摘要：近些年来，我国电力行业发展迅速，业务量也越来越大，增加了运营难度。目前我国电网运营问题得以解决的根本就在于电网运营监控平台的建设。基于此，在电网运营监控平台建设研究中引入了数据挖掘技术，首先概述了数据挖掘技术，其次从系统架构、分析主题设计、数据仓库及数据挖掘模型确定、监控展示形式设计等方面，对电网运营监控平台的建设展开了系列探讨。
关键词：数据挖掘技术；电网运营平台；应用
1.数据挖掘技术分析
1.1大数据挖掘平台的背景
在信息时代的激烈竞争中，作为供电企业，为了提高企业的管理水平，需要通过对公司的运营情况进行分析，全面客观的反映公司整体发展水平，不断提高企业的竞争能力。而进行分析，必须需要大量的数据作为技术支撑，下面，笔者就大数据挖掘平台技术对电力运营监测工作的应用进行探讨。
1.2大数据挖掘平台的现状
大数挖掘平台主要是利用平台系统与供电企业生产、经营、财务、物资、可视化个性展示、ERP、统一视频监控等多个系统中取数，通过接口接入海量数据平台中时行存储历史数据，及时收集当前的数据。任务是对数据（供电量、售电量、售电均价、线损率、电费收入以及其它的各项数据指标）分类以及对信息的预处理数据预测进行分析，可以进行数据的穿透查询，其中信息预处理是以由两个（监测和分析）或者两个以上的变量值进行分析，得出两者之间存在的规律，称之为信息预处理。数据预处理有简单处理和复杂处理，目的是对数据库中的隐藏知识进行研究分析，结合相关重要的参数使得挖掘出的数据更符合应用的要求。数据的预测是结合历史的数据总结出数据的规律，对同一类型的数据进行比较，可以运用数据的预测方式使得挖掘技术更好的展现。
1.3大数据挖掘平台的概念
大数据挖掘平台是利用计算机软件应用技术大量收集数据，而人工系统的挖掘数量往往会给企业工作人员造成工作量，工作效率不高，而且不能确保数据的质量。数据挖掘是通过分析每个数据，从大量数据中寻找其规律的技术。近年来，数据挖掘技术引起了信息产业界的广泛关注，其主要原因在于存在大量数据，可以被广泛使用，且迫切需要将这些数据转换成有用的信息和知识。在人工智能领域，数据挖掘也习惯上被称之为数据库中的知识发现，一般应用于商务管理、生产控制、市场分析、工程设计和科学探索等领域。
数据挖掘与传统的数据分析（如查询、报表、联机应用分析）的本质区别是数据挖掘是在没有明确假设前提下去挖掘信息、发现知识。数据挖掘所得到的信息应该具有先前未知、有效和可实用三个特征。数据挖掘发现的那些不能靠直觉发现、甚至是违背直觉的信息和知识，挖掘出的信息越是出人意料，就越有可能具有价值。
2.数据挖掘技术在电网运营监控平台建设的应用
2.1系统架构
电网运营监控平台中的数据需要经由自下而上的处理过程，具体来讲，企业数据通过数据通道向数据中心涌入，再由数据中心对这些数据进行处理和挖掘，之后在终端设备上显示出最终结果。这个处理过程一般可以分为三个层次：数据源、数据仓库、数据表现部分，这三者相互依赖，相互支持，数据源主要是处理企业的全部应用数据；根据不同的数据业务主题，数据仓库对这些源数据进行汇总，同时需要设计DW/DM以及ODS；而数据表现部分就是将最终结果显示出来，也就是需要对可视化大屏及桌面终端进行设计。
2.2主题分析设计
一般来讲，企业数据仓库中存储的所有数据的设计都是以主题为基础的，从某种意义上来看，构建数据库的过程实际上就是确定主题及构建逻辑模型的过程。数据挖掘涉及到的任何一个分析域，都有相应的主题来与之匹配，因此，数据库构建的首要内容便是主题的确立，在此基础上，对主题内容进行细化，得到各个子主题。
期刊文章分类查询,尽在期刊图书馆主题域的确定需要用户、设计部门及业务部门的共同参与，而且每个子主题都需要对应与之相符的记录实际业务数据的事实表，事实表不仅仅是数据仓库实际操作的客体，同时也是数据仓库的基本构成要素。通常情况下，在电网运营监控平台的事实表中会体现出原始数据以及统计所得数据这两类实际业务数据，这些数据在维表的连接作用下形成多维数据集，而且多维数据集中的统计数据已经完成了初步的处理，因而能够产生更大的使用价值。
2.3数据仓库
电网运营监控平台数据仓库的组成部分主要包括DW/DM以及ODS，其中DW/DM的设计基础在于多维数据库，其数据模型的创建往往依赖于维度建模，而且其模型主要有两种架构形式：一种是星型架构，处于该架构中间位置的是事实表，而分布在事实表四周的是维度表；另一种是雪花型架构，这种架构主要是在星型架构形式的基础之上，增添了一些较为详细的类别表，相对来说结构变得更加复杂，但是却展示出了更加清晰明朗的层次结构。而ODS的设计基础在于业务逻辑，通常情况下ODS的设计会利用E-R模型来反映其操作流程，在ODS中，数据描述是以业务对象为基础的，主要涉及到主数据以及事物数据。
2.4设计监控展现
一般来讲，数据展现形式多种多样，比如条形图、折线图、饼图、柱状图、雷达图、蜂窝图、仪表盘、二维表、维恩图、柱线符合图以及散点图等。根据展现目的及内容，可以对数据展现形式进行恰当的选择，比如在展示数据交叉关系时，维恩图比较适用；在展示工作量数据时，柱状图比较适用；在展示数据趋势时，折线图比较适用；在展示构成比例时，饼状图比较适用等等。
3.大数据挖掘平台的功能
3.1监测功能
10千伏配网停运，手动导入Excel数据，对各地市公司10千伏线路停运情况进行汇总统计；项目预算执行情况，手动导入Excel数据，将项目预算执行情况按照专业和实施单位两个维度分别进行统计；物资供应链，从数据中心定时抽取ERP数据并进行加工处理，使用Tableau工具对物资供应链全过程进行全面监测；配网运行，从数据中心定时抽取ERP数据并进行加工处理，使用Tableau工具对低电压、重过载和三相不平衡事件进行全面监测。
3.2运营可视化功能
将Tableau报告布局根据各地市大屏合适尺寸进行调整和展示。
3.3分析功能
主要功能有统计数据和成果共享两大模块。（1）统计数据：将综合计划执行情况报表、供电单位经营指标完成情况表和生产报表中部分数据填入月报模板，导入到数据库，在页面上根据不同指标生成各类图表。（2）成果共享：将省公司和地市公司每月的运营情况分析报告、专题分析报告、即时分析报告以及资料上传到服务器，供大家交流和参考。
结束语
随着信息的高速发展，数据挖掘技术在高速的社会发展下面临着诸多挑战，需要对数据挖掘技术必须作出优化处理措施，维护数据挖掘中的各种问题，完善数据挖掘技术的运用手段，使数据挖掘能够长久地在未来时代中持续发展。
参考文献：
[1]黄拓.数据挖掘技术在电网运营监控平台建设中的应用[J].科技展望，2015（28）：87-91.
[2]朱六璋，袁林，黄太贵.短期负荷预测的实用数据挖掘模型[J].电力系统自动化，2004，28（3）：49-52.
[3]赵冬梅，韩月，高曙.电网故障诊断的决策表约简新算法[J].电力系统自动化，2004，28（4）：63-66.
[4]李永明，王玉斌，王颖，等.数据挖掘和神经网络技术的电力工程造价应用[J].重庆大学学报，2008（6）
[5]夏绪卫．大数据时代下数据挖掘技术在力中的应用分析lJ1．通讯世界．20l6(07)．
论文作者:郑雷雷
论文发表刊物:《电力设备》2018年第14期
论文发表时间:2018/8/22
标签：数据论文; 数据挖掘论文; 平台论文; 电网论文; 技术论文; 主题论文; 架构论文; 《电力设备》2018年第14期论文;