摘要：在电力调度自动化系统中应用数据挖掘技术，可以提高电力数据收集与整理的科学性与严谨性，其重要性可见一斑。本文针对电力调度自动化系统，对数据挖掘技术的应用进行了分析与研究，以供参考。
关键词：电力调度自动化；数据挖掘；数据收集与整理
当前，企业生产中已经普及了自动化运行技术，而在具体的现代化信息网络数据加工层面，数据挖掘技术的应用可以优化数据采集与处理的质量，从而强化数据在传输和存储过程中的控制质量与管理效率。数据挖掘技术可以借助高级功能的计算合理利用数据资源，并实施数据挖掘，从大量而复杂的数据中找到所需要的数据，从而促进供电企业的生产水平，促使其获取更多的经济效益。
一、数据挖掘技术概述
1.1数据挖掘技术的概念
数据挖掘技术指的是借助各种有效的工具并采取有效措施，在海量的数据库中，获取数据与模型之间的关系，并对两者之间的关系进行分析，从而为企业的决策提供必要的参考与依据。而随着信息挖掘技术的迅速发展，其种类也开始繁杂起来，如图1，现如今应用最为广泛的信息挖掘技术包括发现驱动型与验证驱动型两类。发现驱动型指的是借助机器的学习发现新的假设，而验证驱动型就是用户来验证或者否定自己假设的一种方法。
图1 信息挖掘技术分类
1.2数据挖掘的流程
1.2.1确定业务对象
开展数据挖掘的首要任务是对业务问题进行清晰定义，确定数据挖掘的目的，从而有计划性地进行探索，如此才能保证数据挖掘有效性的实现。
1.2.2数据准备
首先进行数据选择，搜索与业务对象相关的数据对象，从中选择合适的数据，其次需要对数据进行预处理，为进一步深入分析提供准备基础，最后需要实施数据转换，将数据信息转化成一个分析模型，为数据挖掘打下良好的基础。
1.2.3数据挖掘与分析
如图2所示的是数据挖掘技术的主要过程。主要步骤包括对业务对象的确定和数据准备：对于业务对象的确定来说，数据挖掘工作需要按照原定计划进行高效探索，以确保数据挖掘的有效性。在进行数据挖掘工作的过程中，其基础工作是清楚明确业务问题，并始终依照数据挖掘工作的目的进行探索。数据准备阶段主要把包括三个步骤。第一是数据的选择。搜索所有与业务对象相关的数据信息，并从中选择适合应用数据挖掘的数据；第二是数据预处理步骤。该环节需要对选出来的数据进行质量研究，同时为后续的数据分析工作提供准备工作，将数据挖掘的具体技术类型进行确定；第三是数据转换，该步骤是将数据转换成一个针对于挖掘算法的分析模型。
二、电力调度系统介绍
电力调度自动化系统是保证电网系统安全性及电力系统可靠性的有效机制。电力调度自行化系统可以在运行过程中，可以将电力系统的数据信息、控制手段与决策工具清晰地反映出来。具体来说，电力调度自动化系统就是借助互联网、通信等先进手段集成设备参数、实时数据及电网结构数据的一种运行方式。电力调度自动化系统的主要组成部分包括前置机、主备用服务器、Web服务器、卫星钟、串口服务器、物理隔离网关与RTU。
三、数据挖掘技术在电力调度自动化系统中的应用优势
近年来，电力调度自动化系统采集并整合了大量的电网信息数据，然而庞大的数据种类与数据量为数据的分析、管理与应用造成了较为明显的困难，要想实现数据的准确化、迅速化搜索与管理，就需要对数据挖掘技术进行充分的应用。
数据挖掘技术的应用可以满足电力调度自动化以下几项需求：（1）应用数据挖掘技术可以大大减少手工操作的工作量，实现从分散的自调度自动化系统中数据信息提取的自动化与精准化；（2）数据挖掘技术的应用可以确保管理层实时、直接掌握准确的信息，降低了数据信息传输过程中的出错率；（3）数据挖掘技术的应用可以实现工作人员对信息数据进行定性与定量的掌握，从而促进预测与管理工作效率的有效提高；（4）数据挖掘技术可以辅助电网报告的分析与制订，提高工作效率；（5）应用数据挖掘技术对数据进行随时性查询，保证工作的顺利开展与进行；（6）数据挖掘技术可以及时为管理层的信息沟通与决策提供必要的数据参考，从而实现资源的最优化配置。
四、数据挖掘技术在电力调度自动化系统中的具体应用
4.1神经网络法
作为大部分专家系统的基础方法，神经网络法以大型计算机和云计算为核心要素，从而为电力数据进行全面的挖掘的准确的分析。本质上来看，神经网络法是一种人工智能方法，可以联动地分析多个数列，并对数列关系及相互作用方式进行清晰的表达，有助于数据之间逻辑性的开发。神经网络法是从图论的基础上形成发展起来的方法，该方法主要依靠计算机设备的计算能力，从而对离散数据进行逻辑处理。在对数据进行过前期聚类和关系比较之后，可以用计算机设备学习数据关系，从而将数据中的相似片段搜索出来，实现数据的概念化，形成不同的数据符号，由此作为查找数据隐含关系的基础与参考。
4.2灰色分析法
灰色分析法应用最广泛的用途在于分析时间线上的关联数据。以数学方法为基础，将数据中的白色部分作为基准依据，从而搜索其中的黑色关联性，为数据灰色化的实现提供保障。在电力数据预测分析方面，灰色分析法的应用可以对牛鞭效应的扰动进行有效的整合，使得数据的所有外部影响整合成一个统一的ξi关联系数：
作为数据挖掘技术的基础类方法，聚类分析法可以对数据变量进行准确的记录与分类，并且将分析过程与结果直观、简洁的反应出来。
结论：作为智能电网系统的测试系统，电力调度自动化对于电力系统建设具有不可替代的作用。信息挖掘技术在电力系统中的应用有效地解决了数据收集与整理困难的问题，而在电力调度自动化系统中应用信息挖掘技术，可以进一步促进智能电网的快速发展，同时为电力系统建设水平的提高打下坚实的基础。
参考文献：
[1]陈少怀,陈璇.试论电力调度自动化系统中一体化技术的应用[J].电子世界,2016,(24):166.
[2]邓景柱.试论电力调度自动化系统中一体化技术的应用[J].中小企业管理与科技(中旬刊),2016,(02):224.
[3]许林生.基于数据挖掘的电力调度管理系统设计与实现[D].电子科技大学,2013.
论文作者:张同伟
论文发表刊物:《电力设备》2017年第5期
论文发表时间:2017/5/27
标签：数据论文; 数据挖掘论文; 技术论文; 电力论文; 自动化系统论文; 信息论文; 电网论文; 《电力设备》2017年第5期论文;