數據挖掘在電力調度自動化系統中的應用

摘 要 隨著社會科技不斷進步，電力調度自動化系統的使用，是對電力系統的數據和信息進行采集和監控的過程，是實現電力調度完全自動化的基礎，而數據挖掘作為科技發展的新型技術，其對數據的采集和分析等，更加的專業化，因此文章從對數據挖掘技術的分析著手，將兩者進行完美的結合，以此提升對電力調度數據收集和整理的準確性。

【關鍵詞】數據挖掘 電力調度 自動化系統

1 引言

在傳統的電力調度方面，對數據的掌控僅限制于電力設備、電量等信息的管理，提供的只有簡單的常規性信息以及檢索等功能，對數據的分析和決策始終無法滿足，因此一些比較復雜的電力管理和和決策都需要使用數據挖掘新型技術，但是目前因為一些電力調度的管理人員對新型技術不夠重視，導致目前數據挖掘在電力調度自動化系統中的應用不夠，因此文章根據數據挖掘的含義，對數據挖掘在電力調度自動化系統中的應用加以分析。

2 數據挖掘技術的含義

數據挖掘技術是未來一項非常重要的技術，是從大量數據中找出有特殊關聯信息的一個過程，通過統計、分析、處理、檢索、識別等方式得以實現，其中數據挖掘的實施一共有三個步驟，分別表現為：數據準備，將一些所需要的數據從相關數據中挑選出來，并進行整合；規律尋找，通過某種方法將挑選出來的數據中所含的規律找出；以及規律表示，則是將找出的規律通過簡單能夠理解的方式，展現給需要觀看的客戶或工作人員，以此提升工作的效率。另外，在對數據挖掘技術進行分析的同時發現，數據挖掘技術根據不同的領域其分類的方式也有所不同，大致分為兩大類，分別為驗證和發現兩種驅動的數據發掘，驗證驅動主要是針對之前提出的一些假設，通過各種手段方法對其進行驗證的過程，在驗證的過程中，會根據不同的情況選擇不同的生成器，包括SQL和其生成器兩種，其SQL生成器又可以分為查詢以及在線分析處理兩種工具；而發現驅動主要針對的是使用者通過學習、統計、整理等提出新的假設，并對新提出的假設進行推述和預測，在推述的過程中，進行信息的可視化、信息聚焦、對信息進行關聯分析以及信息的統計四個環節；在預測的過程中，先將信息進行分類處理和統計回歸的處理，在信息分類的處理中，需要將信息根據規則和神經元進行歸納，并制定出相對應的決策樹。由數據挖掘技術的分析，可以得出，通過數據挖掘在電力調度自動化系統的應用，可以解決很多問題，包括電力調度的人員安排情況、校驗電力使用情況、保護電力使用記錄等，提高了數據信息的準確性。

3 數據挖掘在電力調度自動化系統中的應用方式

3.1 以神經網絡方式在電力調度自動化系統中進行應用

神經網絡現如今已經成為非常先進的一種智能技術，本身具備對數據自行處理、將數據進行分布存儲以及高度容納錯誤數據等特征，對處理模糊、不完整以及不準確的數據等非常的適合，通過對計算機精算能力的使用，對電力調動自動化系統數據進行了深入的挖掘和分析，一般常用的神經網絡方法有前饋式、反饋式以及映射三種神經網絡模型，而神經網絡方法的使用，對數據的整理和分析準確性非常重要，而且使用這種方法，可以將電力調度的各種數據進行關聯分析，實現了數據的邏輯性。對此，首先需要電力調度的自動化系統中包含的基礎數據，雖然數據的數量龐大復雜，甚至種類繁多，但是這些基礎數據在一定的程度上有著緊密的聯系，可以使用數據挖掘的技術將其進行整合統一，并形成結構模式，使其能夠更加方便數據的查詢、統計、分析等，確保數據存在的完整性和一致性，保障電力調度的順利實施，形成一種神經網絡系統，進行統一數據管理；其次，將電力調度過程中的相關的任務數據，不同環節不同的電力狀態和參數，通過同樣的數據挖掘神經網絡方法進行整理，并確保在不同環節的電力狀態和參數準確性，以及過程中會出現的一些影響和修改，實現不同環節電力調度的關聯；最后，將這種神經網絡方法應用于電力調度自動化系統中，將整理出來的數據進行整合，并供其他的電力調度工作環節進行分析和決策，將數據實行大范圍的共享。

3.2 以灰色分析法在電力調度自動化系統中進行應用

灰色分析法又叫做灰色預測法，當所需要的電力調度數據出現在一個點上時，就會使用這種方式進行數據挖掘，這種數據發掘方法的使用，是非常普遍的一種，主要用于對電力調度自動化系統產生的數據進行預測分析，其主要的就是對有限的數據和一些電力調度過程中出現的不完整數據進行分析，但是一旦遇到比較龐大的數據，就無法實現最優化功能，因此在對電力調度自動化系統產生的數據進行挖掘時，需要對其涉及的數據進行分析，確定其數據的分類是電力生產數據還是電力銷售環節的數據，包括這些數據之間還或多或少存在著一些直接轉換的數據處理，因此通過灰色分析法對數據進行挖掘，需要對電力調度中出現的一些設備數據參數進行了解，包括用戶的用電情況數據預測、電力的銷售情況預測、短期或者超短期內自動化系統以及母線存在的負荷數據值等，電力自動化系統會根據以上的這些預測的數據進行分析，制定電力調度的邊界電量，并且確保整個電力調度自動化系統的正常運行，使整個數據的收集更加的可靠，以便后續工作的參考。

3.3 以聚類分析法在電力調度自動化系統中進行應用

聚類分析法在電力調度自動化系統中的應用，同分類法有所類似但兩者的目的不同，分類法更注重的是將數據項映射到給定的數據類別中，但是聚類分析法更多的是針對數據同異進行類別劃分，更期望數據的全面性和綜合性效果，因此這種方式的應用也比較廣泛，將灰色分析法的缺點進行了彌補，使龐大數據量的整理更加的整潔，并且縮小了不同類別之間數據的相似性和關聯性。比方說，電力調度數據中的生產管理和控制兩大數據管理，就是通過聚類分析法的方式，將大數據聚類劃分，分為了四個子數據管理區，其中管理方面包括了電力調度自動化系統中有關電力的生產數據、電力出售的相關數據等；控制方面分為了三個子數據區：

（1）電力調度的計劃數據，包括電力廠發電的能力數據值、用戶發電用電的數據等，

（2）安全管理的數據，通過計算機對一些電壓數據值、電壓數據值等進行有效的監控，以確定自動化系統的正常運轉，

（3）監控數據，包括電量數據、實時電量、輸出量等數據，以此提升對數據的掌控，加強電力調度自動化系統的使用。

4 結束語

總而言之，隨著科技的不斷進步，我國針對電力調度自動化系統的使用情況進行了創新，而數據挖掘技術在其中應用成功的與否，還需要專業的人員繼續進行探究和實驗，以確保我國電力調度自動化系統的升級和改造，進一步促進我國電力調度自動化系統的發展，實現真正的智能電網時代。

參考文獻

[1]郭洋洋，李宇濤.分析電力調度自動化系統實用化應用[J].科技與創新，2017（05）：153-154.

[2]李國偉，王新銘.基于數據倉庫的一體化電力調度自動化系統的開發與設計[J].自動化與儀器儀表，2016（10）：26-29.

作者簡介

劉賓（1963-）男，安徽省淮南市人。大學本科學歷。工程師。研究方向為電力系統自動化。

作者單位

國網安徽省電力公司馬鞍山供電公司 安徽省馬鞍山市 243000endprint