配電網中大數據的挖掘應用探究

陳敏林

（國網湖南省電力有限公司婁底供電分公司，湖南 婁底 417000）

當前我國已經邁入大數據時代，在這一形勢背景下，電力企業也已通過多年信息化與智能化探索，在其發展的過程中產生了大量的業務數據，這些數據來源于電網運營管控的各個維度且數據海量、結構復雜，要想實現在新形勢下的長遠發展，就必須通過現代化先進技術實現對這些數據和信息的有效統計和分析，通過得到的分析結果為企業的進一步發展提供新的動力。為此，本文對于大數據挖掘技術在配電網中的實際應用進行了相關探究，希望能夠為后續相關工作人員提供一定的參考和借鑒，有效推動我國電力行業在新形勢下的健康可持續發展。

1 電力大數據時代簡述

1.1 關于大數據的探究

大數據主要指代的是具有下述特征的信息資產：其一是數量海量；其二是增長率比較高、增速快；其三是多元化。大數據不僅具有優化的能力，而且還同時具備相應的洞察力和決策力，但是其所具有的上述能力必須通過新的操作方式對其進行合理整合才能夠真正體現出來。

1.2 電力企業在大數據時代背景下的發展挑戰分析

經過信息化與智能化革命浪潮，電力企業根據實際生產經營模式以及業務流程，開發出非常多應用系統，包括業務管控系統與數據信息采集系統。受其設備基數大、型號多、分布廣、環境差異大等因素影響，配電網相關應用系統的數據較為復雜，如造成設備故障停運的數據會由于網架結構、區域環境、設備型號、運維狀況等多個維度影響呈現不同的形態，這時候就需要對故障設備在運行過程中所產生的數據信息進行搜查和整合分析。對于這些海量數據，需要從整體與局部的關系挖掘數據之間的關系與價值，然而這一工作的具體實現依然存在很多的挑戰，為更好的應對這些挑戰，相關工作人員在考慮問題的時候應該秉承多元化的角度，在高效使用合理數據的時候應該注重將無用數據剔除掉，從而在最大限度上保證數據是真實可靠的。除此之外，比較重要的一點是要重視將下述相關數據信息之間進行良好的統籌，保證這些數據之間的連接性良好。

通過對電力運行過程中下述幾方面檢索獲得的數據能夠為后續設備的運營維修工作提供可靠的數據參考信息：其一是用戶及其需求的相關信息層面；其二是智能電網的設備感知層面。

2 大數據時代背景下某電力企業配電網中大數據挖掘的實際應用案例分析

大數據挖掘技術通常指的是通過對專業數據模型的使用實現對電力企業相關數據信息的有效歸納以及整合，從而充分顯示出其所具有的價值，推動企業的進一步發展。在當前市場競爭越來越激烈的情況下，電力企業所產生的數據信息量是十分巨大的，原有的數據處理方式已經不能滿足當前電力企業的實際運營需要，因此，就必須通過新型的大數據挖掘技術的應用不斷提高對數據信息的處理工作效率，從而保證電力企業能夠在市場競爭中占據有利位置，實現電力企業的可持續發展。

為此，某市一個電力企業為實現對數據信息的高效處理，進一步推動企業的發展進步，在結合該市相關政策以及企業自身發展特點和實際情況的基礎上，在企業內部進行了大數據挖掘技術的應用，希望能夠保證對相關數據信息處理的科學性和合理性。與此同時，該電力企業還在企業內部專門設置了一個用于建立數據的部門，并配備具備高專業技能和綜合素養的相關監理工作人員，希望通過對數據挖掘技術應用的嚴格監督，將該技術真正落實到實際的工作中，并通過具有針對性的相關措施保證數據的處理質量能夠滿足電力企業在當前的實際運行需求，將大數據挖掘技術所具有的優勢發揮到最大化，體現出其所具有的實際價值，為企業的進一步發展壯大提供足夠的動力和支持。

3 大數據挖掘技術在電力企業配電網中的應用方式探究

在大數據時代發展背景下，電力企業在發展的過程中會產生比較大量的數據信息，要想實現企業的進一步發展，就需要對這些數據信息進行全面的搜集和分析，并從中挖掘出具有應用價值的數據信息，而對于那些目標不是很明確的情況可以選擇從多個角度確定實際處理數據的方法。通過歸檔分類這些數據處理方案，可以明顯發現大數據挖掘技術比較適用于我國電力企業的實際發展需求，并且還全面且高效地實現對各類數據的處理。通過對大數據挖掘技術應用的方式進行詳細的分析和研究可以發現，大數據挖掘技術主要包括以下三個重要的層次：第一層次是分析數據整理層信息；第二層次是分析數據來源層信息；第三層次是分析數據管理層信息，具體分析如下。

3.1 分析數據整理層信息

對于電力企業在實際運行過程中所產生的大量數據信息，在使用大數據挖掘技術對其進行處理的過程中主要是以數據來源內容交叉作為重要基礎，將相關數據信息進行歸類以及進一步總結，但是在實際工作的過程中往往會搜集到很多冗余且沒有相關性的數據信息，所以相關工作人員需要對這些獲得的數據進行重塑以及二次解析，從而進一步提高數據處理方法的高效性，最終保證數據處理工作具有良好的質量。

電力企業相關運營信息數據在經過處理之后的結構主要包括以下三大類：第一類是非結構化數據；第二類是結構化數據；第三類是半結構化數據。大數據挖掘技術能高效實現對結構化數據進行過濾，將數據結構中所含有的無關數據內容剔除掉，并進一步結合非結構化數據信息以及半結構化數據信息，以相應的技術標準和要求作為主要參照，實現將這些數據轉化為機器語言或相關索引等信息的目的。

例如，本文所引用案例中，該電力企業在實際運行的過程中，將使用用戶的評價以及相關運行資料轉換功能使相應的數據直接反映到了標準值上，進而形成了比較系統的一種語言類型，有效提高了工作的效率和質量。

3.2 分析數據來源層信息

在分析數據來源層信息的時候，通常會借助下述設備：其一是自動記錄系統；其二是互聯網；其三是移動設備等，特別是在運行存儲層的時候，電力企業相關管理工作人員還需要綜合考慮外部因素對整個數據處理環節所產生的影響作用。

3.3 分析數據管理層信息

分析數據管理層信息的主要作用就是存儲相關信息，并進一步對這些數據進行整合和歸納，接下來數據倉庫就會根據主體內容的不同確定其所具有的設計屬性集，盡可能地保證數據處理的準確性，特別在實際應用主題數據庫時往往會通過粗糙集屬性的應用剔除其中所含有的冗余數據，最后再對數據進行集合和分析總結歸納操作。

4 結 語

綜上所述，大數據挖掘技術主要包括以下三個重要的層次：分析數據整理層信息、分析數據來源層信息以及分析數據管理層信息。目前國家電網公司正全面推進“泛在電力物聯網”建設，其實質是在大數據挖掘技術探究出最高效的管理模式與管控措施，通過數據應用與共享實現電網設備與生產、生活中萬事萬物的“互聯”。因此，電力企業可以應用大數據挖掘技術不斷提高對數據信息處理的工作效率和工作質量，進一步實現設備的精益運維與配網發展的精準投資。