数据挖掘技术在电力数据分析中的应用

数据挖掘技术在电力数据分析中的应用

郑辉 郑樟磊 俞阳 苏恒

国网衢州供电公司 324000

摘要：数据挖掘作为一种数据的分析方法和技术能够在挖掘的过程当中提取分数值，构造关联解析模型，从而寻找到内在的隐藏性价值。随着数据挖掘技术的日益成熟互联网大数据的融合发展，如今的数据挖掘技术已经应用于各行各业，为各行业提供决策、发现规律、明确状态、控制方向提供了有效参考。电力系统是民生的保障也是社会及经济发展的基础，在不断地运行过程当中实现了大量数据的积累。本文从数据挖掘的基本概念出发，分析了数据挖掘的过程和技术，对，其在电力数据分析中的应用进行重点探讨，以期望推进电力数据挖掘技术应用建设，为供电决策的制定提供明朗参考。

关键词：数据挖掘；电力数据；分析应用

前言

当前我国已经逐渐迈进数字经济时代，作为全新的生产要素以及基础性战略资源，数据的价值不容忽视。电力行业发展过程当中信息化建设不断加强，大量数据涵盖与电力的生产、输变电、调度以及供应的全程，将数据挖掘技术应用其中，可以为智慧电力发展建设提供有力支撑。在此背景之下，国家发展改革委、工信部以及国家能源局先后印发《关于加快构建全国一体化大数据中心协同创新体系的指导意见》、《全国一体化大数据中心协同创新体系算力枢纽实施方案》更加明确了数据战略在电网企业发展过程中的核心作用。

1.数据挖掘技术概述

数据挖掘的过程主要是指经过一系列的存储、选择、数据处理、模型搜索、评价输出以及结果报告等程序，从海量的数据信息中进行有效价值的提取，完成对新奇、正确、富含潜力的高价值信息的辨识，保证在聒噪、模糊、不完全的大环境之中实现数据的提纯挖掘，保证得到的数据更加地规整化和精细化。整个数据挖掘技术是多个学科的交叉集合，其中人工智能、模式识别等学科的作用最为关键，如今的数据挖掘更是深度融合了信息论、进化计算等诸多科学概念领域，并成功应用覆盖于多个行业与领域。我国电力行业先后经历了垄断阶段、发电竞价阶段以及电力综合运转阶段，如今正在朝向配电网开放阶段过渡，整个发展过程中，电气元件、电力调度、电能产量等方面无不囊括着大量的数据信息，只有高质量的数据挖掘才能够从根本上辅助决策，为配电网开放过渡奠定基础。

2.数据挖掘主要应用功能

2.1数据总结概念描绘

数据总结概念描绘这一功能主要展现的是对数据库当中的数据进行集中汇总处理从而发现特有的概念。诸多数据储备之内汇聚了多重的描述性细节通过统计手法对具体描述性细节进行分析，能够在原始数据的基础之上开辟全新的方向，产生全新的描述。该过程当中对具有一定相同属性的数据进行汇集分类，同时将具备差异性的数值力度进行描画，为后续分析奠定基础。

2.2数据聚类整合

数据的聚类整合是对分类功能的补充，该过程建立在数据分类的基础之上，将数据对象群体按照相应的顺序特征进行分类，但该种类型的数据不似分类那般特征明确，也不需要多原始数据进行训练集，属于未知类型，但范围更加广泛。数据聚类在模糊识别以及市场研究等方面发挥着重要的功效。在电力系统运行过程当中，运行状态分为正常、警戒以及紧急状态和恢复状态，通过对不同状态之内的数据进行聚类整合分析，能够辅助明确各个状态之间的直观联系，从不同的层级以及群组当中导出数值差异。

2.3数据估值分析预测

数据估值分析预测的过程在于通过对既有数据库其中的数据资料进行汇总分类，通过参数值的设定进行估计从中探索发现原始数据的特殊属性，进而方便对隐藏的具体值进行分类和估算。预测是估值的后续步骤，通过数值领域有序模型的构造完成下一步走向的判断。数据挖掘技术当中经常使用的预测方法有人工神经网络法、时间序列分析法、遗传算法、统计分析方法以及回归分析法等。

2.4数据关联序列分析

不同的数据类别其中含有相应的关联性，但这些关联性在普通的分析范围内难以发现。因此需特殊的挖掘办法找到相应数值内含有的整体联系以便实现目标的确定，达到更深层级的递进。数据关联分析的过程当中分为时序关联以及简单关联两种情况，确定的过程当中需要精确的函数来表达。

3.数据挖掘技术在电力数据分析中的应用

3.1监视各种基础电力设备运行状态

目前我国电力系统实现了数字化技术的广泛覆盖，而在此过程当中为保证系统安全可靠的运行大量数据围绕在电力系统周围，只有发现深层次的规律才能够保证有效决策的制定。在电网设备运行的过程当中，系统运行工作人员可以通过对运行数据的监控借助智能系统完成对电力系统运行设备使用情况的扫描辅助完成诊断，从而及时地根据数值的峰值变化进行设备运行状态判断。该过程当中通过运行信息系统的建立，结合数据库与神经网络技术进行数据挖掘，能够及时地发现运行异常所产生的变化数值，进而排除各种异常变化因素，找出问题发生的原因通过可视化界面进行及时的检修。

3.2为故障发生提供决策性支持和控制

通常情况下，一旦电力系统发生运行故障保护装置会迅速启动，将相关信息传递到调度中心。此时的调度中心需要经验丰富的专家进行事故原因的判断并确定障碍的具体位置，从而采取针对性的措施进行维修，保障故障的隔离以及快速的供电恢复处理。不过对于整个供电系统而言，覆盖面积广，所含设备种类多是基本特征，且当今时代信息流比较庞大因此对于调动人员来讲想要在短时间内完成故障排查面对着巨大的压力。在此过程当中，通过数据挖掘技术的使用能够保证强有力的定性分析，从而有效地从不可分辨关系以及不可分辨类型当中求得问题的近似解，并完成冗余信息的剔除。能够在短时间内将电力系统突发的故障特征进行有效提取，为调度人员提供参考，实现故障的迅速处理和控制。

3.3完成系统评估提供发展参考

电力结构改革已成为当今电力行业的发展趋势和必然方向，随着国家电网各项电改方案的出台，电网互联以及电网开放成为当今电力系统发展的明确方向。在此基础之上电力系统的构成愈发复杂，动态监管也愈发严格，整个系统当中难以用单项指标来进行综合的衡量。而数据挖掘和分析可以对不同模块的信息特征进行提取通过专项的分析完成综合评定。此过程可以利用模糊决策的推理能力利用计算机仿真系统的应用以及随机采样的数值将实际数据转化为更明确、更全面的决策参考，经过综合评估，逐渐实现于电力系统安全领域的覆盖，保证运行人员精准掌握整个电网状态，从而为电网开放保驾护航。

3.4提取电力用户特征完成预测

特征提取主要是针对已知类别个体进行归纳，从中完成代表性的特征属性提取。当前供电行业竞争较为激烈，对于供电公司而言只有制定出合理的经济模型、完成切合实际的电价确定才能够保证自身的竞争优势。该过程当中首先要完成的就是对用户信息进行准确提取，并在提取过程中进行分组，根据用户特点找出其中的关联性，辅助协助相关调研人员以及任务执行人员进行更好的市场运作策略。但当今供电用户具备一定的多样性和随机性，所以工作任务量较大，故可以采取时间序列模型进行数据挖掘同时完成负荷预测，从而促进发电管理，预防电价冲击和安全冲击。

3.5完成全面负荷预测分析

电力负荷是整个电网管理系统的重要组成，是电网系统实现全面规划和调度的重要依据。而整个负荷工作的关键在于实现大量数据的收集并选用科学模式进行模型建立，通过有效的算法进行总结修正，通过对真实的负荷变化规律探测制定科学合理的供电策略。该过程当中通过数据挖掘能够对历史负荷数据资料进行全方位地调取，通过计算机数据管理系统的建立完成自动管理、完成重点信息的筛选。另外，经过初步整理之后可以对平滑异常值以及历史数据缺失数据进行全面分析完成负载数据的预处理。通过负荷预测模型的建立用多种模型进行运算保证对比选择结果的科学性和安全性。

综述

伴随着电力系统数字化技术的推广应用，传统的统计分析难以适应当今电力市场的需求。为此，需要综合各种系统信息、发掘更深层次的规律、拓展更广范围的趋势确定，并在此基础之上建立科学有效的决策。数据挖掘技术作为一种大量数据处理方式能够进行重点信息的抓取并实现层级的进阶，是电力行业数字化发展的基础，是保证电力系统健康稳定运行的根本。

参考文献

[1]梁冰,郑锐涛.大数据技术在电力行业中的应用与研究[J].电力设备管理,2021(05):156-157.

[2]盛红雷.数据挖掘技术在电力企业大数据中的应用[J].中国设备工程,2021(05):71-72.

[3]肖文英,张振飞.数据挖掘技术在电力管理和分析中的应用[J].科技资讯,2013(27):133-134.DOI:10.16661/j.cnki.1672-3791.2013.27.066.

[4]张鹏程.浅析数据挖掘技术在数据分析中的应用[J].成功(教育),2011(20):104-105.