Xây dựng hệ thống dự đoán công nợ tiền điện khách hàng, sản lượng điện tổn thất ngành điện

1 ĐẠI HỌC QUỐC GIA HÀ NỘI TRƢỜNG ĐẠI HỌC CÔNG NGHỆ =======   ====== TRẦN TRỌNG TUẤN XÂY DỰNG HỆ THỐNG DỰ ĐỐN CƠNG NỢ TIỀN ĐIỆN KHÁCH HÀNG, SẢN LƢỢNG ĐIỆN TỔN THẤT NGÀNH ĐIỆN LUẬN VĂN THẠC SĨ Hà Nội - 2010 ĐẠI HỌC QUỐC GIA HÀ NỘI TRƢỜNG ĐẠI HỌC CÔNG NGHỆ =======   ====== TRẦN TRỌNG TUẤN XÂY DỰNG HỆ THỐNG DỰ ĐỐN CƠNG NỢ TIỀN ĐIỆN KHÁCH HÀNG, SẢN LƢỢNG ĐIỆN TỔN THẤT NGÀNH ĐIỆN Ngành: Công nghệ thông tin Chuyên ngành: Hệ thống thông tin Mã số: 60 48 05 LUẬN VĂN THẠC SĨ Ngƣời hƣớng dẫn khoa học: PGS TS Đỗ Trung Tuấn Hà Nội – 2010 LỜI CAM ĐOAN Tôi xin cam đoan luận văn “Xây dựng hệ thống dự đốn cơng nợ tiền điện khách hàng, sản lượng điện tổn thất ngành điện” cơng trình nghiên cứu thử nghiệm tơi, đơn vị công tác, tham khảo nguồn tài liệu rõ trích dẫn danh mục tài liệu tham khảo Các nội dung công bố kết trình bày luận văn trung thực chưa công bố cơng trình LỜI CẢM ƠN Tơi xin gửi lời cảm ơn tới thầy, cô Trường Đại học Công nghệ, Đại học Quốc gia Hà Nội tận tình giảng dạy truyền đạt kiến thức suốt khóa học cao học vừa qua Xin chân thành cảm ơn PGS.TS Đỗ Trung Tuấn, người định hướng đề tài, trực tiếp hướng dẫn tận tình bảo tơi suốt q trình thiết kế, xây dựng hoàn thiện luận văn Tiếp theo, xin chân thành cảm ơn cán bộ, chuyên viên phòng Hệ thống kinh doanh - trung tâm Công nghệ thông tin - công ty Viễn thông điện lực tạo điều kiện cho thu thập số liệu khách hàng, tạo lập môi trường thử nghiệm Nhân kết thúc luận văn, xin cám ơn bạn lớp chuyên ngành Hệ thống thông tin, bạn đồng nghiệp thường xuyên quan tâm, giúp đỡ, chia sẻ kinh nghiệm, cung cấp tài liệu hữu ích thời gian học tập, nghiên cứu trong trình thực luận văn tốt nghiệp Tơi xin bày tỏ lòng biết ơn sâu sắc tới gia đình, vợ gái, người bên cạnh, động viên, chia sẻ quãng thời gian học cao học trình thực luận văn cao học MỤC LỤC LỜI CAM ĐOAN LỜI CẢM ƠN MỤC LỤC DANH MỤC CÁC KÝ HIỆU, CÁC TỪ VIẾT TẮT DANH MỤC CÁC HÌNH VẼ MỞ ĐẦU 11 CHƢƠNG KHAI PHÁ DỮ LIỆU 13 1.1 Khái niệm khai phá liệu 13 1.1.1 Các bước q trình khai phá tri thức 13 1.1.2 Kiến trúc hệ thống khai phá liệu 14 1.1.3 Hướng tiếp cận kỹ thuật khai phá liệu 16 1.1.4 Phân loại hệ thống khai phá liệu 17 1.1.5 Ứng dụng khai phá liệu 17 1.2 Kho liệu 18 1.2.1 Khái niệm kho liệu 18 1.2.2 Các tính chất kho liệu 19 1.2.3 Kho liệu chủ đề 20 1.2.4 So sánh kho liệu với sở liệu tác nghiệp 20 1.2.5 Kiến trúc kho liệu 21 1.2.6 Lược đồ liệu kho liệu 23 1.3 Phân tích liệu trực tuyến 26 1.3.1 Khái niệm phân tích liệu trực tuyến 26 1.3.2 Kiến trúc khối OLAP 26 1.3.3 Vai trò phân tích liệu trực tuyến 28 1.3.4 Giới thiệu mơ hình OLAP 29 CHƢƠNG CÁC KỸ THUẬT DỰ BÁO CÔNG NỢ, 32 TỔN THẤT 32 2.1 Giới thiệu chuỗi thời gian 32 2.1.1 Một số khái niệm chuỗi thời gian 33 2.1.2 Hồi qui 35 2.1.3 Phân lớp Bayes 36 2.2 Dự đốn thơng tin chuỗi thời gian với thuật tốn AutoRegression Trees 37 2.2.1 Mơ hình ART 41 2.2.2 Học dự đốn với mơ hình ART 43 2.3 Tìm kiếm tƣơng tự liệu chuỗi thời gian 45 2.3.1 Các độ đo tương tự 45 2.3.2 Tìm kiếm tồn tìm kiếm chuỗi 49 CHƢƠNG 3: XÂY DỰNG HỆ THỐNG THÔNG TIN DỰ ĐỐN TÌNH HÌNH CƠNG NỢ, TỔN THẤT PHỤC VỤ LÃNH ĐẠO NGÀNH ĐIỆN 50 3.1 Hệ thống quản lý thông tin khách hàng ngành điện 50 3.2 Các mơ hình tổ chức ngành điện 55 3.2.1 Mơ hình phân cấp đơn vị 55 3.2.2 Mơ hình nghiệp vụ kinh doanh điện 55 3.2.3 Mô hình thực thể quan hệ hệ thống CMIS 56 3.3 Các chiều liệu 56 3.4 Thiết kế liệu 58 3.4.1 Thiết kế bảng số liệu lưu trữ liệu tổng hợp 58 3.5 Kiến trúc ứng dụng 60 3.6 Thiết kế DataMining 62 3.6.1 Xây dựng mơ hình khai phá liệu 62 3.6.2 Cài đặt chương trình 64 3.6.3 Các chức hệ thống 64 KẾT LUẬN 73 TÀI LIỆU THAM KHẢO 74 DANH MỤC CÁC KÝ HIỆU, CÁC TỪ VIẾT TẮT ART Autoregession Tree – Cây hồi qui BB Biên CMIS Customer management information system - Hệ thống thông tin quản lý khách hàng CN Công nợ CRM Customer relation management - quản lý quan hệ khách hàng CSDL Cơ sở liệu DMX Data mining extension – Ngơn ngữ truy vấn mơ hình khai phá liệu DWT Dynamic Time Warping – Xoắn thời gian động EVN Electricity of Viet Nam - Tập đoàn điện lực Việt Nam GCS Ghi số HĐ Hợp đồng mua bán điện HOLAP Phân lích liệu trực tuyến lai KDL Kho liệu KH Khách hàng KPDL Khai phá liệu LCS Longest common subsequence – Dãy chung dài MOLAP Multi-dimensional OLAP - phân tích liệu trực tuyến nhiều chiều OLAP Online analytical processing - phân tích trực tuyến OLTP Online Transaction Processing - Xử lý giao dịch trực tuyến RDBMS Hệ quản trị sở liệu quan hệ ROLAP Relational OLAP - phân tích liệu trực tuyến quan hệ TT Tổn thất DANH MỤC CÁC HÌNH VẼ Hình 1.1 Các bước q trình khai phá tri thức 13 Hình 1.2 Kiến trúc hệ thống khai phá liệu 15 Hình 1.3 Mơ hình kho liệu 22 Hình 1.4 Mơ hình kho liệu có tiến trình thu thập liệu 22 Hình 1.5 Mơ hình kho liệu với kho liệu chuyên đề 23 Hình 1.6 Lược đồ hình 23 Hình 1.7 Lược đồ bơng tuyết 25 Hình 1.8 Khối khách hàng nợ tiền điện 26 Hình 1.9 Kiến trúc MOLAP 29 Hình 1.10 Kiến trúc ROLAP 30 Hình 1.11 Mơ hình kiến trúc HOLAP 31 Hình 2.1: Chuỗi thời gian số khách hàng nợ tiền điện qua tháng 32 Hình 2.2 Mơ tả chuỗi thời gian đồ thị 33 Hình 2.3 Minh hoạ kiện thời điểm t2 34 Hình 2.4 Hồi qui tuyến tính 35 Hình 2.5 Minh hoạ hồi qui 37 Hình 2.6 Chuyển đổi liệu mẫu cơng nợ 38 Hình 2.7 Chuyển đổi liệu mẫu tổn thất 38 Hình 2.8 Cơng thức Yule-Walker tính hệ số điều chỉnh bước lặp thứ n 39 Hình 2.9 Mơ hình ART 41 Hình 2.10 So sánh hai mơ hình: AR(1) ART(1) tập liệu học 42 Hình 2.11 Tính khoảng cách theo công thức Euclide 46 Hình 2.12 Tính khoảng cách theo phương pháp DTW 48 Hình 3.1 Giao diện chương trình quản lý thơng tin khách hàng 50 Hình 3.2 Chức chấm nợ hoá đơn 51 Hình 3.3 In dư nợ khách hàng 52 Hình 3.4 Danh sách khách hàng nợ tiền điện 52 Hình 3.5 Tính sản lượng đầu nguồn 53 Hình 3.6 Tổng hợp thương phẩm khách hàng 53 Hình 3.7 Chức Báo cáo chi tiết tổn thất điện 54 Hình 3.8 Báo cáo tổn thất điện theo đường dây tổ quản lý điện 54 Hình 3.9 Mơ hình phân cấp đơn vị ngành điện 55 10 Hình 3.10 Mơ hình nghiệp vụ kinh doanh điện 55 Hình 3.11 Mơ hình thực thể quan hệ hệ thống CMIS 56 Hình 3.12 Mơ hình phân cấp đơn vị ngành điện 57 Hình 3.13 Sơ đồ liên kết liệu công nợ khách hàng 58 Hình 3.14 Sơ đồ liên kết liệu tổn thất 59 Hình 3.15 Kiến trúc hệ thống dự đốn cơng nợ, tổn thất 61 Hình 3.16 Mơ hình khai phá liệu sử dụng thuật toán Bayes 62 Hình 3.17 Mơ hình khai phá liệu nợ với thuật toán ART 63 Hình 3.18 Mơ hình khai phá liệu tổn thất với thuật toán ART 64 Hình 3.19 Danh mục hình thức thu 65 Hình 3.20 Thống kê số lượng khách hàng nợ tiền điện 65 Hình 3.21 Thống kê số tiền nợ khách hàng 66 Hình 3.22 Thống kê điện tổn thất đơn vị 66 Hình 3.23 Dự đốn khách hàng nợ tiền điện 67 Hình 3.24 Mơ hình dự đốn nợ theo thuật tốn Bayes 68 Hình 3.25 Biểu đồ tiền nợ khách hàng theo thành phần 68 Hình 3.26 Biểu đồ so sánh tiền nợ 69 Hình 3.27 Biểu đồ so sánh số khách hàng nợ 69 Hình 3.28 Biểu đồ thơng tin tiền nợ khách hàng 70 Hình 3.29 Biểu đồ so sánh tổn thất 70 Hình 3.30 So sánh số khách hàng nợ dự đoán thực tế 71 Hình 3.31 So sánh số tiền nợ dự đốn thực tế 71 Hình 3.32 So sánh tổn thất dự đốn thực tế 72 60  CN_HTHUC_THU  CN_LOAI_DVU  CN_LOAI_HDON  CN_LOAI_KHANG  CN_PTTT  CN_THOI_GIAN Mơ hình kho liệu Tổn thất Chọn bảng Fact TONTHAT, bảng chiều bao gồm:  TT_DCAP_DA  TT_DDVI_DCHINH  TT_DLOAI_TRAM  TT_DNGANH_NGHE  TT_DON_VI  TT_LOAI_BCS  TT_LOAI_KHANG  TT_THOI_GIAN 3.5 Kiến trúc ứng dụng Theo kết phân tích trình bày trên, ta có sơ đồ chức ứng dụng mối quan hệ chúng Các chức hệ thống bao gồm:  Tổng hợp số liệu: o Tạo nguồn liệu cho kho liệu, tích hợp liệu, trích chọn thơng tin cần thiết, loại bỏ thông tin gây nhiễu o Cập nhật danh mục liệu: danh mục đơn vị, phương thức tốn, hình thức thu, loại hố đơn, loại khách hàng, … o Vẽ biểu đồ hiển thị liệu dạng: hình tròn, hình chữ nhật, đồ thị…để minh hoạ liệu công nợ theo thành phần, tăng trưởng liệu công nợ (số tiền nợ, số khách hàng nợ), tổn thất qua tháng năm, qua năm So sánh đồ thị tiền nợ, số khách hàng nợ, điện tổn thất đơn vị, năm đơn vị 61  Phân tích số liệu cơng nợ theo thành phần: loại khách hàng, loại dịch vụ, phương thức tốn, loại hóa đơn, thời gian…Thực dự đoán khách hàng nợ tiền điện theo đơn vị quản lý; tháng – năm hạch toán, xác xuất dự đốn Việc phân tích, dự đốn dựa thuật toán Bayes  Dự đoán số tiền nợ, số khách hàng nợ, tổn thất điện theo đơn vị quản lý, tháng, năm So sánh số liệu dự đoán số liệu thực tế qua lưới liệu tính độ lệch đồ thị Việc dự đoán dựa thuật tốn ART o Hiển thị khung nhìn liệu dự đoán, liệu thực tế theo chiều khác để hỗ trợ định: Chiều thời gian, chiều đơn vị,… o Hiển thị khung nhìn theo liệu đầu vào, tham số dự đoán từ cho thấy biến đổi mơ hình theo tham số đưa vào o Đưa dự đoán tăng trưởng theo danh mục ngưỡng dự đoán o Phân loại khách hàng nợ tiền điện lớn, khách hàng thường xuyên nợ tiền điện Khoanh vùng có tổn thất lớn, có cơng nợ tiền điện lớn Kiến trúc hệ thống sau: OLAP EVN_KDDN Khách hàng Hóa đơn Tổn thất EVN_KDDN Mining model Xu - Báo cáo thống kê - Các biểu đồ liệu theo đơn vị, năm, tháng - Dự đoán số tiền nợ, số khách hàng nợ, tổn thất điện - Dự đoán khách hàng nợ tiền điện - So sánh đồ thị tiền nợ, số khách hàng nợ, điện tổn thất đơn vị, năm đơn vị - Cập nhật liệu Giao diện ứng dụng Hình 3.15 Kiến trúc hệ thống dự đốn cơng nợ, tổn thất 62 3.6 Thiết kế DataMining 3.6.1 Xây dựng mơ hình khai phá liệu Từ nguồn liệu tập hợp, tinh chỉnh ta xây dựng mơ hình khai phá liệu (Mining Model) Thông tin khách hàng nợ tiền điện lưu bảng NO_THONGKE trở thành nguồn liệu cho mơ hình khai phá liệu: NO_THONGKE Mã khách hàng chọn khố chính, thuộc tính đầu vào gồm có: đơn vị địa chính, hình thức thu, tên tổ; thuộc tính dự đốn là: nợ Câu lệnh tạo Mining Model dự đoán khách hàng nợ tiền điện sau: CREATE MINING MODEL NO_THONGKE { [MA_KHANG] TEXT KEY, [DIA_CHINH] TEXT DISCRETE, [HTHUC_THU] TEXT DISCRETE, [TEN_TO] TEXT DISCRETE, [NO] LONG DISCRETE PREDICT } USING Microsoft_Naive_Bayes Hình 3.16 Mơ hình khai phá liệu sử dụng thuật tốn Bayes Thơng tin thống kê số khách hàng nợ tiền điện, tổng số tiền khách hàng nợ lưu bảng CN_THEODOINO Khung nhìn vSLUONGNO liệu nguồn mơ hình khai phá liệu: vSLUONGNO Các thuộc tính dự đốn là: số 63 lượng khách hàng nợ tiền điện (SLUONG_KH) tổng số tiền nợ khách hàng (SLUONG_NO) Câu lệnh tạo Mining Model dự đoán tiền nợ, số khách hàng nợ sau: CREATE MINING MODEL vSLUONGNO { [ID_DON_VI] TEXT KEY, [MONTH] TEXT KEY, [SLUONG_KH] DOUBLE PREDICT, [SLUONG_NO] DOUBLE PREDICT } USING Microsoft_Time_Series Mơ hình dự đốn sau: Hình 3.17 Mơ hình khai phá liệu nợ với thuật toán ART Câu lệnh tạo Mining Model dự đoán tổn thất sau: CREATE MINING MODEL vSLUONGTONTHAT { [ID_DON_VI] TEXT KEY, [MONTH] TEXT KEY, [DAU_NGUON] DOUBLE PREDICT, [TPHAM_KTE] DOUBLE PREDICT, [TPHAM_DSU] DOUBLE PREDICT, [TON_THAT] DOUBLE PREDICT, [TLE_TTHAT] DOUBLE PREDICT 64 } USING Microsoft_Time_Series Mơ hình dự đốn sau: Hình 3.18 Mơ hình khai phá liệu tổn thất với thuật toán ART 3.6.2 Cài đặt chương trình  Máy tính cài đặt ứng dụng o Cấu hình: tốc độ CPU 2.2GHz, RAM 3GB, đĩa cứng trống 5GB (trở lên) o Phần mềm: SQL Server 2005, IIS 5.1 trở lên, NET 3.5SP1, hệ thống dự đốn cơng nợ - tổn thất o Hệ điều hành: Windows XP, Windows Server 2003, Win  Máy tính chạy ứng dụng o Cấu hình: tốc độ CPU 1.66 GHz, RAM GB (trở lên) o Phần mềm: trình duyệt web IE 6.0 FireFox 2.0 (trở lên) o Hệ điều hành: Window XP, Windows Server 2003, Win 3.6.3 Các chức hệ thống Hệ thống danh mục liệu: Cho phép cập nhật danh mục liệu hệ thống, bao gồm danh mục hình thức thu, phương thức toán, loại khách hàng, loại dịch vụ, loại hoá đơn, đơn vị quản lý Đây liệu định nghĩa hệ thống 65 Hình 3.19 Danh mục hình thức thu Dữ liệu nợ khách hàng tổng hợp lưu trữ theo năm (từ tháng 01/2006 đến tháng 08/2010) đơn vị Chức thống kê số lượng khách hàng nợ tiền điện hiển thị: thông tin số khách hàng nợ tiền điện đơn vị theo năm, vẽ biều đồ số khách hàng nợ tiền điện đơn vị qua tháng năm Qua biểu đồ nhận thấy khách hàng có xu hướng nợ tiền điện nhiều vào tháng 02 Trên thực tế thời gian trùng với tết âm lịch, hầu hết quan, cơng ty hay gia đình có nhiều công việc phải thực nên hay nộp tiền điện muộn Do đó, khoảng thời gian này, ngành điện cần phân bổ nhiều nhân viên thu tiền điện Cần có biện pháp nhắc nhở khách hàng nộp tiền thời hạn Hình 3.20 Thống kê số lượng khách hàng nợ tiền điện 66 Chức Thống kê số tiền nợ khách hàng: vẽ biểu đồ số tiền nợ khách hàng theo đơn vị quản lý, tháng/năm thực hiện; hiển thị chi tiết thông tin tiền nợ qua tháng năm Qua biểu đồ nhận thấy vào tháng 06, 07, 08 tiền nợ lớn năm Đây tháng sử dụng điện nhiều thời tiết nóng Hình 3.21 Thống kê số tiền nợ khách hàng Chức Thống kê điện tổn thất: vẽ biểu đồ tổn thất điện theo đơn vị quản lý, tháng/năm thực Qua biểu đồ nhận thấy điện tổn thất lớn vào tháng 6, 7, 9; lượng điện sử dụng tháng chiếm tỷ lớn dẫn đến tổn hao điện truyền tải tổn hao điện thiết bị sử dụng điện lớn Do đó, ngành điện cần thực hiện: nâng cấp đường dây truyền tải điện, sửa chữa trạm điện, tăng cường công suất truyền tải trước thời gian Tuyên truyền, vận động người dân sử dụng thiết bị tiết kiệm điện, tránh lãng phí điện Hình 3.22 Thống kê điện tổn thất đơn vị 67 Chức dự đốn khách hàng nợ tiền điện: Thơng tin chi tiết khách hàng nợ tiền điện tháng tổng hợp lưu bảng liệu NO_THONGKE, nguồn liệu lịch sử đồng thời đóng vai trò liệu học Thơng tin khách hàng dự đoán lưu trữ bảng liệu NO_DUDOAN Từ bảng liệu NO_THONGKE, ta xây dựng mơ hình dự đốn theo thuật tốn Bayes Chức cho phép dự đoán khách hàng nợ tiền điện theo đơn vị quản lý, tháng/năm hạch toán, mã khách hàng, tên khách hàng với xác suất dự đoán đầu vào (lớn hơn, nhỏ xác suất dự đốn đầu vào) Hình 3.23 Dự đốn khách hàng nợ tiền điện Khi có khách hàng đăng ký sử dụng điện, sử dụng chức để dự đoán khả nợ tiền điện khách hàng (ví dụ: xác suất nợ > 0.8 nghĩa khả khách hàng thường xuyên nợ tiền điện lớn) qua có hình thức thu tiền điện phù hợp khách hàng (thu tiền nhà) Mô hình dự đốn nợ: Hiển thị phân bố nợ theo thành phần thuật toán Bayes, phân lớp khách hàng có xác suất nợ tiền điện lớn Qua mơ hình nhận thấy hình thức thu tiền điện hình thức thu tiền lưu động hiệu (có tỷ lệ nợ thấp: 28.57%) Hình thức thu tiền qua ngân hàng có tỷ lệ nợ thấp (5.71%) số khách hàng đăng ký nộp tiền qua ngân hàng chiếm tỷ trọng thấp Trong tổ quản lý điện Tổ có số khách hàng nợ tiền điện với xác xuất cao (65.71%) Về địa chính, khách hàng khu vực “Vinh Phúc” (mã 10501) có xác suất nợ lớn (34.29%), khách hàng khu vực “Thanh Trì” (mã 10502) có xác suất nợ nhỏ (5.71%) 68 Hình 3.24 Mơ hình dự đốn nợ theo thuật toán Bayes Biểu đồ tiền nợ khách hàng theo thành phần: Thể phân bố tiền nợ theo thuộc tính loại dịch vụ, hình thức thu, phương thức toán, loại khách hàng Chức hỗ trợ khả nhìn bao qt phân hố, tỷ trọng cơng nợ theo thành phần Hình 3.25 Biểu đồ tiền nợ khách hàng theo thành phần Chức so sánh biểu đồ nợ theo năm, đơn vị quản lý: thống kê hiển thị đồ thị so sánh số tiền nợ qua năm đơn vị số tiền nợ năm đơn vị Qua đồ thị so sánh, nhận thấy số tiền nợ tăng qua năm (trong 03 năm 2009, 2008, 2007 năm 2009 có số tiền nợ lớn nhất); 69 năm, tiền nợ lớn tháng 06, 07 08 Quy luật với hầu hết đơn vị Tiền nợ khách hàng tăng qua năm cho thấy tăng trưởng số lượng khách hàng dùng điện lượng điện tiêu thụ Từ biểu đồ biết đơn vị có lượng tiền nợ nhiều nhất, mức đỉnh tiền nợ năm Hình 3.26 Biểu đồ so sánh tiền nợ Chức so sánh biểu đồ số khách hàng nợ theo năm, đơn vị quản lý: Thống kê, so sánh số khách hàng nợ tiền điện qua năm đơn vị số khách hàng nợ tiền điện đơn vị năm Hình 3.27 Biểu đồ so sánh số khách hàng nợ 70 Chức Xem thông tin tiền nợ khách hàng: Thống kê hiển thị biểu đồ tiền nợ đầu kỳ, tiền nợ phát sinh, tiền nợ cuối kỳ theo chiều liệu (chiều thời gian: năm, quý, tháng; chiều hình thức thu nợ; chiều loại khách hàng) Chức hỗ trợ lãnh đạo có báo cáo động tình hình tiền nợ khách hàng theo nhiều chiều Hình 3.28 Biểu đồ thơng tin tiền nợ khách hàng Chức so sánh biểu đồ Tổn thất theo năm, đơn vị quản lý: Thống kê, so sánh tổn thất qua năm đơn vị tổn thất đơn vị năm Hình 3.29 Biểu đồ so sánh tổn thất 71 Chức dự đoán số khách hàng nợ: cho phép dự đoán số khách hàng nợ tiền theo đơn vị quản lý, tháng/năm làm việc, thuật tốn ART Thơng tin liệu đầu vào số khách hàng nợ tiền điện qua tháng năm 2007, 2008 Thực so sánh biểu đồ số khách hàng nợ dự đoán với biểu đồ số khách hàng nợ thực tế Hình 3.30 So sánh số khách hàng nợ dự đoán thực tế Chức dự đoán số tiền nợ khách hàng: Dự đoán số tiền nợ theo đơn vị quản lý, tháng/năm làm việc thuật tốn ART Thơng tin dự đốn thực tế thể thơng qua biểu đồ so sánh Từ biểu đồ nhận thấy thơng tin dự đốn tiền nợ sát với thực tế Tiền nợ dự đoán 06 tháng đầu năm có độ lệch thấp so với tiền nợ dự đoán 06 tháng cuối năm Lý tiền nợ 06 tháng đầu năm biến động Hình 3.31 So sánh số tiền nợ dự đốn thực tế 72 Chức dự đoán tổn thất: dự đoán điện tổn thất theo đơn vị quản lý, tháng, năm làm việc thuật tốn ART Thơng tin đầu vào tổn thất qua tháng năm 2007, 2008 Biểu đồ so sánh thể tổn thất thực tế tổn thất dự đoán đơn vị Từ biểu đồ nhận thấy tổn thất đạt mức đỉnh tháng 6, 8; tháng có sử dụng điện nhiều năm, tổn hao điện lớn Biểu đồ cho thấy đường tổn thất dự đoán bám sát với đường tổn thất thực tế Hình 3.32 So sánh tổn thất dự đoán thực tế Chức Xem thông tin tổn thất: Thống kê hiển thị biểu đồ tổn thất điện năng, điện đầu nguồn, điện thương phẩm theo chiều thời gian, lộ đường dây, trạm điện, loại khách hàng Hình 3.33 Biểu đồ thơng tin tổn thất 73 KẾT LUẬN Luận văn trình bày tổng quan khai phá liệu, kho liệu, bao gồm: khái niệm khai phá liệu, kho liệu, phân tích liệu trực tuyến Đặc biệt kỹ thuật dự báo cơng nợ, tổn thất, trình bày thuật tốn ART để dự đoán liệu chuỗi thời gian Giới thiệu khái niệm chuỗi thời gian, phương pháp tìm kiếm, dự đốn chuỗi thời gian Đồng thời, luận văn trình bày tổng quan hệ thống thông tin quản lý khách hàng ngành điện, cách tổ chức liệu hệ thống, mơ hình phân cấp ngành điện Phân tích nhu cầu tổng hợp, phân loại, dự đốn thơng tin từ hệ thống liệu tích hợp, hỗ trợ định cho lãnh đạo ngành điện Thiết lập mơ hình kho liệu, mơ hình khai phá liệu để dự đốn khách hàng nợ tiền điện, tiền nợ, số khách hàng nợ tiền, điện tổn thất Phần luận văn tập trung vào việc vận dụng thuật toán ART, Bayes hệ thống liệu công nợ, tổn thất ngành điện Thực cài đặt chương trình Dự đốn cơng nợ, tổn thất Từ đưa khung nhìn tình hình cơng nợ, tổn thất ngành điện qua năm thông qua đơn vị quản lý ngành So sánh, phân tích xu hướng nợ, điện tổn thất đơn vị qua năm Dự đoán khả nợ tiền với khách hàng đăng ký sử dụng điện, vẽ biểu đồ tiền nợ khách hàng theo thành phần Dự đoán số tiền nợ, số khách hàng nợ tiền, điện tổn thất tương lai Chương trình dự đốn cơng nợ, tổn thất xây dựng tảng web, giao diện thân thiện, dễ khai thác sử dụng, đáp ứng phần lớn yêu cầu lãnh đạo ngành điện công tác tổng hợp, báo cáo, dự đoán xu tiền nợ, khách hàng nợ, điện tổn thất Tuy nhiên, số tính chưa xây dựng chương trình, việc tự động hoá cập nhật liệu từ đơn vị kho liệu chung, phân tích phụ thuộc thuộc tính ảnh hưởng tới tiền nợ khách hàng Do đó, việc tiếp tục hồn thiện chương trình đặt thời gian tới nhằm nâng cao hiệu khai thác Cụ thể:  Cài đặt tính cập nhật tự động liệu cơng nợ, tổn thất từ nguồn liệu đơn vị kho liệu chung phục vụ cho việc khai thác liệu  Nghiên cứu phụ thuộc yếu tố tác động đến tiền nợ khách hàng, khả khách hàng nợ tiền, tổn thất điện đơn vị 74 TÀI LIỆU THAM KHẢO Tiếng Việt Trần Đình Chiến (2006), Phương pháp xử lý phân tích trực tuyến áp dụng xây dựng hệ trợ giúp định dựa vào liệu, Luận văn thạc sĩ khoa học công nghệ thông tin, Trường Đại học Bách Khoa Hà Nội Nguyễn Hữu Đông (2004), Nghiên cứu ứng dụng phương pháp khám phá chuỗi biến cố sở liệu thời gian vào toán dự đoán kết học sinh, Luận văn thạc sĩ khoa học công nghệ thông tin, Trường Đại học khoa học Tự nhiên, Đại học Quốc gia thành phố Hồ Chí Minh Nguyễn Hà Nam (2008), Bài giảng “Khai phá liệu”, trường Đại học Công nghệ - Đại học Quốc gia Hà Nội Nguyễn Thế Quyền (2003), Giới thiệu kiến trúc khối OLAP Tiếng Anh Jiawei Han and Michenline Kamber (2006), Data Mining Concepts and Techniques_2nd, Morgan Kaufmann Publishers Daniel T.Larose (2000), Data mining methods and models, John Wiley & Sons Publishers Microsoft (2008), SQL Server 2005 Books Online William H Inmon (2005), Building the Data Warehouse, Wiley Publishing ZhaoHui Tang and Jamie MacLennan (2005), Data Mining with SQLServer2005, Wiley Publishing, eBook-DDU 10 C Meek, D.M Chickering, and D Heckerman (2002), Autoregressive Tree Model for Time-Series Analysis Internet 11 http://vi.wikipedia.org/wiki/, 2010 12 http://en.wikipedia.org/wiki/Data, 2010 13 http://www.vnu-itp.edu.vn, 2010 14 http://en.wikipedia.org/wiki/Olap, 2010 15 http://dlib.hut.edu.vn, 2010 16 http://www.tapchibcvt.gov.vn/en-gb/dientuCNTT/2006/4/15695.bcvt, 2010 ... ĐẠI HỌC CÔNG NGHỆ =======   ====== TRẦN TRỌNG TUẤN XÂY DỰNG HỆ THỐNG DỰ ĐỐN CƠNG NỢ TIỀN ĐIỆN KHÁCH HÀNG, SẢN LƢỢNG ĐIỆN TỔN THẤT NGÀNH ĐIỆN Ngành: Công nghệ thông tin Chuyên ngành: Hệ thống. .. Tôi xin cam đoan luận văn Xây dựng hệ thống dự đốn cơng nợ tiền điện khách hàng, sản lượng điện tổn thất ngành điện cơng trình nghiên cứu thử nghiệm tôi, đơn vị công tác, tham khảo nguồn tài... 3: XÂY DỰNG HỆ THỐNG THƠNG TIN DỰ ĐỐN TÌNH HÌNH CƠNG NỢ, TỔN THẤT PHỤC VỤ LÃNH ĐẠO NGÀNH ĐIỆN 50 3.1 Hệ thống quản lý thông tin khách hàng ngành điện 50 3.2 Các mơ hình tổ chức ngành điện