摘要：在最近的几年里，电能质量问题已经越来越被人们所重视，在地区内的电网以及省内的电网内安装电能质量检测设备，并与软件相结合就能够形成电能质量监测系统。通过电能质量监测系统就可以对庞大的数据进行分析之后就能够通过绘制出来的图表为电能质量的监测义工帮助。本文将根据数据挖掘技术为基础，分析电能质量检测中的问题以及应用。
关键词：电能质量；数据挖掘；监测；制约
一、前言
科技发展速度十分的迅速，人们对于电子设备的需求也越来越大，电能质量的相关问题已经受到了电力系统甚至广大用户的关注，随之而来的就是人们对于电能质量技术的要求越来越高，因此提升电能质量已经是人们正在不断深入研究的问题。但是提升电能质量的另一个问题就是怎么应对随之而来的大量数据。数据挖掘技术就是在这种情况下不断的发展起来的。
二、数据挖掘
（一）数据挖掘的过程
数据挖掘就是从大量的信息中，获取能够对人们有用的信息，通过对信息的归纳提取，人们就能够对挖掘出的信息进行重新的利用，这样就能够对知识进行灵活的利用。在数据挖掘的这个过程是由几个阶段构成的，首先就是对将要处理的问题进行分析，这样就能够便于之后的数据的汇总以及提取，在对需要进行处理的数据进行归纳之后，在对数据进行再次的加工筛选，之后就需要选择合适的算法来对数据进行计算，最后就能够对得出的结论进行分析、评价，然后将得出的结论表达出来。
（二）数据挖掘的方法
1.统计法
统计法不仅在数据挖掘中有重要的作用，在其他的领域也得到了广泛的应用。统计法其实就是对数据进行归纳总结，从中得到一些线索，之后再根据线索提出一些观点，并对提出的观点进行检验。
2.支持向量机方法
支持向量机方法其实是建立在统计学习理论上的，它能够在模型的复杂性以及学习能力之中找到平衡点，并以此来获得推广能力。还能够利用支持向量机方法的优势将它推广到函数拟合或者其他领域中。
3.粗糙集方法
粗糙集是能够对不准确的信息进行处理的工具，这种方法对于数据挖掘来说作用非常大。因为在庞大的数据信息中心有许多的信息都是模糊的，因此都需要粗糙集来将信息进行处理。粗糙集这种方法在一般情况下都是与其他的方法同时使用的，因为粗糙集方法能够处理的问题很单一，并不能在单独使用的过程中满足人们对于数据挖掘的需求。
4.决策树
决策树也是一种能够运用于数据挖掘的方法，它能够在进行数据挖掘的过程中运用其能够归纳推理的能力建立起一个树形图的结构，因此才会被称为决策树。其最明显的优势就是能够将分类的信息进行提取，并将它们用IF-T HEN分类规则形式表示出来。
5.神经网络
神经网络是一种模仿人类大脑而形成的一种计算方法。这个方法可以将信息储存、处理、学习等功能。这种方法的优势就是能够在进行数据挖掘的过程中建立分类的模型，并能够进行预测。
期刊文章分类查询,尽在期刊图书馆
三、数据挖掘在电能质量分析中的应用
（一）电能质量数据预处理
在数据挖掘的过程中想要让电能质量分析的效率得到提高，就需要对数据进行预处理，通过对数据的压缩以及对数据的去燥就能够完成对数据的预处理。而数据压缩以及数据去燥一般就是在小波信号的基础上进行的。但是由于数据挖掘技术的不断进步，越来越多的人们利用数据挖掘技术来利用电能质量对数据进行数据去燥。通过不同的方法可以对数据进行预处理，比如可以应用信号的相关性来对数据的去燥方法进行优化，运用这种方法来对电能质量进行监测能够的出更好的检测效果，还能够对噪声的产生一定的抑制作用；除此之外还能够利用交叉检验的方法来减少电能质量中噪声的产生，并且这种方法的去燥效果也要好于平常的方法。
（二）电能质量扰动识别
电能质量检测分析有一个重要的问题就是如何从庞大的电能质量扰动信号里获取特点并能够将它们进行正确的分类。电能质量识别主要是依靠电能质量特点的获取以及正确的分类这两个步骤。但是在对电能质量进行分类的过程中如何解决判断过程困难、计算量大的问题是需要不断的攻克的。现今的方法有利用支持向量机以及S变换一起进行分类的方法，这种方法的优点在于能够在分类上具有很高的准确率，并且噪声对它产生的影响也并不大，还有就是这种方法的训练样本很少。还有一种方法是将小波变化与粗糙集相结合的方法，这种方法能够更迅速的进行识别以及分类，计算的方法也是简单易行的，对人们来说理解起来更加的容易。
（三）谐波源定位
在数据挖掘的过程中弄清楚谐波源的位置是非常必要的，这样就能够对谐波进行更好的利用，并且正确的认识谐波源分布能够对谐波惩罚制度的建立提供一定的帮助，而利用关联分析的方法能够对谐波的电流等进行一个详细的了解。想要能够检测出系统中的谐波源，就需要利用谐波敏感因子来进行检测。在检测的过程中就能够利用支持向量机的方法来确定范围。这种方法的优点就是对于谐波的位置以及电流都能够清晰的得出。还有一种方法就是利用不同神经网络来进行谐波源的鉴别，这种方法的优点就是能够在实际的系统中可用性比较高。
数据挖掘技术对于电能质量检测来说有着很大的作用，利用数据挖掘技术能够提高电能质量检测的效果还能够对问题进行预测，并且这种方法的计算效率也是很高的。但是现在的数据挖掘技术还存在着许多的问题，不少的数据挖掘技术正等待着人们对其进行更好的优化。通过对电能质量监测数据挖掘的不断深入研究发现，数据挖掘技术在电能质量方面的应用上有着不同的热度，在电能质量的识别问题上相关的应用比较多，但是我们对于其他领域的需求还是在不断的增长的，因此对于电能质量监测数据挖掘上的研究还是应该不断的深入的。
参考文献：
[1]于燕平，林涛.基于分形特征提取的电能质量数据挖掘[J].计算机应用与软件，2016，（11）：24-27+65.
[2]许鹏.面向电能质量监测的压缩感知采集模式研究[D].华北电力大学（北京），2016.
[3]刘军成.电能质量监测数据应用探析[A].中国电源学会电能质量专业委员会、亚洲电能质量产业联盟.第四届全国电能质量学术会议暨电能质量行业发展论坛：电能质量与高效优质用电论文集[C].中国电源学会电能质量专业委员会、亚洲电能质量产业联盟：，2015：10.
[4]姚洪娇.电能质量监测录波数据压缩方法研究[D].哈尔滨理工大学，2014.
[5]刘艳章.电能质量监测与辅助决策系统研究[D].华北电力大学，2013.
[6]麦洪，刘晓华.电能质量监测数据分析思路探索[J].电气应用，2009，（13）：64-67.
论文作者:王儒杰
论文发表刊物:《电力设备》2017年第13期
论文发表时间:2017/9/22
标签：电能论文; 质量论文; 数据挖掘论文; 方法论文; 数据论文; 谐波论文; 这种方法论文; 《电力设备》2017年第13期论文;