數據挖掘技術在電力企業大數據的應用

孫常鵬 戴斐斐 張耀心 季忠

摘要：新世紀下，電力企業在日常經營管理中，每天都會產生大量的數據信息，如輸變電設備管理、運行、檢修、電網維護等方面的數據。面臨如此紛繁復雜的多維大數據集，電力企業常常很難迅速找到需要的有效信息。所以，應積極引進數據挖掘專業技術，來從這些海量的數據集當中，便捷地提取要用到的資料，并加以分析和處理。基于此，本文從電力企業出發，主要探討了數據挖掘專業技術在大數據方面的應用，僅供參考。

關鍵詞：大數據;電力企業;數據挖掘

中圖分類號：TP311.13 文獻標識碼：A 文章編號：1007-9416（2020）09-0051-03

在大數據時代下，電力企業獲得了長足的發展，其中大數據起到的作用也越來越重要[1]。從電力企業角度來看，通過數據挖掘專業技術可以從各種電力大數據中，及時挖掘得到利用價值高的數據信息，不以此為基礎來提供給電力企業重要的決策、規劃、發展參考依據。

1 數據挖掘概述

1.1 基本流程

（1）商業分析理解。立足商業角度，從商業基礎目標著手，全面了解電力業務訴求及其終極目標，再有機結合業務訴求和電力數據挖掘和其結果。（2）數據分析理解。針對電力業務當中形成的真實數據，根據業務場景和訴求，統一評估、選取分析。（3）準備好數據。針對電力業務中，原始的有用數據，根據業務模型，積極組織、清洗，以滿足建模方面的要求。（4）規范建模。通過聯合諸多種建模技術，來規范校準電力業務數據及建模參數。具體任務是創建數據模型、規則化關聯數據、分類聚類和預測、檢測異常性等。（5）過程評估。嚴格檢測挖掘的數據結果和電力業務目標之間的吻合性，確定數據模型能不能滿足電力業務訴求需要。（6）統一部署。通過統一部署數據模型，以挖掘結果為依據，形成一份專業化的報告。

1.2 常用方法

（1）異常分析法。通過異常分析法，旨在稽查電力防盜使用。在國家電力系統，非正常運用電力，常常會產生異常或孤點數據[2]。其中異常數據指的是非正常操作下的電力數據，而孤點數據則指的是與正常電力偏離較遠的點。在稽查過程當中，電力企業及偵查機關可統一收集分析用戶的電力數據，研究數據的異常情況。這么一來，便能從眾多用戶當中，大幅縮小調查分析范圍，及時監控違法行為，令電力使用更加合理合法。（2）關聯分析法。在數學、經濟等領域的數據分析中，關聯分析法屬于一種常用的簡單方法。從電力企業上看，通過關聯分析法旨在分析兩個或以上事物之間的關系。然后，利用其他事物來預測其中某事物，進而深挖在事物間隱藏存在的數據聯系，得到要用的數據信息。（3）時間序列法。作為動態分析法之一，時間序列法主要通過時間數列、統計等，來處理分析數據。從電力企業來看，通過時間序列法可以統計分析電力的整體使用趨勢、變動情況、無序或循環波動等，從而獲得要用的數據信息。（4）聚類分析法。通過聚類分析法，旨在分析數據的基本性質及特征，歸類性質相近的事物，而性質差異明顯的就歸入別的種類之中。不同于判別分析的是，這種方法會先按既有事物性質，通過一定的函數法，來判斷性質未知的事物，并在性質已知的事物里加以歸入。在應用聚類分析法時，往往并不知曉分析對象的具體類別，來分類處理數據信息。（5）分類分析法。分類分析法主要用于分類有關信息，通過分類模型，一般會分析分類集中得到的某些數據，而獲得其他的數據，如離散變量預測分類、連續變量預測回歸等。

2 電力企業內部的大數據現狀

2.1 結構化與半結構化信息數據

在信息時代下，互聯網應用具有大幅增長非結構化數據、半結構化數據的特征。據有關統計可知，以上數據已占據超過75%的數據總量。而數據的網絡化又迫使這類數據普遍存在復雜關系。此外，這些數據的形式就是數據流，價值化體現和時間之間具有顯著相關性，且價值會稍縱即逝。雖然當前的計算機智能化進步明顯，但是僅僅可以分析有結構數據或者類結構數據，所以缺失深層次挖掘數據的效果。

2.2 收集數據

在大數據時代下，電力數據除了涵蓋歷史內部數據外，還涉及互聯網、信息部門的數據。在收集信息時，應附上必要的時空標志，如果有必要還應剔除其中的無效數據。此外，還要盡量收集數據來源各異、結構化水平不一樣的數據，并盡量對照企業歷史數據，以方便驗證數據的真實可靠度，所以存在一定的難度。

2.3 數據關系

通過觀測大量的數據，盡管能夠映射出復雜多變的網絡，但是這些數據一般孤立存在，不免會映射出片面的數據網絡。所以，應有效集成數據，形成一個統一的數據網絡。例如，在發電企業中，如果只考慮發電量，則只能得到發電量方面的數據。但發電數據又關乎電壓、線損、用電等方面的數據。通過一定的分析法，確定數據之間的關系及復雜網絡的聯系，是發電企業必須面臨的挑戰。此外，發供電企業當前缺少統一的信息化系統，所以電力生產、銷售等方面的數據往往相互獨立存在。為了打破信息孤島現狀，就應融合多方面數據，如發輸電、變配用電等的數據。

3 在電力企業大數據的數據挖掘技術應用

3.1 從數據源頭上收集大數據

借助現代化設備和技術，如移動設備、自動記錄技術、射頻識別無線專業技術、互聯網等，電力企業將自身的事務型數據與具有決策性作用的外部性質數據，存儲到了數據來源層。而為了獲得更典型的數據，電力企業還應試著從各種數據源頭，收集大數據，以準備好后續數據挖掘的事宜。

3.2 在數據管理上的應用

在數據倉庫中，常常會存儲通過整理、轉化過來的電力數據。因為電力數據庫不同時，儲存標準也會不一樣，所以應做好整合轉化后，方才可在數據倉庫中儲存，也即應重新設計數據倉庫[3]。數據倉庫被重新設計后，便能夠按主題要求，設計相應的屬性集，以降低處理量。就主題各異的數據庫，可通過屬性歸約法，技術刪除冗余信息，獲得簡化后的數據集。再分類規則表示決策樹下的數據集，并在規則知識庫儲存下來。倘若有必要處理新數據樣本，還應按某種規則算法了深入匹配識別，得到綜合評價，從而管理好數據。

3.3 在數據整理上的應用

在整理數據時，數據源內部一般會交叉數據內容，因此應根據互動性，來分類整理觀測數據。針對原始數據當中存在的噪聲、冗余或者缺失的數據等，還應清洗、解析、重構這些數據，并且適當填補數據，以增大待挖掘數據的價值。通過分類后，主要涉及結構化、半結構化數據、非結構化信息。針對結構化數據，應適當過濾數據，及時剔除無效成分，以更加高效地分析;針對半結構化數據、非結構化數據，就應根據一定的標準，妥善加以處理，形成索引或機器語言。譬如，針對用戶評論、系統運行資料等，就先應轉換成為模糊或者加權邏輯，再向標準值，映射不一樣的詞語，來統一規范語言。

3.4 在數據分析上的應用

通過處理后的數據，可利用聯機處理專業技術，來支持決策過程，進而轉化數據信息，形成可輔助決策的有用信息。因為電力企業往往要求數據具有較高的實時性，所以針對電力數據，應注意分類處理，形成實時性與非實時性這兩種數據。就非實時性類型的數據，可利用分布式系統、MapReduce云計算來有效加以處理，或通過Hadoop云計算平臺，來有效處理數據。針對諸如電力負荷等實時性數據，電力企業可考慮借助內存計算專業技術，來經由內存運行計算所有數據，以加快計算進程;又或可以考慮在云平臺前，統一設置前置機，以接收實時性數據。

3.5 可視化電力企業目標

在電力企業，通過營銷決策體系，借助可視化數據設計，可以通過圖形來顯示數據中存在的復雜信息，進而可視化數據挖掘得來的成果，并且在電力企業規劃設計后續發展時加以靈活運用。通過可視化挖掘深度的數據，可迫使員工充分認知電力企業后續的發展趨勢、準確評價決策的正確性。最終結果與實際的符合程度，是挖掘系統成功與否的決定因素。

4 應用前景展望

4.1 個性化營銷

從大量的數據信息中，借助數據挖掘專業技術，準確提取用戶的基礎屬性、行為規則，再繪制出用戶畫像。基于此，電力企業便能夠劃分好消費群體，并從各種消費群體的基礎特性出發，給予個性化的營銷服務。另外，通過用戶畫像，還能幫助使電力企業全方位地了解關鍵性用戶的日常行為規則、用電習慣等，從而為這些重要用戶制定服務方略提供必要的依據，以提升服務于關鍵性用戶的質量水平。

4.2 客戶關系維護

伴隨電力行業的飛快發展，電力企業也逐步以服務質量成為市場競爭的核心。眾所周知，各用戶日常的用電習慣、需求等往往不盡一樣。所以，電力企業面臨海量的電力用戶，應注意緊抓用戶需求特點，提供更優質的服務，才能贏得更好地發展。借助數據挖掘專業技術，管理客戶、用電、檢修等方面的信息，能夠在同類別中，納入用電需求一樣的用戶。再基于此，向這些類別一樣的用戶，定制有針對性的服務，再投放必要的廣告，令客戶更加滿意、忠誠。

4.3 智能化電網

智能指的是可以深入分析材料、數據，得到系統、全面的理論知識，來妥善處理特定的問題，進而踐行商業戰略方面的目標。電力行業的智能，指的就是進一步合理化發電、供電、用電的結構系統、深入優化運行程序、增強綜合功效等，而形成的一個智慧系統，也就是智能電網。通過同步傳輸數據、能源，智能電網深度融合能源和信息專業技術后，現已逐步形成一個能源、數據下的可靠、友好、環保型的能源分析管理網絡。在融合大數據和國家電網的過程中，往往囊括自發電一直至用戶的能源轉換全程及輸送電力的整個鏈條。伴隨智能電網的飛快進步，通信和信息專業技術也越來越快地融合電網生產、管理與經營。這個信息通信體系現已變成智能電網當中的“中樞神經”，并且支撐著電網生產、經營、管理向前不斷發展。在大力行業，整體結構越科學，內部越少摩擦，相應的系統功效也就越大，智慧水平也就越高。當人們和數據進行互動時，就會更便捷地分析匯總，更好地大力支持決策。在新世紀下，我國電網企業現已初步搭建起國際領先、一流水平的集成信息平臺。在普及智能電表后，國家電網也從時效性上，深入豐富、拓展了業務數據。基于廣泛覆蓋的家庭、企業的數據，在網絡上的深度挖掘，可深化智能用電控制管理，為用戶提供實時的用電數據信息、在線共享能耗信息，達到高效循環使用能源的目標，從而有效促進節能減排。所以，智能電網的進一步發展，有助于數據挖掘專業技術推廣應用到電力行業。

4.4 創建信息系統

數據資料處理方面，計算機、網絡等技術往往更加便捷、高效。所以，為了跟上時代發展的趨勢，電力企業也都積極創建信息系統，來統計、分析內外部系統數據，來進一步簡化統計用戶資料的操作。同時，針對現代化的電力企業，還要注意及時摒棄“圍繞產品”的落后管理模式，逐步面向“社會-網民-電力單位”，創新實施“圍繞服務”展開的新型“企業網絡結構系統”下的管理模式。所以，部分電力企業紛紛開展了新型服務，如網上辦電、咨詢業務等，并分析、利用了其中產生的信息，而且獲益匪淺。在供電企業中，倘若應用這個模型，便能在自組織實時動態監測下，形成一個科學的監測模型，以有效預警、及時妥善處理高峰用電期的問題。在電力企業逐步完善信息系統中，借助數據挖掘專業技術定能達到事半功倍的目標。

4.5 能源消耗降低

當電力企業提取用戶信息、準確預測負荷、維護管理數據庫時，常常需要連續不斷地擴大數據中心的實際存儲規模。所以，在大數據時代下，高能源消耗、高投入現已逐步變成制約進一步展開數據挖掘的關鍵性瓶頸之一。據有關能耗問題的報道，從Google上看，數據中心的電量消耗3MW左右/年。但其中僅僅科學、合理地利用了6%～12%。從國內電力企業上看，大部分電能服務器其實常常位處閑置態，主要用于處理負荷高峰等方面的情況。所以，作為現代化的電力企業，需要從大量引進低功耗新型硬件、綠色可再生能源，來統一創建一個數據庫等，得以有效緩解當前嚴重的能耗。在時間序列基礎下，預測相似性電價等時，積極再利用節約得到的能源，進而從新的渠道上，另辟數據挖掘途徑。

5 結語

總之，通過應用數據挖掘專業技術來處理電力大數據信息，發揮出了越來越顯著的作用。所以，作為電力企業，應積極分析自身的大數據現狀，靈活運用數據挖掘專業技術，來大幅提升服務質量、贏得可持續發展。

參考文獻

[1] 肖明.大數據時代下數據挖掘技術在企業中的應用[J].中國管理信息化，2015，18（2）：58.

[2] 許凡，孫勤紅.大數據時代的數據挖掘技術探討[J].電子技術與軟件工程，2015（16）：208.

[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.