探析電力調度自動化系統中數據挖掘技術的應用

張泓

【摘 要】數據挖掘技術是一種數據庫技術與人工智能技術結合的技術，利用一定算法，其能夠從大量的數據信息中搜索到所需要的信息。在電力調度自動化控制系統中應用數據挖掘技術具有重要意義，對于電力企業的發展和創新具有推動作用，同時還可以讓電力企業的經濟效益得以提升。

【關鍵詞】電力調度；自動化；數據挖掘技術

引言

一般數據庫信息量很小，相對應采用的數據分析工具也是比較少的，占整個數據庫的信息只是一小部分，然而，隱藏的數據往往在整個應用過程具有重要的參考價值和發展預測功能。就比如電力調度自動化系統中，它的數據庫包括了許多監控數據、電量信息以及設備的數據信息等，對于電力系統中的電壓信息、設備信息是日常比較實用的信息，但是實際系統中就非常難找到對于用戶有幫助的。數據挖掘技術的出現就成功地解決了這一難題，它可以有效地快速地發現并找到用戶感興趣的信息，而且可以將信息轉化為知識。

1電力調度自動化系統的概述

1.1內涵分析

電力調度自動化系統能夠為電網系統安全、穩定運行提供重要支持，并為相關電力人員工作、決策提供有力信息的支持。電力調度自動化系統的組成如下所示：第一，前置機。前置機能夠從RTU從完成數據信息的收集整理工作，并能夠結合實際對系統的指令進行接收、解釋；第二，主備用服務器。主備泳服務器包括數據庫和實時庫服務器，是電力調度系統的重要組成部件，能夠對系統各個工作站的運行進行監督；第三，網絡服務器。網絡服務器主要是對數據信息分布和數據表整理工作的監督；第四，物理隔離開關。物理隔離開關能夠解決數據的隔離應用問題；第五，衛星鐘。衛星鐘系統將全球定位時間作為系統時間。

1.2電力調度自動化系統對數據挖掘技術的需求

電力導調度自動化系統對數據挖掘技術的需求具體表現在以下幾方面：第一，通過數據挖掘技術減少電力調度自動化系統的工作時間，提高工作效率；第二，數據挖掘能夠提高數據挖掘技術的管理應用水平，減少外界因素對電力調度自動化的干擾；第三，能從不同角度對數據信息進行定量、定性分析；第四，為電網報告的分析和制定提供輔助支持；第五，實現了對數據信息的及時查詢，為電力調度自動化工作提供了支持。

1.3數據挖掘技術的分類

伴隨著信息挖掘技術的發展，許多不同類型的數據挖掘技術和方法相繼產生，類型種類極其繁多，造成了信息挖掘的混亂，因此，對信息挖掘技術進行有條理的分類是很有必要的。其分類如圖1所示。

由圖1可見，通常情況下，信息挖掘技術就是分為了驗證的驅動挖掘技術和發現驅動的數據挖掘兩種類型，驗證驅動的數據挖掘就是用戶對于自己之前提出的假設，通過各種技術手段進行信息的索引來完成對假設的驗證和否定的一個過程，而在假設的驗證過程中，一般都會用到結構化的語言SQL和結構化的生成器，查詢工具和OLAP（在線分析處理工具）兩部分又組成了結構化的查詢生成器。發現驅動的數據挖據就是指：用戶通過使用機器進行學習，統計和數據可視化的各類技術來發現新的假設。這些知識對于未知領域新知識的發現具有重要的意義，然而，這個過程并非就是完全獨立的，在過程中還是需要分析人員的參與的。發現驅動型數據挖掘包含了“推述型”和“預測型”兩種。推述型的數據挖掘技術包括了可視化、聚焦、關聯分析及統計等四方面的技術；預測的數據挖掘技術主要包括規則歸納法，神經網絡和決策樹技術三方面。通常所說的信息挖掘技術指的就是“推述型”和“預測型”的發現驅動型的挖掘技術。

2數據挖掘在電力調度自動化系統中的應用方式

2.1以神經網絡方式在電力調度自動化系統中進行應用

神經網絡是比較成熟的一項技術，本身具有對數據自行處置、挖掘數據進行存儲和高度容納錯誤等優點，非常適合處理模糊和不完整、不準確的數據，利用計算機精確計算功能，可以實現深度挖掘調度自動化系統數據，一般采用的方法為前饋、反饋。映射三種，使用的神經網絡，對數據整理和分析至關重要，采用該方法，可以將調度各類數據進行關聯，從而找出數據的邏輯性。為此：第一，對電力調度自動化系統基本數據進行處理，雖然這類數據復雜、種類多，但是這些數據有緊密的聯系，能夠整合統一，并形成模式，為后期數據查詢、統計、分析等奠定堅實的基礎，保證數據的完整性和一致性，使電力調度能夠順利的開展，并形成神經網絡系統，方便統一管理；第二，電力調度相關數據，不同環節電力狀態和參數準確性不一致，整個過程中會受到一定影響，從而達到數據關聯；第三，將神經網絡這種方法應用在電力調度自動化中，對所有數據進行整合分析，并供給其他調度工作進行決策分析，實現大范圍數據共享，以此來保證電力自動化調度系統的效果。

2.2以灰色分析法在電力調度自動化系統中進行應用

在對時間線上相關聯的數據進行分析時會應用到灰色分析法，通過應用一定的數學方法，把數據中的白色部分當作主要依據，找出它同黑色部分有關聯的地方，進而實現數據灰色化。在挖掘電力數據時，灰色分析法為最普遍的利用方法之一，主要把其應用到電力數據預測及分析中。它的優點為盡管數據不完整或是數據有限皆能夠應用與分析，但其不足為不能將大數據的使用價值充分的發揮出。

2.3以聚類分析法在電力調度自動化系統中進行應

聚類分析方法在電力調度自動化系統中應用廣泛，它和同類分析法比較相似，當又不是完全相同，分類方法更加關注的為將數據映射到給定的類別中，聚類分析方法主要針對同類數據劃分，數據更加全面，而且綜合新較強，這是該方法應用十分廣泛的原因，能對灰色分析法缺點進行彌補，使得數據整理更加整潔，而且縮小了數據之間關聯度和相似度。例如，電力調度數據中控制和生產管控是兩大類，利用聚類分析方法，能將大數據進行聚類劃分，主要包含四個數據管理區，管理則包含了電力調度自動化產生的電力生產數據、銷售數據以及控制數據等。

3結語

總之，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.

[3]聶宇羅超高小芊寇霄宇何宇雄苑晉沛李蔚.基于電力調度自動化系統中數據挖掘技術的應用[J].科技創新與應用2018（03）：143-144.

[4]周洋.數據挖掘在電力調度自動化系統中的應用解析[J].科技創新與應用2017（35）：149-150.

[5]劉雅銘.解析電力調度自動化系統中數據挖掘技術應用[J].低碳世界2017（33）：66-67.

[6]李艷.關于數據挖掘中關聯規則算法的相關問題研究[J].科技創新與應用，2017（33）：161+163.

（作者單位：國網湖北省武漢市蔡甸區供電公司）