電力運營監測工作中大數據挖掘平臺應用

張選麗

摘 要：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，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。

關鍵詞：數據挖掘；電力運行 ；應用分析

1.大數據挖掘概述

1.1 大數據挖掘平臺概念

大數據挖掘平臺是主要通過計算機技術系統收集大量數據，而通過人工系統所挖掘的數據，通常由于數量大會給電力運營監測工作者帶來極大的工作量，降低工作效率，并且所收集的數據質量上難以保證，可能空有其量。數據挖掘由現代計算機技術應運而生，它通過對每一項數據具體分析，在大數據流中尋找可能存在的規律，故而成為挖掘。近年來，大數據挖掘技術在信息產業界掀起了一片熱潮，主要因為擁有大量數據，能夠被充分運用，并且急需從這些數據中挖掘出有價值的信息。在人工智能領域，數據挖掘也通常被稱之為數據庫中的信息挖掘，經常被運用于市場分析、生產控制等等一些領域。與傳統的數據分析相比，大數據挖掘是在無明確假設前提下對數據信息進行挖掘和探索，以發現有價值的信息，因此，與傳統數據分析有著本質的區別。數據挖掘信息必須具備預知、有效、實用等特征。數據挖掘脫離人的常規思維，有的信息甚至背離人的思維直覺往往卻是更加有效中用，更具價值意義。

1.2 大數據挖掘平臺背景

當今社會信息技術發展迅速，企業競爭壓力逐漸增強，為進一步提升企業管理水平，通常需要對企業的整體運營情況進行數據分析，從而全方位的公正客觀的反應企業的經營情況以及發展狀況，逐漸提升企業的競爭能力水平。然而進行數據分析就一定要擁有足夠的數據作為支撐點，接下來，就大數據挖掘平臺技術在電力運營監測工作中的應用進行具體的分析論述。

1.3 大數據挖掘平臺發展現狀

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與企業運營中，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.大數據挖掘過程

2.1 數據收集

數據準備過程的優劣程度，對所挖掘數據的準確程度，挖掘過程的效率高否都是有很大的影響的。數據準備主要是需要收集整理大量數據，根據不同的要求將所收集的數據信息進行分類提取，并且檢查數據的完整程度，消除非主體數據，完成目標數據等等一系列準備活動。

2.2 數據挖掘

數據挖掘時，首先要選定所挖掘的數據，從大量的數據中反復多次的提煉出有效的數據信息。并且根據企業所需信息的要求對所挖掘數據進行詳細的剖析，從而將最終提煉出的精華――對企業有價值意義的數據信息，轉交給公司。

3.大數據挖掘技術的流程展現

3.1 大數據挖掘平臺運用

最近幾年，電力行業的大數據挖掘技術運用主要體現在一些比較專業的領域，但就應用效果來看并不是太明顯，挖掘成果主要集中體現在研究探索的初級階段，有些領域雖然也開始引入大數據挖掘的技術，但并未得到廣泛應用。大數據挖掘技術運用于工程造價、營銷支持、故障診斷等方面。

3.1.1 在工程造價方面的應用

工程造價電算化是未來社會發展的必然趨勢，因此，即將從事的工程造價工作人員將要求必須掌握專業知識能力，應用能力，利用已建工程的歷史資料，將大數據挖掘和人工系統進行有機結合，構建出工程造價所需模型，從而運用到電網工程造價的預測以及預算的審查中，這樣能夠降低人工排查的所帶來的主觀性與不全面性，從而提高工程造價的預測的準確性，促進工程造價工作發展。

3.1.2 在營銷支持方面的應用

以電銷的實際數據為基礎，從電量、電價以及線損等方面尋找相關聯的規律，并以此為依據進行數據挖掘，發現有價值的信息從而進行整合提煉。例如，將用電客戶用電信息利用大數據挖掘技術進行有規則的分類，從而進行客戶信用評價，以此減少或者避免客戶惡意欠費現象的存在。預先感知客戶用電異常狀況，防止不法分子偷盜竊電的行為。

3.1.3 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，對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。建立綜合故障知識庫，用于電網故障診斷中，不僅闡明了如何運用大數據挖掘技術對變壓器油中的不同氣體成分的聚類分析，而且實現了在不知曉的情況下，如何得出變壓器油中的各類不同氣體中的成分含量與發生故障問題的相關性，為診斷故障問題提供相應的依據。

3.2 大數據挖掘平臺功能

大數據挖掘技術運用中，需要遵循一定的運營步驟，首先要明確并深入掌握業務對象，依據大數據挖掘平臺，對全部業務對象進行詳細的分析處理，提高數據的分析質量，為進一步的分析工作做好準備；其次，針對前期數據分析，建立相應的數據模型，進行數據轉化方面的分析處理，不斷挖掘技術方法進行完善，確保數據分析工作順利運行；最后，對大數據挖掘技術所得分析結果進行正確評估，并結合大數據挖掘的知識理念，分析結果的可靠性，逐漸完善每一步結構。

3.2.1 自動預測趨勢和行為

數據挖掘自發主動的在大數據庫內發現預測行的數據信息，之前通常需要通過大量的人工分析問題，到現在可以快速通過數據本身得出所需要的有價值的信息。例如，市場預測問題，數據挖掘通過市場曾經的相關促銷數據來探尋未來投資中利益最大的客戶，其他預測問題有預報企業破產等等可能發生的情況。

3.2.2 關聯分析

數據相關性是大量數據中所存在的一項極其重要的能夠被發現的信息。假設兩個變量或以上的變量的取值間存在某種特定的規律，那么即關聯。關聯分簡單、時序、因果，其目的是從數據庫中發現隱藏的關聯網。將通過關聯分析所得到的結果即省公司與各地市公司的每個月的運營具體情況報告分析以及專題的分析報告，及時分析報告以及相關的資料信息傳至服務器，以供企業參考分析。

3.2.3 偏差監測

數據庫中的一些數據往往會出現一部分的異常記錄，檢測這些異常數據很有必要，偏差包括違反常規思維的事例以及違反規則的特殊案例，因時間變化量值隨之變化等等一些問題。這些只能通過比照觀察結果和參照值之間的差別，對偏差檢測有意義的區別去解決。

4.結束語

隨著社會經濟科技的發展，信息技術也在飛速發展，而大數據挖掘技術既面臨機遇也備受挑戰，因此為使大數據挖掘平臺技術能夠把握機遇更好的服務社會，必須對數據挖掘技術進行改良創新，不斷解決數據挖掘過程中可能出現的問題，提高其運用手段。

參考文獻：

[1]龐佩璐.數據挖掘技術在電網運營監控平臺建設中的應用分析[J].自然科學：文摘版，2016（7）：00085.

[2]許海清，黃敏.淺談電力大數據對信息運行的影響[J].江蘇電機工程，2015，34（2）：62-64.

[3]盧建昌，樊圍國.大數據時代下數據挖掘技術在電力企業中的應用[J].廣東電力，2014（9）：88-94.