數據挖掘與電力系統負荷預測

王延超

摘要：電力系統負荷預測是現如今我國電力行業所重點關注的內容，在我國的傳統電力系統中，預測方法有很多，但是這些預測方法都具有一定的局限性，很多預測方法不能夠真實地反映出電力系統的實際情況。只有采取科學合理的方式對電力系統負荷進行預測，才會更好地實現數據挖掘的高效性。本文針對傳統負荷預測方法進行簡單分析，并對數據挖掘和負荷預測的步驟等內容進行具體的闡述。

關鍵詞：數據挖掘；電力系統分析；負荷預測； 發展趨勢

中圖分類號：TP31113文獻標識碼：A文章編號：1009-5349（2016）07-0227-02

電力系統的組成一般會分為三部分，分別是輸電系統、發電系統以及用戶系統，這三部分是電力系統中的核心內容。要想實現電力行業的可持續發展，就要不斷采用創新式的管理理念和手段。根據城鄉地區的用電差別，人們對于電力系統有著不同的需求。一般情況下電力行業的發電量需要與用戶自身的需求保持一致，所以電力系統負荷預測在現代化的社會中顯得至關重要。

一、傳統負荷預測方法

在傳統的電力系統負荷預測中有著很多分析法，其中線性回歸分析是一種常見的符合預測分析法，運用該方法能夠更好地實現對電力系統的預測和分析。這種方法在傳統的電力負荷預測中較為常見，因為該種方法較為簡單，所以使用較多。除此之外，在傳統的負荷預測分析中還有時間序列法。時間序列主要就是根據周期性來判斷電力數據的運行情況。可以根據小時、天數、周等不同的時間來對電力系統進行預測。在實際的運行中，負荷的變化往往受各種因素的影響，并非是所有的負荷都非常平穩，有些時候電力負荷受外界因素的影響較大，會出現不平穩的情況。[1]

二、數據挖掘概述

1.數據挖掘的概念

數據挖掘是一項較為細致的工作，在對電力數據挖掘的時候往往需要從海量的數據中進行篩選，要選擇一些具有潛在價值和意義的數據進行分析。電力系統的發展越來越具有時代性，只有符合未來社會發展的技術才會實現可持續的發展戰略。在對電力數據挖掘的過程中，一定要根據不同的數學模型的特點對數據進行具體的分析。在對大量數據進行分析的過程中，往往會將一些潛在的數據挖掘出來，這些數據對電力系統的運行和發展給予更大的保障。

2.數據挖掘的功能

在對電力數據進行挖掘的時候應該注重對數據信息功能的分類，在對電力系統數據分類的時候需要注意的是對數據的科學合理劃分。因為不同的數據所帶有的信息是不同的，數據往往會被人們分為一個又一個的子集，不同的數據個體之間有著一定的差異。只有充分分析數據，才會明確數據中的信息量。除此之外，可視化也是數據挖掘的一項主要功能，運用可視化進行數據分析可以實現更加直觀的分析，這將有助于提升我國現有的電力行業的發展。為數據的分析和人機交流提供更加方便的環境。[2]

3.數據挖掘常用算法

一般情況下在電力系統數據挖掘中常見的算法有Bayesian Network和CLARANS算法，這兩種算法在電力數據的挖掘中具有十分重要的地位，也發揮著非常重要的作用。貝葉斯網絡是一種基于概率推理的數學模型，能夠通過數據信息分析來獲取一些新的數據內容，這將會對于電力信息化的發展給予更大的保障。除了綜上兩種算法之外，還有一種STING算法，這種算法能夠分辨多種群集技術的風格，將空間區域劃分為多個不同的單元，這將會更有利于實現電力系統負荷的預測和研究。

三、負荷預測的步驟

負荷預測的步驟較為繁瑣，一般情況下需要建議完善的負荷預測步驟，建立科學合理的預測模型，這些都是電力數據挖掘中所應該具備的基礎性內容。在符合預測之前，還應該對歷史的數據進行收集和整理，從歷史數據中會發現一些電力資料，尤其是一些內部的電力資料，這些資料對于分析現代化的電力發展趨勢具有十分重要的意義。在分析歷史資料的同時，有關部門還應該對所收集的資料進行分類整理，這樣做是為了更好地確保資料的質量，為后期的系統負荷預測奠定堅實的基礎。在對電力系統負荷預測處理的過程中應該注重對負荷數據的整理和規劃，也就是對歷史資料中的異常值進行處理，一旦發現電力系統挖掘數據存在任何的異常情況，就應該及時的對其進行解決，為實現電力系統的可持續發展奠定堅實的基礎。[3]

四、數據挖掘在短期負荷預測中的應用

1.數據預處理

數據預處理技術是現代化電力信息符合預測中的主要技術，運用數據預處理技術能夠將一些錯誤數據及時的剔除，避免這些數據對電力系統造成一定程度的影響。一般情況下，如果電力系統中的數據出現錯誤或者是出現不準確的數據，將對電力負荷預測造成很大的影響。運用數據預處理技術能夠將需要剔除的數據第一時間內進行剔除，為電力系統負荷預測的正常運行奠定堅實的基礎。不僅如此，在數據預處理技術中還應該注重負荷變化的情況，如果發現數據負荷出現非正常的變化就應該及時給予制止，通過對比待檢測日期等內容來判斷可疑點的存在。由此可見，在電力系統的發展中，數據預處理具有十分重要的地位，在實際的電力負荷預測中，數據預處理是首要的條件，只有明確數據預處理的重要性，才會更好地實現電力系統的負荷預測。

2.典型負荷預測模型

典型負荷預測模型是電力系統負荷預測中的主要內容，一般情況下典型負荷預測模型會包括負荷數據和氣象數據，其中氣象數據是較為準確的，都是由當地的氣象總局校驗過的，其準確性和真實性都較高，對于電力系統負荷的預測和研究具有十分重要的意義。不僅如此，典型負荷預測還具有一定的專業性和高效性，很少會出現錯誤，這一點也是傳統的電力數據挖掘所不具備的。

3.負荷模式分析

電力系統在實際的運行中往往會受到一些外界因素的影響，所以電力系統負荷預測的有關工作人員一定要注重對負荷模式的分析和預算，要確保電力系統的正常運行。在大多數的時候周期性負荷的分析是非常重要的，無論是對任何的電力系統而言，其負荷的模式都具有一定的周期性，無論是對于任何的企業而言，負荷的周期性都是不可避免的。有關工作人員可以通過對這些周期中用電量以及負荷的變化情況進行分析，進而挖掘出更有價值的數據。除此之外，在節假日的時候電力系統的負荷也將會大大增加，很多企業和工業在節假日的時候會出現用電高峰期的情況，所以有關電力部門在節假日的時候可以選擇提前安排生產，這樣能夠更均勻地分配電力資源，為實現電力系統的和諧發展給予更大的保障。[4]

五、結語

綜上所述，筆者簡單論述了數據挖掘與電力系統負荷預測之間的關系，通過分析可以發現實際上在現代化的社會中，電力系統的數據挖掘中隱藏著海量的信息數據，對這些信息數據進行分析將會更有助于我國電力行業的發展和建設。在現如今的21世紀中，將數據挖掘技術運用到電力負荷預測中將會更加準確地對數據進行分析和整理，為電力行業的發展給予更多的支持，也會更好地實現電力系統的經濟價值和社會價值。

參考文獻：

[1]白帝，趙龍，張陽陽，李明月.數據挖掘在電力負荷預測中的應用[J].計算機與信息技術，2014，09：109—114.

[2]鄭剛，李漢濱，馬東衛.數據挖掘在電力負荷預測中的應用[J].水利電力機械，2014，07：156—167.

[3]袁哲，王家營，孟佳會.數據挖掘在電力系統負荷預測中的應用[J].應用技術，2014，05：165—167.

[4]司佳偉，馬雪越，李東楊.數據挖掘技術在電力系統負荷預測中的實現與應用[J].中國電力教育，2015，04：111—117.

責任編輯：楊國棟