數據挖掘及其在電力企業的應用前景分析

汪少成 郭瑞祥

國網信息通信產業集團有限公司安徽繼遠軟件有限公司， 安徽合肥 230088

在當前電力行業的快速發展中，使信息通信技術與電網有機融合起來，信息通信技術也成為支撐電網發展的重要支柱，推動電網的進一步管理和發展。我國電力系統已經逐步建立了信息集成平臺，同時隨著智能電表的逐步普及，電力企業的數據信息也呈現快速的增長趨勢，對于電力行業的大數據分析也是迫在眉睫。在當前的大數據時代下，電力企業仍然面臨著很大的挑戰，電力企業傳統的管理模式已經不能適應當前的發展和電力行業的需求。而且當前的大數據技術已經應用到電力企業發展的各個方面，其中有對電力系統故障監測、設備運行狀態控制和絕緣放電狀態診斷等方面，進一步推動了電力企業的發展和進步。在電力大數據發展的時代背景下，能夠利用各種先進的信息技術實現對電力數據信息的存儲和分析[1]。

1 有關大數據內容的闡述

在我國當前信息技術快速發展的時代背景下，全球的數據量也呈現快速發展的趨勢，大數據時代的到來基于信息時代的深化應用和延伸，在大數據時代應用的技術是大數據技術，能夠對大量的信息數據進行挖掘和分析，從中能夠獲取有效的信息資源。大數據所具備量大、類型繁多和實時性的特點。

數據挖掘是大數據時代的一項重要技術，也稱為知識發現，能夠通過對海量數據的分析，從中獲取有效的信息內容。在我國當前電力行業的快速發展中，電力企業逐漸形成一套完整的管理模式和行業體系。在當前數字化和信息化技術的不斷發展中，也為電力行業的發展提供相應的機遇。電力行業對技術的綜合性應用較強，需要實現發電、配電、輸電等一系列工程，其中會有大量的數據資料產生，面對大量的數據資料，缺乏一種有效的數據處理方式。因此，數據挖掘技術就被應用到電力企業發展中，該種技術能夠有效處理電力行業的各種信息數據，通過對龐大信息數據的分析和整理，形成一套完整的數據分析報告，從中了解電力企業的運行狀況，提出相應的措施。

2 電力企業數據挖掘應用方法

數據挖掘技術在電力企業的應用，主要是通過數據建模的方式對大量數據進行整理和分析，能夠從中獲取有關客戶的信息情況，然后采取對應的技術方法。我國的電力系統屬于一個相對龐大的系統，而且數據信息呈現快速發展的趨勢，其中，電力設備運行和電力負荷也具有龐大的數據量，采用傳統的數據處理方式已經不能適應電力企業的發展，需要充分利用數據挖掘技術，數據挖掘技術在電力系統的運行監測、用戶特征值提取等方面有著很大的應用前景，數據挖掘技術也是大數據時代的一項重要手段和工具。

（1） 時間序列分析方法。該種數據分析方法主要是按照時間進行數據的統計和處理，采用數理統計方法能夠有效預測后期電力的發展趨勢，通常的時間主要是根據季節變動和循環波動等進行分析，能夠從中獲得有效的數據信息。

（2） 聚類分析方法。聚類分析方法是通過比較相似的事物性質，能夠從中總結出一定的規律，將數據信息按照不同的類型進行劃分，根據事物的某種性質建立相應的關系網，將事物按照不同的類別進行分類。聚類分析的方法應用范圍廣泛，而且在電力系統中是最常用的一種數據分析方法。

（3） 異常分析方法。電力數據的異常分析方法通常被應用到電力企業電力資源的檢查中，如果電力數據存在異常，就說明系統中有不正常的行為產生，需要電力企業能夠對用電數據進行及時收集和分析，能夠對電力數據存在異常的情況進行檢查分析，也能夠防止有非法竊取電力資源的情況，保證整個電力系統的正常運行[2]。

3 數據挖掘在電力系統中的應用

當前大數據已經成為電力企業進行決策的基礎，但是，對電力數據信息單純的積累并不能帶來很大的作用，需要應用到相關的技術手段，通過對大量數據信息的整理加工，能夠為電力企業的發展提供相應的決策依據，才能夠有效發揮電力大數據的作用。需要能夠充分理解數據挖掘技術的應用。

3.1 數據挖掘技術對數據信息的處理

在當前的大數據時代下，數據挖掘也是知識的自發現過程，如果沒有確定的目標，就需要對大量的數據源進行整理，然后做好分析，采用模糊識別算法對數據進行挖掘分析。例如，我國有研制出來的DeepWeb數據集成技術，能夠實現對數據自動集成處理，經過數據收集、數據整理和數據分析等過程對各項數據信息進行處理，其中有關數據的收集階段，主要是應用各種移動設備、自動記錄系統等獲取數據信息資源，同時還需要從不同的渠道獲取信息數據，為以后的數據挖掘和分析奠定基礎。

3.2 數據挖掘技術在數據整理中的應用

由于電力系統中的數據內容都是呈現交叉式的分布，需要對數據信息進行分類，從原始數據中挖掘出更多質量較高的數據信息，通過對數據進行挖掘分類，可以將數據信息分為結構化數據和非結構化數據，對于結構化的數據信息，需要去除無效數據能夠提高分析的效率。例如，電力系統中都會有用戶評論、電力系統運行資料等數據信息，就需要將這些數據信息進行轉化，形成統一的數據語言。數據挖掘技術在數據整理方面的應用，能夠將整理和轉化的數據存儲到數據倉庫中，然后對數據倉庫進行重新設計和信息挖掘[3]。

3.3 數據挖掘技術在數據分析中的應用

對數據的分析主要是采用聯機分析處理技術進行對數據的分析和決策，將數據能夠轉化為能夠輔助決策的信息，電力企業需要的數據信息，對實時性要求很高，需要將電力企業的數據進行分類，按照實時性和非實時性兩個方面進行分類處理，針對非實時性的數據，可以考慮分布式文件系統和云計算的方式進行處理，需要電力企業將大量的數據進行計算。有效提高計算方式，能夠實現對實時數據的接收。

3.4 利用數據可視化設計支持企業的營銷決策

在進行數據信息挖掘之后，將數據信息進行可視化處理，然后應用到企業未來的發展規劃中，再借助有關圖形進行數據表達，可以對電力企業的決策起到十分重要的作用，對于電力企業的發展，需要從數據運營角度獲取更多的數據信息，利用數據挖掘技術，建立數據增值服務。在當前信息技術的快速發展下，智能電網也獲得進一步發展，電力企業可以從對信息數據的收集和分析方面建立一個比較全面的數據處理系統，基于數據和能源之間的同步傳輸，實現電力企業與大數據技術的深度融合。在當前智能電網的快速發展下，信息通信系統已經成為智能電網發展中的一個重點，而且電網業務數據信息也在進一步豐富和拓展，能夠快速推動電力行業的發展和進步[4]。

4 數據挖掘技術在電力行業的應用趨勢

數據技術作為一種對大量信息進行處理的技術方法，已經成為電力行業發展中最重要的應用手段，而且數據挖掘技術能夠有效解決電力企業運營管理中存在的問題，為企業的發展提供更大的生存空間[5]。

（1） 實現對電力負荷的預測。電力負荷的預測注重對電量的預測和負荷曲線的預測，能夠有效預測電力負荷在時間和空間上的分布，為電力系統的運行提供可靠的依據，能夠通過對歷史用電數據信息進行挖掘，對電力負荷進行預測，通過對用電情況進行分析，然后做出相應的決策。

（2） 對電力設備的檢修。對電力設備的檢修通常遵循一定的模式，對電力設備狀態的檢修也是通過收集相關的數據信息，以數據為基礎，預測設備狀態未來的發展趨勢，然后通過對挖掘出來的數據結果進行有效性分析，安排相應的檢修工作。

（3） 能夠支持電力營銷決策的確定。通過利用數據挖掘技術，對電力系統中的用電情況與時間變化數據信息進行挖掘，掌握數據信息發展的方向和趨勢，做好相應的預測和判斷工作。利用數據分析模式能夠有效改善電力企業的服務模式，構建相應的數據監控分析模型，發現數據中存在的一些關聯性，而且能夠將電壓等因素考慮到一定范圍內，能夠有效平衡系統的安全性和經濟性，有效推動電網的生產和管理工作，推動企業電網的進一步發展和進步[6]。

5 結語

在當前大數據技術的發展下，電力企業的發展需要有效應用到各項大數據信息挖掘技術，能夠實現對電網故障監控、設備運行狀態信息數據收集等的有效管理，進一步推動電網工作的開展和進步，通過對各項電力數據信息的收集，了解電力企業的發展趨勢，更好地推動數據挖掘在電力行業的運用。