數據挖掘在電力企業中的應用

左 濤

（國家能源集團廣東電力有限公司，廣東 廣州 510000）

近幾年來，電力企業的電力系統在實際運行中產生許多數據，包括運營管理、電網設備、運行檢修等，如何利用已有技術充分對復雜繁多的數據進行挖掘，發現數據中存在的實際價值，從而實現降低企業運營成本，提高企業經濟效益和管理水平的基本目標。這也是現階段電力企業在發展過程中，亟需重點解決的問題，在互聯網信息技術不斷發展的背景下，電力企業需要在各項設備運行中有效地應用數據挖掘技術，將數據挖掘存在的價值充分地發揮，這也是企業發展的重點內容。

1 數據挖掘技術

1.1 數據挖掘技術概述

數據挖掘技術最早出現于20世紀80年代后期，是在數據庫、人工智能、數據整理、數據統計以及數據可視化等基礎上發展的全新交叉學科，因此數據挖掘技術中含有多種不同專業的理論知識和專業技術。數據挖掘技術主要是利用機器學習的方法，從數據庫中尋找和發現全新的知識，以此來作為解決實際問題的重要依據，預測未來數據發展趨勢，為決策問題提供更有力的保障和依據[1]。

1.2 數據庫和數據挖掘技術

傳統數據庫技術實現對數據的收集和管理工作，基本實現數據的一致性和準確性等相關要求。數據庫系統可以實現對數據的記錄、查詢以及統計等相關功能，但是無法實現數據中的關系和規則，無法根據現有的數據資料對未來發展趨勢進行預測，缺少數據挖掘的手段。數據挖掘就是對傳統的數據庫技術進行創新和完善，對現實中存在的數據內容進行識別，更加具有有效性、新穎性，形成對前存的數據進行處理的全新模式。數據挖掘技術讓數據庫技術進入全新的發展階段，不僅能對歷史數據進行查詢，還能找出歷史數據之間存在的鏈接，從數據中發現模式，從而找到內在未知的技術內容，讓數據真正實現與物質、能源相媲美的資源形式[2]。

1.3 數據挖掘技術的工作流程

數據挖掘的基本原則是為計算配置數據結構，處理數據并發現數據結果，將處理的數據結果以可以理解的方式進行提交。數據挖掘技術在工作的過程中，經常會分為數據準備階段、數據發掘階段以及解釋評價階段，其中數據準備階段中可以實現對數據的篩選、變換和處理，數據發掘階段主要是根據任務自身的特點，建立對應的模型，選擇有效的計算方式對數據進行挖掘，而解釋評價階段可以對模式進行合理的解釋和評價，更好地幫助工作人員對數據信息進行解析。

1.4 數據挖掘的任務

關聯分析。關聯分析主要是顯示數據之間存在的關系，如果2個或者多個數據項目的取值重復出現并且概率較高的情況下，數據之間必定存在某種關聯，關聯分析的目的就是找出數據中隱藏的關系。在大型數據庫中，這種存在關聯的數據信息較多，一般會選擇支持度與可信度2個閾值來對數據關聯規則進行評價。

分類和預測。分類是數據挖掘技術中應用較為廣泛的技術類型，主要是找出描述并區分數據類型或者概念的模型，以此來確保模型預測類標記位置的數據分類。分類也可以對位置數據進行預測，這樣的功能也被稱為預測功能。盡管現階段預測對象可以是類標記或者數據值，但是通常預測范圍僅在數據值預測內，并且預測技術與分類技術有著明顯的區別。預測技術主要包括對可用數據分布趨勢的識別，對數據未來走向的評估[3]。

聚類。聚類可以將數據分成多個類別或者子集。與分類問題不同，在聚類分析中，類的數量是未知不可預測的，因此聚類通常分成3個步驟進行。首先發現合適的類，其次形成每個類的基本模型，最后對所有數據項目進行類聚。

演化分析。演化分析描述對象的行為隨時都會出現變化，變化也具有一定的規律和趨勢，因此需要建立相應的模型。演化分析包括與時間相關的序列數據分析，序列或者周期模型的匹配程度，在類似性的基礎上對數據進行分析。

偏差檢測。偏差檢測是聚類分析中的特例，數據庫中經常會出現一些異常的數據內容，大多數數據挖掘技術都會將這些異常數據進行丟棄，但是在一些特殊的情況下，從數據庫中檢測的偏差數據具有重要的意義。偏差檢測的基本方法就是對觀測結果進行尋找，與參照值之間進行差別對比。

1.5 數據挖掘的方法

機器學習方法主要包括范例和歸納學習2種方法，這也是數據挖掘技術中常見的方法之一。

統計方法主要包括回歸分析、判別分析、聚類分析和探索性分析4種，在回歸分析中主要有多元回歸、自動回歸等；判別分析包括貝葉斯判別、費歇爾判別、非參數判別等；聚類分析主要有系統、動態聚類等；探索分析包括主元分析、相關分析等。

數據庫方法包括多維度的數據分析或者在線的數據分析處理等，同時還有面向屬性的歸納方式等。

神經網絡方法有前向神經網絡和自動組織神經網絡等，需要根據挖掘數據的不同進行適當的選擇[4]。

在數據挖掘技術中，還包括遺傳算法、近似和不確定推力等方法，主要是根據數據庫中數據形態的不同進行選擇，以此來更好地保證數據挖掘的精準性和良好性。

2 數據挖掘在電力企業中應用的價值分析

數據挖掘技術的應用主要是源于商業價值的直接需要，因此數據挖掘技術在各行業中都有著較為廣泛的應用價值。本文根據電力行業特點來闡述數據挖掘技術在電力企業中應用的價值。

2.1 指導設備的更新

在電力設備更新的過程中，主要有2種方式，首先是電力設備意外損壞，針對這樣的情況需要及時進行更新，這種更新需要通過對電力設備進行實時監控，或者通過安裝監控系統的及時發現，然后對損壞設備進行維修或者更換。其次是對老化的電力設備進行更新，現階段主要是通過工作人員常年工作積累的經驗對電力設備老化情況進行判斷，比如提供使用年限來判定設備老化程度等[5]。但是憑借工作經驗對設備進行判斷也會存在一定的誤差問題，比如一些設備已經達到使用期限，但是設備的養護措施完善，依舊可以繼續進行使用，但是評價工作經驗認定設備需要進行更換，造成不必要的浪費，或者部分設備沒有達到使用年限，但是各種參數已經不能滿足使用要求，卻沒有得到及時更換，導致電力資源出現大量的損耗問題。數據挖掘技術的有效應用，能夠對經驗判斷方式存在的問題進行改善，通過數據挖掘將存在故障問題的設備進行確定，對設備故障檢修記錄、電力損耗情況以及各種參數進行分析，從而判定設備故障和老化的實際情況，電力企業將此作為基本的標準，最終決定設備是否需要進行更新。

2.2 對業績進行評估

在電力企業發展的過程中，集團公司對一個子公司的業績進行評價，一直以來都是集團企業業績總結中較為困難的問題。只針對利潤方面對子公司業績進行分析，受到地區影響的子公司，利潤也會有所變化。并且電力資源關系到國民的升級問題，安全與其余方面都比利潤更加重要，因此以利潤對子公司業績進行分析，較為片面，不能全面概括子公司發展的實際情況。數據挖掘技術能在最大程度上對子公司業績進行評價，綜合多方面的因素進行考慮，通過對利潤進行分析，將利潤增長概率與同行業進行比較等數據進行組合，從而對某一個地區內的子公司經營情況進行分析。同時，利用最為直觀的方式將分析結果進行展示，比如圖表，更加方便領導人員對子公司的業績進行最終評估。

2.3 對電力企業建設規劃進行指導

近幾年來，我國電力行業的發展較為緊張，電力企業電力供應情況不能很好地滿足社會對電力資源的基本需求，出現這樣的問題主要是因為電力企業沒有掌握好市場發展的基本趨勢，無論是電站建設，還是電網建設都沒有很好地跟隨時代發展的趨勢。而針對這樣的情況數據挖掘技術就能發揮出良好的作用，通過對新增用戶、現有用戶、用戶位置、用電情況以及國家建設規劃等方面的數據進行分析，能夠對電力企業未來的發展和建設提供指導，更好地保證電力企業供電的實際效果，在滿足市場基本需求的基礎上，更好地促進電力企業的穩定發展，在電廠和電網中安裝更大容量的電力設備等。

2.4 對電力生產和購買進行指導

自從我國提出電力企業改革的相關方案，為電力企業的改革與發展奠定更好的基礎，隨著電力企業改革的逐漸完善，許多全新的問題出現在電力企業發展的過程中。比如對電力設備的購買，傳統的電廠和電網都屬于一個集團企業，電網和電廠的實際發電效率都會進行上報[6]?？墒窃诟母镏?，電力的特殊性和供電的效率都是很復雜的情況。因此，數據挖掘技術能夠給電力企業的發展提供更多幫助，通過對數據進行挖掘，解決設備采購和電力生產的相關問題，同時也能對電力企業的生產規劃進行指導。

3 數據挖掘技術在電力企業中的應用

3.1 有效降低電力設備檢修的成本投入

電力設備的檢修工作主要分為日常檢修和故障檢修，日常檢修主要是檢修人員定期對電力設備進行檢查，及時發現設備存在的問題，不同檢修工作人員對設備檢修的效果存在偏差。故障檢修可以分為意外故障檢修和設備老化損失檢修，設備故障檢修可以通過監控系統及時對問題進行發現并快速處理；設備老化檢修主要還是依靠檢修人員的專業知識和設備使用年限來進行判斷，這樣的判斷也會存在失誤的情況，造成設備的浪費。通過使用檢測設備和數據挖掘診斷技術，對設備出現的故障進行分析，挖掘設備中存在的各項參數問題，然后及時發出警報提醒檢修技術人員對設備進行檢查，這樣才能夠及時發現設備存在的故障問題。針對故障問題的類型安排專業的檢修人員對設備進行檢修，從而有效降低設備檢修的成本投入，提升電力設備實際使用的效率、效果和質量。

3.2 為電網規劃和決策提供指導

電網設備的選址工作是電網規劃中最為重要的規劃內容，根據現階段國家電網建設計劃、地區城鄉發展規劃來對建設場地進行選擇，但是設備選址依舊存在不合理、不科學、重復建設及設備利用效率較低等問題。有效地使用數據挖掘技術，將國建電網建設規劃、污染、地形地質以及用戶信息進行全面整理和組合，針對不同地區的情況進行分析，不同時間段的國家建設規劃，需要根據地區發展規劃和電量使用情況進行劃分，從而更好地對設備運行情況進行分析，為電網規劃建設提供全面的參考信息[7]。

3.3 對電力調度、電力交易進行指導

電網調度的主要目的是對電網內部電力設備的基本能力進行充分挖掘，在滿足電網負荷要求的基礎上，確保電網設備安全穩定的運行，數據挖掘技術能對電網變壓器符合效率進行分析，這些數據資料都能為電網高峰調度提供數據參考和數據支持。電力交易的主要目的是減少電力企業的支出，提升電力企業的經濟效益。數據挖掘技術將電價信息、煤電聯動信息以及地區用電情況等數據進行組合，為電力交易提供決策，制定具有全面性和完善性的決策數據信息，為電力企業后續的發展奠定更加扎實的基礎，更好地促進電力企業的發展和進步，確保電力企業能夠符合市場發展的實際需求[8]。

4 結束語

隨著電網體制的不斷深化改革，在互聯網信息技術快速發展的背景下，數據挖掘技術有著更加良好的應用前景和發展潛力。將數據挖掘技術有效地應用在電力企業各項工作中，能充分挖掘信息中含有的更多價值和更好的數據信息，對電力資源進行優化配置，提升電力企業實際的競爭能力和經濟效益，進一步推動電力企業的長久穩定發展。