决策支持系统在电力行业的应用

一、前言(Preface)

由于当前经济体制的不断变化和日益缩短的商业周期，行业及政府不断出台的经济法规，越来越要求第一线管理者能够迅速可靠、随机自主地访问企业数据，掌握企业的信息，发现规律，从而明智地做出对其商业方向有显著影响或者对其竞争产生实质性影响的决策。电力企业也存在这样的情况。

电力由计划走向市场，各电力企业改变了过去在计划经济时期形成的官商作风，努力提供高效、优质、令人满意的服务。同时，国民经济高速发展、人民生活水平不断提高，电力企业的业务不断发展，多家办电政策的实施电价日趋复杂，用电业务也因此复杂化，原有的手工营业操作方式已不能满足需要。因此，近几年来各级供电企业在信息系统的建设上投入了相当大的人力、财力和物力，也取得了一定的效果：规范了管理、健全了基础资料，初步建成了企业内部的局域网，甚至广域网，实现了信息共享，全国有十几家供电企业管理信息系统先后通过验收。

随着管理信息系统的发展，电力企业积累了大量基础数据，越来越多的企业希望能从这些历史数据中挖掘“宝藏”，也就是将操作型数据转变为决策型数据，为决策提供依据。例如，随着电力事业的蓬勃发展，电力由短缺趋向相对缓和，如何“扩供促销”成为摆在供电企业面前的一项重要任务，供电企业应该出台何种优惠政策鼓励用户用电，采取何种措施削峰填谷，如何开拓电力市场，这些决策可以从企业信息库中积累的数据获得帮助。

二.决策支持系统与管理信息系统(DSS & MIS)

1、关系与差别

决策支持系统(DSS)在功能上完全独立于管理信息系统(MIS)或任何业务系统，但其决策行为又必须依赖于企业信息库或管理信息系统采集的数据，而在实际使用时，决策支持系统弥补了管理信息系统的功能不足。可以说决策支持系统是管理信息系统的延伸，决策支持系统通常是在解决管理信息系统不能解决的问题，以下便是管理信息系统普遍存在的一些问题：

1) 辅助决策需要业务人员大量的、随意的访问和查询企业信息数据，然而由于管理信息系统中查询和报表的格式往往是固定的，缺少变化的灵活性，使得业务人员不能随意自主地访问企业信息数据，只好求助于IS部门。IS部门整天忙于满足这些不断变化的查询数据和产生报表的需求，极大地加重了IS人员的负担，还不能满足业务人员的随机请求。

2)辅助决策信息涉及许多部门的数据，而不同系统的数据难以集成。

3)辅助决策信息涉及大量的历史数据，传统的管理信息系统访问数据的能力不足，它对大量数据的访问性能明显下降。

这些缺陷决定了管理信息系统不可能作到真正的方便灵活的综合查询及辅助决策，同时，从根本上讲，决策支持系统的目标是为了制定管理决策提供相应的支持信息，这与基于事务处理的管理信息系统快速响应需求不同。管理信息系统处理的是操作性数据，而决策支持系统通常处理的是信息性数据。操作性数据与信息性数据有着明显的区别：

 这些区别决定了传统的MIS开发难以满足要求，企业是一个要求时间、效率、利益的合作型经济实体，企业需要快速准确、能适应需求多变的环境、具有弹性体系的决策支持解决方案。

2、电力DSS与电力MIS

电力MIS应该是以电力企业的生产信息、设备信息、物资信息、人事信息等业务资源为基础，对电力企业生产经营管理过程中的人、财、物等方面的一体化综合管理信息系统。全面的电力MIS应包含生产、经营、行政后勤三大部分，涵盖电力企业管理的所有业务范围。以电业局为例，一个典型的电业局管理信息系统要求包含以下核心模块：

a) 用电管理子系统：包括业扩报装管理、电费计费、计量管理等。对用电营业、业务扩充、用电管理等事务进行规范化管理，计算电量、电费，完成业扩的手续管理和工程管理，进行用电分析及报表打印。

b)设备管理子系统：包括设备资产管理、设备运行管理、设备检修管理等。管理电力生产中的发、送、变、配的各种主辅设备，将设备管理各个环节的信息存储、加工、反馈、查询和检索。

c)调度管理子系统：电网实时信息查询、调度所信息管理。电网实时信息查询将调度中的SCADA实时信息通过数据转换接入MIS系统中，对实时数据进行查询，并形成图表对电网运行状态加以分析。

d)生产计划管理子系统：生产计划管理、生技报表、规划管理。包括年度季度计划编制、基建技改工程项目完成情况、生产计划完成情况、生技月报等。

e)安全监察子系统：安全检查管理、安全文档管理等。包括对设备运行检修、测试、施工、断电事故、保护动作分析等资料的查询。

f) 劳资管理子系统：针对电力企业的实际人事组织结构，提供人事档案、劳动工资奖金等方面的管理，对人事档案、劳动工资、职工培训等提供查询功能。

g)财务管理子系统：完成电力企业的经营财务、基建财务、机关财务、审计的业务管理功能。包括账务处理、工资核算、固定资产管理、审计管理、指标分析、报表管理等。

h)物资管理子系统：完成各种物资的订货采购、入库保养、发放、物资计划和合同的管理。库存管理、计划管理、合同管理、报表管理等。

可以看到，在以上模块中都包含了查询、报表或分析功能，因此，从广义上讲，DSS工具可以在上述所有模块中发挥作用。

在电力MIS中，通常还包括一个综合查询子系统（也可以叫做辅助决策子系统），该系统提供对以上所有子系统有关数据的各项查询、统计、分析，如：用电管理子系统信息查询、设备管理子系统信息查询、财务管理子系统信息查询等等。建立综合查询子系统的目的，是为领导层决策提供所需信息的查询服务系统，支持决策者从数据库中取得与决策相关的数据。在该系统中结合DSS工具的特长，可以极大的改善原有系统的辅助决策能力，在提高灵活度的同时最大限度的降低IS人员的工作量。

三、决策支持系统促进企业商业智能化(BI)[返回]

当今社会，随着产品技术的更新换代和销售渠道的扩展，几乎所有行业都面临着新的挑战。越来越多的企业认识到，只有靠充分利用、发掘其现有数据，才能作出正确及时的决策，实现更大的效益。日常的业务应用生成了大量的数据，这些数据若用于决策支持必将为企业带来显著的附加值。若再加上行业分析报告、独立的市场调查、评测结果和顾问评估等外来数据，则上述处理过程产生的效益定可进一步增加。决策支持系统通过向用户提供灵活报表、随机查询、OLAP（在线分析处理）和数据挖掘的功能，最终帮助用户从数据中发现规律，预测发展趋势，并且辅助用户做出正确的决策，指导组织的发展方向。

l、客户管理

对客户情况分析，提高服务质量。如，了解客户投诉的主要原因是对响应率（服务）、低劣服务质量或不平衡的服务/价格比(价格)的不满，使用客户描述和划分技术将客户按不同类型例如价格敏感度、消费习惯、对服务中断的反应（对网络暂时中断的反应）等将客户群分组，针对不同客户改善相应服务。

２、经营管理

进行信息综合分析，提高经济活动分析水平，加强电量电费信息管理，提高系统售电收入。分析电业局计费数据和电网管理数据，计算某时间段内或某地区内的用电负荷、用户数、线路损耗等数据，可以得出电业局的电力负荷走势及各地区用电量对比，以便为生产计划、任务调度制定策略。分析生产和销售数据，可辅助劳动组织管理，提高企业劳动生产率；辅助财务资金运筹，提高企业经济效益；合理组织物资供应及调拨，降低物资消耗。

３、生产管理

加强运行数据收集和分析，指导基层保证设备完好率，支持和辅助基层做好设备更新技术，提高运行水平,加强可靠性数据收集和分析，指导基层提高发电输变电及供电可靠率。提高发电厂的燃料管理和供电部门的用电管理，降低售电成本、增加利润。提高全员劳动生产率,合理规划和加强电网建设，不断开辟电源和改善电网布局，以最大限度地满足用户对用电的需求。

４、财务整和报告

了解成本（利润率）构成，对指定促销计划、提高服务水平奠定了基础。通过相应的分析方法，能够清楚地了解到年计划、计划完成情况、所占比重等多项指标。

四、决策支持系统体系结构(DSS Architecture)[返回]

1、数据仓库/数据集市技术(DW/DM)

现代先进的决策支持系统环境是由数据仓库(DW)/数据集市(DM)技术实现的。业界公认的数据仓库概念创始人W.H.Inmon在《建立数据仓库》一书中对数据仓库的定义是：数据仓库是一个面向主题的(Subject-Oriented)、稳定的(Non-Volatile)、与时间相关的(Time-Variant)、集成的(Integrated)、能够更好地支持企业或组织的决策分析处理的环境。数据集市是基于部门级的、面向单一主题领域的数据仓库子集。

l) 数据仓库是面向主题的(Subject-Oriented)

它是与传统数据库面向应用相对应的。主题是一个在较高层次将数据归类的标准，每一个主题基本对应一个宏观的分析领域。基于主题组织的数据被划分为各自独立的领域，每个领域有自己的逻辑内涵互不交叉。而基于应用的数据组织则完全不同，它的数据只是为处理具体应用而组织在一起的。应用是客观世界既定的，它对于数据内容的划分未必适用于分析所需。

“主题”在数据仓库中是由一系列表实现的。也就是说，依然是基于关系数据库的。一个主题之下包含许多表，表的划分可能是由于对数据的综合程度不同，也可能是由于数据所属的时间段不同而进行的划分。但无论如何，基于一个主题的所有表都含有一个称为公共键的属性作为其主键的一部分。公共键将各个表统一联系起来，从根本上体现出它们属于一个主题。比如，基于"客户"这一主题的所有表都包含公共键 CUSTOMER ID。同时，由于数据仓库中的数据都是同某一时刻联系在一起的，所以每个表除了其公共键之外，还必然包括时间成分作为其码键的一部分。因为数据仓库包含的都是历史数据，它的表必然包括对应的时间属性。

有一点需要说明的是，同一主题的表未必存在同样的介质中。根据数据被关心的程度不同，不同的表分别存储在磁盘、磁带、光盘等不同介质中。一般而言，年代久远的、细节的或查询概率低的数据存储在廉价慢速设备(如磁带)上，而近期的、综合的或查询概率高的数据则可以保存在磁盘等介质上。

2)数据仓库是集成的(Integrated)

原始的操作性数据与适合DSS分析的信息性数据之间差别甚大。因此，在数据进入数据仓库之前，必然要经过加工与集成。这一步实际上是数据仓库建设中最关键、最复杂的一步。首先，要统一原始数据中的所有矛盾之处，如字段的同名异义、异名同义、单位不统一、字长不一致等等，还要将原始数据结构做一个从面向应用到面向主题的迁移。

3)数据仓库是稳定的(Non-Volatile)

它反映的是历史数据的内容，而不是处理联机数据。因而，数据经集成进入数据仓库后是极少或根本不更新的。

4)数据仓库是与时间紧密相关的(Time-Variant)

它表现在以下几个方面：首先，数据仓库内的数据时限要远远长于操作型环境中的数据时限。前者一般在5～10年，而后者只有60～90天。数据仓库保存数据时限较长是为了适应 DSS进行趋势分析的要求。其次，操作型环境包含当前数据，即在存取一刹那是正确、有效的数据；而数据仓库中的数据都是历史数据。最后，数据仓库数据的码键都包含时间项，从而标明了该数据的历史时期。

数据仓库/数据集市的成功建立会给企业或组织带来巨大的经济利益。目前，数据仓库技术已经受到了业界的广泛重视，相继出现众多数据仓库解决方案：IBM/Oracle/Sybase/Informix/Microsoft/Platinum等，各种方案都有自身的特点，优势和劣势，其中支持OLAP分析的数据库引擎技术是关键技术之一。

支持OLAP分析的数据库引擎技术：

l)基于关系型数据库的OLAP引擎(ROLAP)

基于关系型数据库的OLAP分析技术主要采用在关系型数据库上的一些特殊优化措施如：索引优化、存储方式优化等等，针对于具有高度灵活分析范围的OLAP分析。

2)基于多维数据库的OLAP引擎(MOLAP)

基于多维数据库的OLAP分析技术主要采用以多维数据库为核心，其服务器包含了一个巨大的预定义的超级立方体。MOLAP技术为各个用户群提供了具有明确分析范围的高性能方案，同时也为那些经常有特殊要求，如预算和合并支持的用户提供方案。

2、决策支持系统体系结构(DSS Architecture)

决策支持系统的体系结构为三层体系，由事务处理环境、联机分析环境（数据仓库环境）和决策支持系统前端工具组成。

(1)事务处理环境

事务处理环境以企业在线事务处理(OLTP)为核心，提供即时、精确、可靠地完成事务的计算环境，典型由信息管理系统(MIS)、办公自动化系统(OA)、企业级应用系统等组成。事务处理环境为企业积累了大量的基础数据，成为联机分析环境数据来源的基础。

(2)联机分析环境（数据仓库环境）

联机分析环境以在线分析处理(OLAP)为核心，提供自主查询、多维分析、数据挖掘的计算环境，常称为数据仓库环境。它主要由存储数据库（主要是RDBMS）、OLAP服务器、基于Web的应用服务器和各种建立和实施工具。例如：

a)建模工具：此类工具用于定义数据仓库的模式和视图、描述数据源、定义数据仓库与数据源的对应关系，如Sybase的Power Designer。

b)数据净化工具：由于数据仓库的数据来源于不同的应用，而不同的应用中可能有许多操作不一致的地方，比如同名异义、异名同义、单位不同、字长不同等，因此数据的规范化与校验对于保证数据仓库中数据的可信度非常重要，此类工具的典型代表是QDB的Analyze。

c)数据抽取工具：此类工具可完成对多种数据源、数据类型的加工，并可按照数据仓库的结构进行数据的分布，这方面的工具有ETI的Extract、Carleton的Passport、Prism的Warehouse Manager和Platinum的InfoSuite，它们的共同特点是能自动进行抽取、转换和综合，将数据载入数据仓库中，并且在具体操作时与元数据紧密结合。

d)数据仓库管理工具：在数据仓库中，有一种数据非常重要，那就是元数据，它存储了建立、使用数据仓库的所有必要信息，因此一般是通过管理元数据来对数据仓库进行操作。

(3)决策支持系统前端工具

它们共同的特点是对数据仓库进行数据分析和信息综合，做分片和分块、向下细化和向上综合的分析，挖掘数据与数据之间隐藏的关系，并将结果用可视化方式显示出来。主要由查询和报表工具、在线分析处理工具和数据挖掘工具组成。

3、决策支持系统前端工具(DSS Front Tools)

数据仓库/数据集市建设的成功取决于前端工具提供给用户的服务，如果最终用户不能通过给定的前端工具方便地回答关键的业务问题，即使数据仓库设计得多么精巧，也不能称为成功。根据决策支持系统提供给用户的能力，前端工具通常分为以下几类：

(1)查询和报表工具(Q&R Tools)

现在，大多数企业并不缺乏数据，而是这些数据变得越来越难于访问和管理，使得非技术的最终用户不能随意的、自主的访问这些数据，难以做出正确的决策。面向最终用户的查询和报表工具的诞生，使得决策者可以任意访问企业信息数据，迅速作出正确而及时的决策。

(2)在线分析处理工具(OLAP Tools)

在线分析处理(OLAP)将关系的或直接的文件数据重组为便于数据分析的多维数据存储方式，它将数据沿着“坐标轴”进行存储，使得用户可以沿着他们的商业轴线方便地分析数据，被普遍称为“旋转和切片(Slice&Dice)”和“钻取(Drill)”。利用OLAP工具，人们可以分析和深入研究数据，发现趋势，看到异常情况，并得到重要细节以更好地理解他们商业行为的涨落变迁。

(3)数据挖掘工具(Data Mining Tools)

数据挖掘(Data Mining，也叫数据开采)是指从大量的、不完全的、有噪声的、模糊的和随机的数据中，提取人们事先不知道的但又是潜在有用的信息和知识。数据挖掘的过程有时也叫知识发现的过程。原始数据是形成知识的源泉，就象从矿石中采矿一样。原始数据可以是结构化的，如关系数据库中数据，也可以是半结构化的，如文本、图形图像数据。数据挖掘是一门涉及面很广的交叉性新兴学科，它涉及到数据库、人工智能、数理统计、可视化、并行计算等领域。

前端工具的选择将有明显的短期和长期效应，如何选择一个前端工具为用户提供能够不受限制地提出各种问题的能力，是一个挑战。以下要求有助于您选择适当的前端工具：

a)前端工具必须非常易于使用，否则数据仓库将不能被很好地利用。

b)前端工具必须非常易于设置，否则数据仓库将浪费很大的投资。

c)前端工具必须灵活地展现数据仓库的结构，将数据仓库的设计翻译成业务术语。

d)前端工具必须弥补SQL的限制，增加如running totals、跨聚合级别比较数据、排名次等功能。这些功能必须便于最终用户使用，无须编程。

e)使用查询和报表的同一工具必须也提供分析能力，这样不需要另外的培训学习，而且也不需要IS人员帮助将数据从一个工具转换到另一个工具中。

f)前端工具允许在一个报表中溶入多个数据源的数据。这些数据源可以包括任何异构的关系数据库、OLAP Server和本地数据文件。

五、决策支持系统设计与实现[返回]

针对企业长远发展目标，建立现代先进的决策支持系统是必经之路，结合自身特点合理采用一个渐进的、完善的数据仓库解决方案是关键所在。

1、决策支持系统实现途径

企业级数据仓库的实现通常有两种途径：一种是从建立某个部门特定的数据集市开始，逐步扩充数据仓库所包含的主题和范围，最后形成一个能够反映企业全貌的企业级数据仓库；另一种则是从一开始就从企业的整体来考虑数据仓库的主题和实施。前一种方法类似于软件工程中“自底向上”的方法，投资少、周期短且易见成效，但由于设计开始时是以特定的部门级主题为框架的，因此向其他的主题扩展时有较大困难；而后一种方法恰恰相反，自顶向下，投资大、周期长、风险较大。从目前国内情况来看，由于技术上的限制以及管理上的原因，采用“自底向上”的方法是切实可行的，并且数据仓库技术在中国的应用才刚刚起步，从小规模的数据集市做起，有助于逐步积累经验。

2、决策支持系统实施阶段

由于决策支持系统用户存在着多种需求：自主查询、报表、OLAP分析、数据挖掘等，实际上大约20%需要自主查询、20%需要创建报表、10%需要OLAP分析和数据挖掘、50%需要阅读报表，数据仓库/数据集市的建立也是一个长期复杂的过程，需要不断循环反馈从而不断增长完善，建议以两个阶段来逐步建立决策支持系统：

(1)自主查询、灵活报表、泛化的OLAP分析

(2)基于某一主题、深层次的OLAP分析和数据挖掘

3、决策支持系统实现步骤：

(1)定义数据仓库的体系结构，进行容量估计，选择存储服务器、OLAP服务器和各种工具。

(2)定义数据仓库的模式和视图。

(3)定义数据仓库的物理组织，为提高数据吞吐能力作一些优化设计。

(4)定义并实现数据的抽取、净化、转换和加载的脚本，管理元数据。应用数据仓库。