當前位置:學問君>學習教育>畢業論文>

資訊化系統下的營銷管理的論文

學問君 人氣:2.47W

一、設定需量反應的家庭能源管理系統

資訊化系統下的營銷管理的論文

需量反應被美國能源部(DepartmentofEnergy,DOE)定義爲“終端用戶從正常消費模式中改變電力使用,以響應隨時間改變的電價,或在高零售市場價格或系統可靠度損害時,抑低電力使用的補助”。也即,用戶爲反應一些資訊(如價格或緊急事件通知),會將負載(或電力需求)反饋給系統;或有能力抵制消費的電力用戶,當市場每小時電價升高時會降低消費,從而使價格下降;或當獨立調度機構因緊急情況要求電力用戶卸載或降低負載時,電力用戶予以配合卸載或降低消費,以避免遭遇到實施分區輪流停電的狀況。需量反應的家庭能源管理系統是電力營銷管理資訊化系統的重要組成,其大致分爲以智能插座爲主的感測節點(前端)、整合與傳送用電資訊、耗能資訊和控制命令的RaspberryPi嵌入式通訊服務器(中端)、GoogleSpreadsheet的雲端耗能數據庫(後端)、控制供電來源的智能供電系統與實現DR-based家庭能源管理功能的監測控制端。首先,每個智能插座會將電器消耗電流資訊,透過XBee無線傳輸模組傳送到RaspberryPi,並將數據處理後,送往雲端耗能數據庫儲存,其中RaspberryPi嵌入式通訊服務器,可供使用者透過計算機、手機、平板等設備瀏覽家庭能源管理網頁,監視各個電器耗能資訊、當前狀態,以及進行遠程家電控制。智能供電系統依控制指令切換市電與蓄電池等供電來源,該供電來源未來可加入太陽能發電或是其它的再生能源。

二、推動智能型讀表系統的應用

高壓用戶時間電價模式可區分爲高峯、半高峯、離峯時間等不同的供電成本,分別制定不同費率;高峯時間電價較高,離峯時間電價較低,以鼓勵用戶調整作業時間、更新設備或增設負載管理設備等,以轉移高峯時間用電於離峯時間使用。運轉中的智能電錶,可隨時以計算機執行遠程遙控讀電錶,獲得的數據存入電費開票系統,並可遠方執行電錶程序更新,以節省人工往返的費用。透過智能電錶的匯入進行用電進行資訊雙向溝通,能更充分掌握客戶端的發電與用電資訊。意大利最大的電力公司Enel率先開始更換舊電錶,將大部分的家庭舊電錶以智能型電錶取代,這一方面可防止竊電,另一方面對於欠費的用戶,可以快速斷電。智能通訊技術採用需視通訊範圍以及各地區環境差異而不同,用戶類型及通訊方式包含寫字樓、傳統公寓、別墅等混合型態住宅區,規劃局域網絡可採用PLC、Zigbee、WiFi等通訊技術;測試功能包含定期讀表、隨選讀表、時間同步、停電偵測、負載曲線、異常回報等及遙控下載時間電價程序等功能。

智能電錶應使用不同的通訊技術測試及系統構建,採用有線及無線兩種通訊技術,分別爲電力線通訊(powerlinecommunication,PLC)、Zigbee及Wifi等。電力線通訊所使用的頻帶主要分爲兩種,分別爲NPL(NarrowbandPLC)及BPL(BroadbandPLC),以提升電力線網絡傳輸速度。NPL走低頻進行傳輸,頻率爲3到148KHz;而BPL走高頻進行傳輸,頻率爲2到20MHz,要有效且快速的傳輸電力線網絡信號,未來頻帶的選擇是很重要的課題。智能電錶根據通訊範圍可分爲三種通訊介面,這可將電錶資料暫存於集中器(concentration)上,加上階層式通訊中繼技術可解決在實際布建智能電錶時信號衰減問題。四、資訊化資料的處理系統有效的營銷管理資訊化系統不僅需要廣泛的收集供需兩方面的資料,而且還需要藉助於資訊處理系統來解讀這些資料。由於現今計算機資訊的迅速發展,加上硬盤空間不斷的增加,大量的資料或者資訊都以電子方式儲存於計算機當中,數據庫的概念也因應產生。所謂的數據庫便是能夠自動的查詢、新增以及修改的數據集,而數據集的模式也分爲許多種,最廣爲人知的變是表格式的數據集;數據集或者數據庫爲了方便的管理,通常會制定出適用的編碼法則,以便於搜尋、查詢以及分類等的動作,而編碼的定義則是由需求者自行去決定,常見的便是數據庫索引的'部分,如條形碼等都可以做爲搜尋的數據。在電子數據以及數據庫發達的背景之下,許多企業便將數據以電子化儲存的方式來取代以往紙本的作業模式,而這些衆多的數據庫當中,許多的資訊是隱藏在其中。因此,數據探勘的概念就是從一個數據集或者數據庫中,搜尋出有用的資訊,並且利用各種的分析工具來解釋其內涵,發掘出數據庫中的價值,並提拱給決策者作爲一個參考。

三、結語

總而言之,其實數據探勘是屬於知識發掘過程(KnowledgeDiscoveryinDatabase,KDD)當中的一個最重要的步驟。數據探勘在執行上一般有下列幾個主要程序:問題確認,即找出要解決的問題,分析問題種類並確認;資料準備、選取,即尋找問題相關數據,摘取有用的資訊;數據處理,即進行數據的偵錯處理,篩選數據樣本;數據簡化與轉換,即將龐大的數據作簡化以及轉化;選取適當的算法,即依據數據的性質選用適合的算法;模式驗證與評估,即對於結果進行驗證與評估;知識獲取。