摘要：电力调度自动化系统对电力数据的收集和整理工作质量有着较高要求，而为了满足这一要求近年来数据挖掘技术日渐受到电力行业重视，电力调度自动化系统的使用，是对电力系统的数据和信息进行采集和监控的过程，是实现电力调度完全自动化的基础，而数据挖掘作为科技发展的新型技术，其对数据的采集和分析等，更加的专业化，文章针对大数据在电力调度中的应用研究，结合理论实践，在简要阐述大数据在电力调度中应用价值的基础上，分析了目前大数据在电力调度中应用存在的挑战，并提出具体的应用思路。
关键词：大数据；电力调度；应用
导言
在传统的电力调度方面，对数据的掌控仅限制于电力设备、电量等信息的管理，提供的只有简单的常规性信息以及检索等功能，对数据的分析和决策始终无法满足，因此一些比较复杂的电力管理和和决策都需要使用数据挖掘新型技术，因此，本文基于大数据在电力调度中的应用价值，对其电力调度中的具体应用做了如下分析。
1数据挖掘技术的含义
数据挖掘技术是未来一项非常重要的技术，是从大量数据中找出有特殊关联信息的一个过程，通过统计、分析、处理、检索、识别等方式得以实现，其中数据挖掘的实施一共有三个步骤，分别表现为：数据准备，将一些所需要的数据从相关数据中挑选出来，并进行整合；规律寻找，通过某种方法将挑选出来的数据中所含的规律找出；以及规律表示，则是将找出的规律通过简单能够理解的方式，展现给需要观看的客户或工作人员，以此提升工作的效率。另外，在对数据挖掘技术进行分析的同时发现，数据挖掘技术根据不同的领域其分类的方式也有所不同，大致分为两大类，分别为验证和发现两种驱动的数据发掘，验证驱动主要是针对之前提出的一些假设，通过各种手段方法对其进行验证的过程，在验证的过程中，会根据不同的情况选择不同的生成器，包括SQL和其生成器两种，其SQL生成器又可以分为查询以及在线分析处理两种工具；而发现驱动主要针对的是使用者通过学习、统计、整理等提出新的假设，并对新提出的假设进行推述和预测，在推述的过程中，进行信息的可视化、信息聚焦、对信息进行关联分析以及信息的统计四个环节；在预测的过程中，先将信息进行分类处理和统计回归的处理，在信息分类的处理中，需要将信息根据规则和神经元进行
2大数据在电力调度中应用价值
2.1提升运营管理水平
近年来，随着我国电力事业的快速发展，电力设备愈发复杂，大大增加了电力调度的难度，导致电力调度的复杂性和不确定性进一步加剧。电力调度是维持电力系统持续稳定运行关键，随着我国社会经济的发展，对电力供电的经济性、安全性、稳定性等方面提出了更高的要求。在智能电网中应用大数据和计算机系统，部署大量的AMI系统、PMS系统、调度自动化系统等，为电网持续稳定的供电提供了依据。借助大数据技术，可以实现对电力调度的实时数据和历史数据进行充分挖掘和分析，实现对全电网的全过程控制，很大程度上提高了电力调度的准确性和可靠性。
2.2提高用户服务水平
在新时期的智能电网中，电力用户系统已经不仅仅限制在电力的生产和管理中，同时也可以在某一特定的区域中实现电力能源交易。根据AMI数据的具体情况，结合用户特征数据和社会环境数据，可以对用户用电量和消防特征进行科学合理的分析，从而为电力调度的运行和规划提供参考依据，为用户提供更高质量的用电体验，提高用户满意度。
2.3提供政府决策支持
现如今，我国电力改革如火如荼，政府也出台了一系列文件规范，而这些政策和规范能否对建立智能化和自动化电力调度提供帮助，是各行各业所关注的主要课题。电力运行的质量和当地社会经济的发展、人们生活的稳定性有重要影响。
期刊文章分类查询,尽在期刊图书馆通过大数据技术可以实现对用户用电数据和新能源数据等信息进行综合分析，从而为电力调度提供数据支持。
3大数据在电力调度中的应用
3.1神经网络
作为应用较为广泛的一种人工智能研究方法，神经网络早已在我国实现了较为广泛的应用，电力调度自动化系统的数据挖掘也是其应用的重要领域，由于数据自行处理、数据分布存储、高度容错性是神经网络的应用优势所在，这就使得神经网络较为适用于模糊、不完整、不准确数据的处理。在电力调度自动化系统的数据挖掘中，神经网络主要通过关联分析的方式实现数据逻辑处理，具体处理可以分为以下几个方面：a.整合统一基础数据。由于电力调度自动化系统包含的数据具备庞大复杂、种类繁多的特点，因此神经网络的应用需要通过整合统一使相关数据形成结构模型，通过神经网络系统实现数据统一管理。b.实现不同环节电力调度的关联。应用数据挖掘神经网络方法整理不同环节的电流状态和参数，并保证相关数据信息的整合性，即可实现不同环节电力调度的关联。c.分析与决策。结合神经网络整理的整合数据，即可开展分析、决策以及数据共享。
3.2以灰色分析法在电力调度自动化系统中进行应用
灰色分析法又叫做灰色预测法，当所需要的电力调度数据出现在一个点上时，就会使用这种方式进行数据挖掘，这种数据发掘方法的使用，是非常普遍的一种，主要用于对电力调度自动化系统产生的数据进行预测分析，其主要的就是对有限的数据和一些电力调度过程中出现的不完整数据进行分析，但是一旦遇到比较庞大的数据，就无法实现最优化功能，因此在对电力调度自动化系统产生的数据进行挖掘时，需要对其涉及的数据进行分析，确定其数据的分类是电力生产数据还是电力销售环节的数据，包括这些数据之间还或多或少存在着一些直接转换的数据处理，因此通过灰色分析法对数据进行挖掘，需要对电力调度中出现的一些设备数据参数进行了解，包括用户的用电情况数据预测、电力的销售情况预测、短期或者超短期内自动化系统以及母线存在的负荷数据值等，电力自动化系统会根据以上的这些预测的数据进行分析，制定电力调度的边界电量，并且确保整个电力调度自动化系统的正常运行，使整个数据的收集更加的可靠，以便后续工作的参考。
3.3监控设备全生命周期管理
随着智能电网的发展和完善，电力调度中需要操作的电气元件数量和种类逐年增加，产生的数据也更加全面。就SCADA系统而言，如果按照每个3~4s计算一次，每年可以产生1.24TB的数据，而WAMS有1万测试点，1s可以采用100此，每年可以生产500TB的数据。而且有很多数据被漏掉，没有收集到。如此庞大的数据量，传统电力调度方式根本不可能从数以亿万计的数据中提取出有用的信息。通过大数据技术和云计算技术，可以实现对这些海量的数据间综合分析，从而及时掌控电力系统的运行状态，并进行及时调度和调整，避免发生故障，影响用户的用电质量。同时利用大数据技术也可以实现对电力设备的实时监控和运行趋势分析，从而最大限度上提高电网设备状态评价的及时性和准确性，降低电网运行维护和检修的成本，从而达到提高检修效率，提高电网资源利用率的目的。随着智能电网的发展，未来对智能调度大数据的需求将越来越多。
结束语
综上所述，数据挖掘能够较好地服务于电力调度自动化系统。我国大数据在电力调度中应用的起步比较晚，很多技术还不够完善，在具体应用过程中还面临很多挑战，需要相关人士投入更大的精力和时间，才能满足智能化电力调度的具体需求。实现这些应用价值需要大数据在多源异构数据融合、数据深度分析方面有重大突破。
参考文献
[1]杜小洁.电力调度自动化系统网络建设分析[J].数字通信世界,2017(06):130-132.
[2]刘冬兰,史方芳,刘新,赵勇,吕国栋.大数据环境下云数据库安全防护方法研究[J].山东电力技术,2017,44(06):41-44+48.
[3]姚多朵,牛东晓.基于电力大数据的电网规划研究[J].科技和产业,2017,17(09):65-69.
论文作者:阙昊军
论文发表刊物:《电力设备》2018年第6期
论文发表时间:2018/7/5
标签：数据论文; 电力论文; 自动化系统论文; 神经网络论文; 电网论文; 数据挖掘论文; 技术论文; 《电力设备》2018年第6期论文;