强关联规则。最后,本文以泰州市电力营销现状为基础,设计了电力营销决策支持系统的总体框架,包括数据转换聚合子系统、统计报表生成子系统、综合查询子系统和综合分析子系统。以购电和售电为例,给出了双墩变、古马变地区的电力营销四种子系统的实现方式。以泰州市经济发展为背景,考虑经济情况对电力销售的关联性,构建了电力营销决策支持系统框架。
雷波[3]（2014）在《数据挖掘技术在电力营销系统中的应用研究》文中研究说明目前随着电力市场的不断发展,电力部门的营销工作中所采用的传统信息管理模式已经无法完全满足电力市场的要求,为解决这一问题,采用数据仓库方法与理论,将数据挖掘技术应用于电力营销系统中,分析了数据仓库的系统结构与四个特征,阐述了数据仓库、电力营销决策支持系统、EMDSS等的开发与设计方法。
邓晓蕾[4]（2014）在《基于数据仓库的电力营销决策支持系统的设计》文中认为随着电力需求的不断增加，电力信息网络迅猛发展，人们对信息管理系统能够提供更高层次分析的需求日益剧增。数据仓库技术的应用对信息管理系统决策支持方面功能的不足进行了弥补。基于此，本文以电力营销的业务流程为基础，本着为客户提供优质服务的宗旨，充分利用数据仓库技术的优势，通过数据挖掘工具，在已有管理信息系统的基础上，构建电力营销决策支持系统，使电力企业高层领导的决策更为方便、科学、精确。首先，通过数据仓库的联机分析处理技术对多维数据进行切片，切块，钻取，旋转等实现数据全方位，多角度，多层次的观察与分析；然后，结合电力营销部门的业务流程，对电力营销数据仓库主题进行划分，设计了电价计费，营业报装，电能计量，合同管理，用电检查、服务质量以及投诉、举报、咨询、报修、报装情况等七个不同的主题，初步构建了电力营销数据仓库的概念模型:多维数据模型、星状/雪花状模型；第三根据电力市场决策需要，对离散型数据进行归纳分析，确定电力营销决策系统所采取的算法：Apriori算法和决策树算法；最后，基于数据仓库的联机分析处理技术（OLAP）构建了电力营销决策支持系统，设计了电力营销决策支持系统的数据转换聚合子系统、查询子系统，实现了数据的转换以及多维的预览等。
刘绍培[5]（2013）在《基于数据仓库技术的电力营销决策支持系统》文中研究说明随着电力革新的逐步发展,电力企业对生产中的各个环节对管理也提出了更高的要求,同时也更加需要新近的科学技术来处理一些信息。由于传统的管理模式没有这种技术上的支持,因此对于收集到的信息不能做出科学有效的处理,对未来的发展趋势不能作出一个科学的预测。在这种条件下,电力营销决策系统成立了,该系统可以收集各种详细的分散数据,并以此建立不同主题的数据仓库,再从中发掘出人们不可为之的数据信息以及内在规律,从而以该数据为导向制定出科学的电力营销决策。本篇文章就对基于数据仓库技术的电力营销决策支持系统做了更进一步的研究。
高倩颖,金玉[6]（2013）在《数据仓库在电力营销系统中的应用》文中指出在市场经济不断发展的现在,电力企业需要不断满足各种电力消费需求,解决电力生产与电力消费的矛盾,根据市场需求发展电力,这就是电力市场营销存在的意义。实用数据仓库技术结合联机分析处理技术和数据挖掘技术对数据仓库中的数据进行分析,可提供良好的分析环境,并可作为决策的信息供应链。
龙建雄[7]（2010）在《电力营销决策支持系统技术解决方案》文中进行了进一步梳理随着电力企业信息化建设的飞速发展,信息集成和决策支持成为了重要的应用领域。在电力营销决策支持系统技术应用中,结合电力营销信息集成平台,建立了一个面向业务主题的决策支持系统。根据电力营销业务的需求,解决了决策支持系统的工具集成,并在此基础上实现了决策支持的综合算法。通过实例应用,可以灵活地进行报表处理和预测评价分析。
郑永静[8]（2009）在《基于数据仓库的电力营销辅助决策支持系统的研究与实现》文中进行了进一步梳理本文在深入研究了决策支持理论的基础上,结合数据仓库、数据挖掘和联机分析处理技术,设计并实现了电力营销决策支持系统。电力营销决策属于半结构化的决策范畴,缺乏程序化的工作方式,因此构建一个能够为电力营销决策提供支持的系统具有重要意义。本文在对电力营销业务仔细分析后确定营销分析主题,并根据主题设计了数据仓库结构和系统整体框架。系统采用基于J2EE规范的三层体系结构和B/S开发模式,使用了开源的Mondrian作为OLAP服务器实现对电力指标的综合分析,并利用JSP标签库JPivot将查询结果做了良好的展示。此外,系统实现了一元线性回归预测算法、粒子群优化神经网络算法、k-中心聚类算法作为模型库,实现售电量预测、用电负荷预测、用电客户细分功能,达到了提供决策支持的目的。
韩琦[9]（2008）在《基于数据挖掘的电力营销系统的设计与实现》文中认为电力在国民经济中占居重要地位,随着电力体制改革的深入,电力企业的市场化步伐加快,电力事业进入高速发展阶段,传统的管理方式和管理系统已经不能满足需要。论文中首先分析了课题研究的背景和意义,总结了国内外研究发展的现状,并介绍了数据挖掘技术的基本概念。其次在对决策树这一数据挖掘方法进行分析后,提出了采用决策树分类的方法对用户窃电行为进行有效判别。分析了电量预测的可行性、规律和常用方法,并以此为基础,提出采用一元线性回归的方法对电量进行预测。结合黑龙江省哈尔滨市某区的电量数据进行试验,进行了预测模型的有效性和可行性分析。接下来论文设计了基于数据挖掘的电力营销系统的框架结构,包括系统的功能、系统软件和应用软件平台的设计,以及核心模块的设计方法;最后介绍了电力销售综合分析等几个子系统的实现情况,给出了编程中的几个关键技术和代码。
严爱民[10]（2008）在《蒲电公司电力营销决策支持系统研究》文中认为本文以蒲电公司电力营销决策支持系统为研究对象,依据基于数据仓库的决策支持系统的相关理论,在分析蒲电公司电力营销管理现状的基础上,找出蒲电公司在该方面存在的问题,并针对这些问题,提出了建设该系统的总体方案以及要实现的功能,并对其中的技术方案进行了详细设计,最后设计了该系统的实施方案。本文通过对蒲电公司电力营销工作现状的分析,找出了电力营销工作存在的主要问题为：电力市场观念淡薄、经济分析深度不够、报价辅助决策未开展、高素质营销人员缺乏等。根据电力营销工作的特点,提出了电力营销决策支持系统建设目的和原则；根据需求分析,设计了电力营销决策支持系统的总体结构和系统功能,并对其中典型功能经济活动分析和报价辅助决策进行了详细设计;依据联机分析处理理论对典型指标发电量和负荷需求的联机分析处理模型进行了详细设计。依据基于数据仓库的决策支持系统的相关理论,结合蒲电公司的实际情况,设计了该系统的逻辑结构；依据数据仓库理论,设计了该系统的操作数据存储模型和多维数据存储模型；依据联机分析处理理论设计了基于联机分析处理的发电量多维分析模型数据展现：依据数据挖掘理论,设计了基于数据挖掘的发电成本预测模型。针对蒲电公司电力营销决策支持系统的实施,设计了该系统的项目组织机构、实施计划、测试方案、培训方案、运行方案和维护方案。通过对电力营销决策支持系统方案进行分步实施,可以进一步强化蒲电公司电力营销人员的电力市场意识,解决高素质营销人员缺乏的问题。论文提出的设计方案通过与蒲电公司管理层和相关业务部门多次沟通,已得到他们的认可。
二、基于数据仓库技术的电力营销决策支持系统应用研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于数据仓库技术的电力营销决策支持系统应用研究（论文提纲范文）
（1）电力营销决策支持系统的设计与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.1.1 课题研究的背景 |
| 1.1.2 课题研究的意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 课题研究内容及目标 |
| 1.4 论文结构 |
| 第二章 相关理论技术 |
| 2.1 电力营销分析相关理论 |
| 2.1.1 电力营销数据分析方法 |
| 2.1.2 电力营销数据分析内容 |
| 2.1.3 电力营销层次结构 |
| 2.2 系统开发技术 |
| 2.2.1 Java EE |
| 2.2.2 MVC |
| 2.3 数据仓库 |
| 2.3.1 数据仓库技术概述 |
| 2.3.2 数据仓库的关键技术 |
| 2.4 OLAP技术 |
| 2.5 决策支持系统 |
| 2.6 本章小结 |
| 第三章 电力营销决策支持系统需求分析 |
| 3.1 现状分析 |
| 3.2 系统角色用例分析 |
| 3.3 系统的功能需求 |
| 3.3.1 电网经营指标分析功能需求 |
| 3.3.2 电力客户分析功能需求 |
| 3.3.3 电力需求侧分析功能需求 |
| 3.3.4 辅助决策功能需求 |
| 3.3.5 查询统计功能需求 |
| 3.4 系统性能需求 |
| 3.5 本章小结 |
| 第四章 电力营销决策支持系统设计 |
| 4.1 设计思路 |
| 4.2 系统架构设计 |
| 4.3 系统功能模块设计 |
| 4.3.1 电网经营指标分析模块 |
| 4.3.2 电力客户分析模块 |
| 4.3.3 电力需求侧分析模块 |
| 4.3.4 辅助决策模块 |
| 4.3.5 查询统计模块 |
| 4.4 系统数据库设计 |
| 4.5 电力营销决策数据仓库设计 |
| 4.5.1 数据仓库工具 |
| 4.5.2 数据仓库主题分析 |
| 4.5.3 数据转换 |
| 4.5.4 数据流设计 |
| 4.6 辅助决策建模 |
| 4.7 本章小结 |
| 第五章 电力营销决策支持系统的实现 |
| 5.1 系统开发技术 |
| 5.2 主要界面实现 |
| 5.2.1 登陆界面 |
| 5.2.2 电网经营指标分析 |
| 5.2.3 电力客户分析 |
| 5.2.4 电力需求侧分析 |
| 5.2.5 辅助决策 |
| 5.2.6 查询统计 |
| 5.3 辅助决策模型实现 |
| 5.4 本章小结 |
| 第六章 系统测试 |
| 6.1 测试概述 |
| 6.1.1 测试目的 |
| 6.1.2 测试方法 |
| 6.1.3 测试环境 |
| 6.2 功能测试 |
| 6.3 性能测试 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 致谢 |
| 参考文献 |
（2）基于泰州地区的电力营销决策支持系统设计（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 数据仓库技术 |
| 1.2.2 电力营销系统 |
| 1.2.3 决策支持系统 |
| 1.3 本文主要研究内容 |
| 第2章 基于数据仓库的决策支持系统的理论概述 |
| 2.1 数据仓库技术理论 |
| 2.1.1 数据仓库的概念 |
| 2.1.2 数据仓库的特点 |
| 2.1.3 数据仓库的结构 |
| 2.1.4 数据仓库的关键技术 |
| 2.1.5 数据仓库的设计环节 |
| 2.2 决策支持系统理论 |
| 2.2.1 决策支持系统的发展过程 |
| 2.2.2 决策支持系统的结构 |
| 2.2.3 决策支持系统的特点和功能 |
| 2.3 数据仓库在决策支持系统中的应用 |
| 2.3.1 OLAP概念和特点 |
| 2.3.2 OLAP的结构 |
| 2.4 数据挖掘技术 |
| 2.5 本章小结 |
| 第3章 数据挖掘技术的算法研究应用 |
| 3.1 数据挖掘概述 |
| 3.1.1 数据挖掘定义 |
| 3.1.2 数据挖掘特点 |
| 3.1.3 数据挖掘的基本步骤 |
| 3.2 数据挖掘的方法 |
| 3.3 数据挖掘在电力系统中的应用 |
| 3.3.1 电力营销的应用 |
| 3.3.2 电力负荷预测的应用 |
| 3.3.3 智能变电站的的应用 |
| 3.4 售电主题关联规则的实现 |
| 3.4.1 数据仓库的建立 |
| 3.4.2 K-Means聚类的数据概化 |
| 3.4.3 FP-Growth算法的实现 |
| 3.5 基于泰州地区售电数据的挖掘 |
| 3.6 本章小结 |
| 第4章 电力营销决策支持系统设计分析 |
| 4.1 决策支持系统子系统设计 |
| 4.1.1 数据转换聚合子系统 |
| 4.1.2 数据报表生成子系统 |
| 4.1.3 数据查询子系统 |
| 4.1.4 数据综合分析子系统 |
| 4.2 决策支持系统各层设计 |
| 4.2.1 系统层设计 |
| 4.2.2 平台层设计 |
| 4.2.3 应用层设计 |
| 4.3 泰州市中长期用电预测系统构建 |
| 4.4 本章小结 |
| 第5章 基于数据仓库的电力营销决策支持系统的实现 |
| 5.1 泰州市供电公司电力营销现状分析 |
| 5.2 基于泰州地区的电力营销决策支持系统的实现 |
| 5.2.1 数据转换子系统 |
| 5.2.2 综合查询子系统 |
| 5.2.3 综合分析子系统 |
| 5.2.4 统计报表的生成 |
| 5.3 系统的安全性和可靠性 |
| 5.4 本章小结 |
| 第6章 总结和展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（3）数据挖掘技术在电力营销系统中的应用研究（论文提纲范文）
| 0 引言 |
| 1 数据仓库的概述与决策支持系统 |
| 1.1 数据仓库技术 |
| 1.2 决策支持系统 |
| 2 数据仓库的系统结构 |
| 2.1 相对稳固 |
| 2.2 面向主题 |
| 2.3 时间特征 |
| 2.4 集成性 |
| 3 数据挖掘技术在电力营销系统中的运用 |
| 3.1 数据仓库的开发 |
| 3.1.1 数据仓库的数据来源 |
| 3.1.2 数据仓库的设计 |
| 3.2 电力营销决策支持系统 |
| 3.3 EMDSS开发流程 |
| 4 结束语 |
（4）基于数据仓库的电力营销决策支持系统的设计（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 研究现状 |
| 1.2.1 数据仓库技术的现状 |
| 1.2.2 电力营销系统的现状 |
| 1.2.3 决策支持系统的现状 |
| 1.3 本文的主要工作 |
| 第2章 电力营销数据仓库的构建 |
| 2.1 数据仓库概述 |
| 2.2 数据仓库设计的内容与过程 |
| 2.2.1 数据仓库设计的内容 |
| 2.2.2 数据仓库设计的过程 |
| 2.3 数据仓库的应用技术 |
| 2.4 电力营销数据仓库的模型 |
| 2.4.1 电力营销数据仓库设计主题划分 |
| 2.4.2 电力营销数据仓库设计概念模型 |
| 2.5 本章小结 |
| 第3章 电力营销决策系统中数据挖掘技术的算法原理 |
| 3.1 数据挖掘作用 |
| 3.2 数据挖掘的过程 |
| 3.3 数据挖掘的方法 |
| 3.4 电力营销决策系统中采用的算法原理 |
| 3.4.1 Apriori 算法的原理简介 |
| 3.4.2 决策树算法原理简介 |
| 3.5 本章小结 |
| 第4章 基于数据仓库的电力营销决策支持系统的设计 |
| 4.1 电力营销决策系统 |
| 4.2 电力营销决策支持系统设计原则 |
| 4.3 电力营销决策支持系统功能模块的设计 |
| 4.3.1 数据转换聚合子系统 |
| 4.3.2 统计报表生成子系统 |
| 4.3.3 综合查询子系统 |
| 4.3.4 营销决策分析子系统 |
| 4.4 电力营销决策系统集成 |
| 4.4.1 数据处理流程 |
| 4.4.2 基于数据库的决策支持系统（DSS）的建立 |
| 4.4.3 电力营销决策系统硬件配置 |
| 4.4.4 电力营销决策系统软件配置 |
| 4.5 电力营销决策支持系统的设计 |
| 4.5.1 数据转换聚合子系统 |
| 4.5.2 综合查询子系统 |
| 4.6 本章小结 |
| 第5章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 攻读硕士期间发表的学术论文和其他成果 |
| 致谢 |
| 作者简介 |
（5）基于数据仓库技术的电力营销决策支持系统（论文提纲范文）
| 1 简述电力营销系统 |
| 1.1 电力营销信息系统发展的现状 |
| 1.2 存在电力营销系统中的问题 |
| 2 基于数据仓库技术的电力营销决策支持系统设计 |
| 2.1 选择数据库 |
| 2.2 数据仓库技术的组成 |
| 2.3 数据仓库的设计与实现 |
| 2.4 数据库的物理设计 |
| 3 电力营销数据仓库及决策支持系统的设计流程及功能划分 |
| 3.1 电力营销决策辅助系统的设计流程 |
| 3.2 电力营销决策支持系统的功能划分 |
| 4 结束语 |
（6）数据仓库在电力营销系统中的应用（论文提纲范文）
| 1 决策支持系统和数据仓库概述 |
| 1.1 决策支持系统 |
| 1.2 数据仓库技术 |
| 2 数据仓库在决策支持系统中的应用 |
| 2.1 电力营销决策支持系统 |
| 2.2 EMDSS开发流程 |
| 2.3 数据仓库的开发 |
| 2.3.1 数据仓库的数据来源。 |
| 2.3.2 数据仓库的设计。 |
| 3 结语 |
（7）电力营销决策支持系统技术解决方案（论文提纲范文）
| 1 引言 |
| 2 电力营销决策支持系统体系结构 (DSS Architecture) |
| 2.1 事务处理环境 |
| 2.2 联机分析环境 (数据仓库环境) |
| 2.3 决策支持系统前端工具 |
| 3 电力营销决策支持系统应用框架 |
| 4 系统平台工具集成 |
| 4.1 数据仓库 |
| 4.2 决策报表工具 |
| 5 系统实施过程 |
| 5.1 应用的开发[2] |
| 5.2 数据挖掘应用的开发 |
| 5.3 Web应用的开发 |
| 5.4 系统的功能设计 |
| 6 一个决策算法应用实例的实现 |
| 6.1 预测算法 |
| 6.2 分类分析与聚类分析算法 |
| 7 结论 |
（8）基于数据仓库的电力营销辅助决策支持系统的研究与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 引言 |
| 1.1 课题的研究背景及意义 |
| 1.2 课题的国内外现状 |
| 1.3 论文的主要工作 |
| 第二章 决策支持相关技术概述 |
| 2.1 数据仓库 |
| 2.1.1 数据仓库概念及特征 |
| 2.1.2 数据仓库的相关概念 |
| 2.1.3 数据仓库与数据库的主要区别 |
| 2.2 OLAP技术(联机分析处理技术) |
| 2.2.1 联机分析处理OLAP的定义和特点 |
| 2.2.2 联机分析处理OLAP的相关概念 |
| 2.2.3 OLAP的分析操作 |
| 2.2.4 OLAP与数据仓库的关系 |
| 2.3 数据挖掘 |
| 2.3.1 数据挖掘的含义 |
| 2.3.2 数据挖掘的研究内容 |
| 2.3.3 数据挖掘的实施步骤 |
| 2.4 DW、OLAP、DM三者之间的关系 |
| 第三章 电力营销决策支持系统的设计 |
| 3.1 电力营销需求分析 |
| 3.1.1 营销分析主题确定 |
| 3.1.2 预测指标的确定 |
| 3.2 系统架构设计 |
| 3.2.1 系统开发模式和开发平台的选取 |
| 3.2.2 数据仓库的设计与创建 |
| 3.2.3 电力营销决策支持系统功能结构 |
| 3.2.4 OLAP工具及数据挖掘算法 |
| 第四章 电力营销决策支持系统的实现 |
| 4.1 功能模块的设计与实现 |
| 4.1.1 营销主题分析模块 |
| 4.1.2 指标预测模块 |
| 4.1.3 指标监控模块 |
| 4.1.4 后台管理子系统 |
| 4.2 Mondrian数据仓库映射文件的实现 |
| 第五章 总结 |
| 参考文献 |
| 致谢 |
| 在学期间发表的学术论文和参加科研情况 |
（9）基于数据挖掘的电力营销系统的设计与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究的背景 |
| 1.2 国内外研究现状 |
| 1.3 存在的问题 |
| 1.4 论文研究内容 |
| 1.5 论文组织结构 |
| 第2章 数据挖掘技术与方法概述 |
| 2.1 引言 |
| 2.2 数据挖掘的定义 |
| 2.3 数据挖掘的任务 |
| 2.4 数据挖掘的常用技术与方法 |
| 2.5 数据挖掘的一般过程 |
| 2.6 本章小结 |
| 第3章 数据挖掘技术的具体应用 |
| 3.1 基于决策树的用户窃电行为判别 |
| 3.1.1 分类方法描述 |
| 3.1.2 决策树的定义 |
| 3.1.3 决策树的建树算法 |
| 3.1.4 属性选择策略 |
| 3.1.5 决策树剪枝 |
| 3.1.6 决策树规则提取及简化 |
| 3.1.7 基于决策树的用户窃电行为判别算法及流程 |
| 3.2 基于线性回归的电量预测 |
| 3.2.1 电量预测对电力营销系统的决策支持作用 |
| 3.2.2 电力统计数据的变化模式 |
| 3.2.3 常用电量预测方法 |
| 3.2.4 电量预测模型形式 |
| 3.2.5 电量预测研究的步骤 |
| 3.2.6 基于纵向的电量预测模型 |
| 3.2.7 基于线性回归的电量预测 |
| 3.3 本章小结 |
| 第4章 基于数据挖掘的电力营销系统设计 |
| 4.1 引言 |
| 4.2 系统需求分析 |
| 4.2.1 系统功能需求分析 |
| 4.2.2 业扩管理子系统需求 |
| 4.2.3 日常营业管理子系统需求 |
| 4.2.4 电费管理子系统需求 |
| 4.2.5 计量管理子系统需求 |
| 4.2.6 用检管理子系统需求 |
| 4.2.7 线损管理子系统需求 |
| 4.2.8 报表管理及其它子系统需求 |
| 4.2.9 系统权限子系统需求 |
| 4.3 系统软件平台和架构设计 |
| 4.4 应用软件平台设计 |
| 4.5 电力营销管理模块设计 |
| 4.5.1 营销信息代码标准编制原则 |
| 4.5.2 营销信息分类及代码标准体系 |
| 4.5.3 三户模型 |
| 4.5.4 业务数据流图 |
| 4.6 系统安全性设计 |
| 4.6.1 设计原则 |
| 4.6.2 系统安全策略 |
| 4.6.3 系统安全防护方案 |
| 4.6.4 网络安全 |
| 4.6.5 软件系统安全 |
| 4.7 本章小结 |
| 第5章 系统实现 |
| 5.1 负荷性质参数维护的实现 |
| 5.2 用户户务档案维护的实现 |
| 5.3 电力销售综合分析的实现 |
| 5.4 售电情况分析的实现 |
| 5.5 用电检查报表统计的实现 |
| 5.6 系统测试 |
| 5.7 本章小结 |
| 第6章 结论 |
| 参考文献 |
| 致谢 |
（10）蒲电公司电力营销决策支持系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外发展状况 |
| 1.3 研究内容及方法 |
| 1.4 研究框架 |
| 2 理论综述 |
| 2.1 决策概念及分类 |
| 2.2 基于数据仓库的决策支持系统理论 |
| 2.2.1 数据仓库 |
| 2.2.2 联机分析处理 |
| 2.2.3 数据挖掘 |
| 2.2.4 基于数据仓库的决策支持系统 |
| 2.3 基于数据仓库的决策支持系统开发理论 |
| 3 蒲电公司电力营销现状及存在问题分析 |
| 3.1 蒲电公司概况 |
| 3.2 蒲电公司电力营销现状分析 |
| 3.2.1 电力市场现状分析 |
| 3.2.2 蒲电公司电力营销现状分析 |
| 3.3 蒲电公司电力营销存在问题分析 |
| 4 蒲电公司电力营销决策支持系统功能方案设计 |
| 4.1 蒲电公司电力营销决策支持系统建设目标和原则 |
| 4.2 蒲电公司电力营销决策支持系统需求分析 |
| 4.2.1 蒲电公司电力营销决策支持系统业务需求分析 |
| 4.2.2 蒲电公司电力营销决策支持系统操作功能需求分析 |
| 4.3 蒲电公司电力营销决策支持系统总体结构及功能设计 |
| 4.4 蒲电公司电力营销决策支持系统典型功能的详细设计 |
| 4.4.1 经济活动分析功能详细设计 |
| 4.4.2 报价辅助决策功能详细设计 |
| 4.5 基于OLAP的蒲电公司电力营销典型指标分析 |
| 4.5.1 基于OLAP发电量多维分析模型设计 |
| 4.5.2 基于OLAP负荷需求多维分析模型设计 |
| 5 蒲电公司电力营销决策支持系统技术方案设计 |
| 5.1 蒲电公司电力营销决策支持系统逻辑架构设计 |
| 5.2 蒲电公司电力营销决策支持系统数据模型设计 |
| 5.2.1 操作数据存储模型设计 |
| 5.2.2 多维数据存储模型设计 |
| 5.3 蒲电公司电力营销决策支持系统数据分析技术设计 |
| 5.3.1 基于OLAP的发电量多维分析数据展现设计 |
| 5.3.2 基于数据挖掘的发电成本预测模型设计 |
| 5.4 蒲电公司电力营销决策支持系统物理结构设计 |
| 5.5 蒲电公司电力营销决策支持系统性能需求规定 |
| 6 蒲电公司电力营销决策支持系统实施方案设计 |
| 6.1 蒲电公司电力营销决策支持系统项目组织机构建立 |
| 6.2 蒲电公司电力营销决策支持系统项目实施计划制定 |
| 6.3 蒲电公司电力营销决策支持系统测试方案设计 |
| 6.4 蒲电公司电力营销决策支持系统培训方案设计 |
| 6.5 蒲电公司电力营销决策支持系统运行方案设计 |
| 6.6 蒲电公司电力营销决策支持系统维护方案设计 |
| 7 结论 |
| 致谢 |
| 参考文献 |
四、基于数据仓库技术的电力营销决策支持系统应用研究（论文参考文献）
- [1]电力营销决策支持系统的设计与实现[D]. 郑雪梅. 电子科技大学, 2019(01)
- [2]基于泰州地区的电力营销决策支持系统设计[D]. 戴振华. 华北电力大学(北京), 2017(03)
- [3]数据挖掘技术在电力营销系统中的应用研究[J]. 雷波. 广东科技, 2014(12)
- [4]基于数据仓库的电力营销决策支持系统的设计[D]. 邓晓蕾. 华北电力大学, 2014(03)
- [5]基于数据仓库技术的电力营销决策支持系统[J]. 刘绍培. 电子测试, 2013(20)
- [6]数据仓库在电力营销系统中的应用[J]. 高倩颖,金玉. 中国高新技术企业, 2013(14)
- [7]电力营销决策支持系统技术解决方案[J]. 龙建雄. 北京联合大学学报(自然科学版), 2010(01)
- [8]基于数据仓库的电力营销辅助决策支持系统的研究与实现[D]. 郑永静. 华北电力大学（北京）, 2009(10)
- [9]基于数据挖掘的电力营销系统的设计与实现[D]. 韩琦. 东北大学, 2008(S1)
- [10]蒲电公司电力营销决策支持系统研究[D]. 严爱民. 西安理工大学, 2008(S1)