大數據挖掘平臺在電力運營監測工作的應用

楊溢

摘要：隨著科學技術的不斷發展，大數據挖掘平臺技術在價值利用上被充分的使用，與傳統數據分析相比，挖掘出的數據更有效、合理。本文主要分析探討了大數據挖掘平臺在電力運營監測的應用情況，以供參閱。

關鍵詞：大數據挖掘平臺；運營監測；應用

當今社會不僅經濟發展迅猛，科學技術的發展也是日新月異，而隨著科技的進一步發展，大數據挖掘平臺在電力運營監測工作中的運用也更加深入，技術的進步不僅提高了電力運營監測的工作效率和質量，同時也更進一步的推動大數據挖掘平臺技術的提高。大數據挖掘平臺使數據價值體現更加淋漓盡致，電力運營監測工作應該以此為基石，深度挖掘高效、有利信息，并不斷的改良創新技術，進一步探索在電力運營監測工作中大數據挖掘的應用。

1數據挖掘技術分析

1.1大數據挖掘平臺概念

大數據挖掘平臺是利用計算機軟件應用技術大量收集數據，而人工系統的挖掘數據往往會給企業工作人員增加工作量，工作效率不高，且不能確保數據的質量。數據挖掘是通過分析每個數據，從海量數據中尋找其規律的技術。近年來，數據挖掘技術引起了信息產業界的廣泛關注，其主要原因在于海量數據可以被廣泛使用，這就迫切需要將這些數據轉換成有用的信息和知識。在人工智能領域，數據挖掘也習慣上被稱之為數據庫中的知識發現，一般應用于商務管理、生產控制、市場分析、工程設計和科學探索等領域。數據挖掘與傳統的數據分析（如查詢、報表、聯機應用分析）的本質區別是數據挖掘是在沒有明確假設前提下去挖掘信息、發現知識。數據挖掘所得到的信息應該具有先前未知、有效和可實用三個特征。數據挖掘發現的那些不能靠直覺發現、甚至是違背直覺的信息和知識，挖掘出的信息越是出人意料，就越有可能具有價值。

1.2大數據挖掘平臺的現狀

由于大數據挖掘平臺技術需要從諸多的數據中挖掘有效信息，因此基于企業歷史數據的業務貫通是眾多企業所面臨的一項大挑戰，而大數據挖掘的最終結果將決定其未來在電力運營監測工作中的應用效果。另外，所挖掘的數據需要有價值和實用效果才能夠使得大數據挖掘技術平臺被認可，并促進其更為廣泛的運用于各行各業中。然而，當前電力行業的有效數據卻未被發現，因此怎樣將大數據挖掘技術更好的運用于企業運營中，實現大數據挖掘平臺技術的最大價值意義還應當繼續的研究與探索。隨著信息技術的發展，大數據技術也在不斷改革創新，然而新的技術方法也在不斷推出，那么如何抉擇出最適合的技術或者說將其與大數據技術有機結合運用到企業運營中將是一個難解之題。

2大數據挖掘基礎上電力運營監測的應用分析

隨著大數據時代的到來，電力企業應通過對海量數據的分析去努力探索電力運營監測中存在的聯系和規律，建立以GIS技術為核心的電力大數據平臺，在可視化等高新技術的支撐下實現電力運營監測的創新。

2.1大數據平臺基礎上運營的可視化

這就要求電力企業首先要在電力運營監測平臺的基礎上構建標準化的運營體系。在電網和客戶之間建立配電網樞紐，這在供電和用電關系中發揮著重要的作用。配電網搶修是在電力企業中最常規的、最常見的一項重要性工作，很多工作人員在工作中無可避免地會直接面對不同的客戶，更無法避免復雜的工作環境。因此，電力企業必須盡快摸索出一套具備推廣價值的電力搶修可視化、標準化的工作與管理模式，并以電力搶修的標準建設、全過程的監督與考核作為基本抓手，提升搶修工作的精益化管理水平。

2.2在電力系統動態安全評估中的應用

K.R.Niazi等提出了基于人工神經網絡和決策樹混合方法在電力系統在線安全評估中的應用。部分文獻提出了電力系統在線動態安全預防中應用決策樹技術來測試每個發電調度的動態安全性，并且通過發電再分配來提供正確的指導，優化發電容量，節約發電成本。使用Kernel回歸樹方法在線安全評估和監控電力系統，處理頻率穩定性問題。從決策樹學習中提取規則，并利用該規則來獲得必要的控制措施，將暫態不安全穩定的電力系統保持安全的動態控制技術。

2.3大數據平臺基礎上運營監測功能的實現

這就要求電力企業從數據庫的建立到運用過程中的不同環節和步驟，在已經確定業務對象問題方面提供相應的數據分析和監測功能。例如：對于10千瓦配網停運的監測，應手動導入數據，并對各級電力企業10千伏線路的停運狀況進行匯總、統計、分析。對于電力企業配網運行的監測，可以從數據庫和數據中心匯總定期抽取ERP數據，并及時對這些數據進行處理和加工，同時，利用Tableau等可視化工具實現對重過載、低電壓、三相不平衡事件的全面的監測。

2.4在電力系統故障診斷中的應用

在進行電力系統故障診斷時，可以通過系統保護裝置所提供的故障信息尋找故障源、故障類型以及誤動作裝置，其中如何準確識別故障元件是問題的關鍵。基于事件排列順序的故障診斷模型對于高壓輸電線的故障診斷領域特別適用，由于發生問題事件的序列在時間和空間上具有一定的關聯性，因此，使用動態規劃算法，可對各事件之間的相關性進行深度挖掘，并將診斷出來的問題進行轉化，形成最接近于故障事件序列的發生模式，并以低代價的運算行為，產生標準的故障序列模式，從而對錯誤或不符合事件的序列模式進行糾錯，以提高故障診斷系統的容錯性。同時建立綜合故障知識庫，用于電網故障診斷，例如運用大數據挖掘技術對變壓器油中的不同氣體成分開展聚類分析，以實現了變壓器油中的各類氣體中的成分含量變化與設備故障的關聯性，為診斷故障問題提供相應的依據。

3結束語

綜上所述，經濟的發展、時代的進步、人們生活水平的提升、大數據時代的到來為電力企業的發展帶來了新的挑戰和機遇。信息技術的高速發展、網絡技術的迅速普及，數據挖掘技術的高度發展都為電力運營監測帶來了全新的挑戰，因此，電力企業必須在海量的數據中不斷優化和處理各種數據，通過分析數據挖掘過程中存在的各種問題，不斷完善數據挖掘技術，為促進電力企業電力運營監測的發展奠定基礎。

參考文獻：

[1]張選麗.電力運營監測工作中大數據挖掘平臺應用[J].科學與財富.2018（09）.

[2]李夢鳴.大數據挖掘平臺在電力運營監測工作的應用[J].科技創新與應用.2016（09）.

[3]單世哲，檀蘊慧，高云峰.淺析大數據挖掘平臺基礎上電力運營監測的應用[J].科技風.2016（10）.

（作者單位：國網龍巖供電公司）