关键词：数据挖掘 电网 运营监控 平台建设 运用
当今社会不仅经济发展迅猛，科学技术的发展也是日新月异，而随着科技的进一步发展，大数据挖掘平台在电力运营监测工作中的运用也更加深入，技术的进步不仅提高了电力运营监测的工作效率和质量，同时也更进一步的推动大数据挖掘平台技术的提高。大数据挖掘平台使数据价值体现更加淋漓尽致，电力运营监测工作应该以此为基石，深度挖掘高效、有利信息，并不断的改良创新技术，进一步探索在电力运营监测工作中大数据挖掘的应用。所谓数据挖掘，其实就是从大量繁杂的数据中找出对自己发展有益的数据、模型及规律。主要依据事先确定好的商业目标，深入分析和研究各种企业数据，发掘里面隐藏的商业内容，还要在工作中不断提高其科学性。数据挖掘的综合型较强，需要使用诸多专业理论以及技术工具，主要有数据库技术、统计学、机器学习、模型识别、人工智能、神经网络等。
一、数据挖掘技术分析
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据往往会给企业工作人员增加工作量，工作效率不高，且不能确保数据的质量。数据挖掘是通过分析每个数据，从海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，其主要原因在于海量数据可以被广泛使用，这就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。
二、数据挖掘平台现状
由于大数据挖掘平台技术需要从诸多的数据中挖掘有效信息，因此基于企业历史数据的业务贯通是众多企业所面临的一项大挑战，而大数据挖掘的最终结果将决定其未来在电力运营监测工作中的应用效果。另外，所挖掘的数据需要有价值和实用效果才能够使得大数据挖掘技术平台被认可，并促进其更为广泛的运用于各行各业中。然而，当前电力行业的有效数据却未被发现，因此怎样将大数据挖掘技术更好的运用于企业运营中，实现大数据挖掘平台技术的最大价值意义还应当继续的研究与探索。随着信息技术的发展，大数据技术也在不断改革创新，然而新的技术方法也在不断推出，那么如何抉择出最适合的技术或者说将其与大数据技术有机结合运用到企业运营中将是一个难解之题。
三、数据挖掘技术的应用
数据挖掘在电力企业的使用价值 。商业领域对于数据挖掘技术的需求较大，因此数据挖掘在多个商业领域得到了大范围的应用。下文便依据电力企业的行业特征来论述一下数据挖掘技术在电力企业中的重要作用和实施。
1.指导设备更新 。在发生了下述两种情况时就要对设备进行更新：首先，电力设施意外毁坏，这便要第一时间更换，一般电力设备监控设施可以检测出这类故障，这样也能够在第一时间进行维修。
期刊文章分类查询,尽在期刊图书馆其次是更换老化的设备，这就需要以经验为依据，例如检查设备的使用年限等，但这种方式并不具有多大的科学性，因为很多设备可能由于保养得当而延长使用年限，如果贸然更换会产生巨大的浪费；还有些设备的使用时间可能不长，但是其性能却已经不满足标准，若不及时更换也会产生巨大的浪费。一般情况下，我们可以借助故障保修、电力耗费及相关电力参数等各种数据来确定电力设备的故障及老化状况，最终确定是否更换设备。
2. 指导电力企业的建设规划 。最近，我国的广东频繁发生电力供不应求的情况，其主要原因便是没能很好的掌握市场进步的趋势，在电厂的建设及电网建设方面都没能满足市场的需求，这时数据挖掘工作的重要性便得到了很好的体现。将新增用户（报装）、现有用户、用户位置、用户用电量、国家的建设计划等相关资料实行认真的研究分析便可以制定出电力企业的发展计划，有此为指导，才能促进电力行业的飞速发展。
3.指导电力的生产和购买 。我国推出电力企业改革方案后。改革的逐步深化，而言使得我们面临了一些新的问题。例如在电力购买方面，传统的电厂和电网属一个单位，电厂会供给电网充足的电力。可在如今，电网用电时一定要提前购买，但因为电力的鲜明特征即买多少用多少，使得购买时间和购买量无法准确的确定。而借助数据挖掘技术可以很好的解决这一问题。对有关的主体车库进行深入挖掘便可确定需购买的电力总量，并对发电企业的生产计划进行指导。
4. 减少电力损耗，改善电力质量，减少设备损耗 。电力产品具有自身的显著特征，主要体现在它不能进行储存，只有按需供给。现今使用的主要方式是建设蓄能电厂，若电力有多余则要保存起来，等电力供应不足时则用这部分电力，将其进行安排调度并制定合理的疾患，便能实现电力储存技术的灵活调节，实现降低电力浪费，提高电力质量，避免设备的耗损。 但数据挖掘技术却能够综合分析诸多影响因素，通过分析由利润、利润增长率、同行对比、投诉举报、生产成本等数据组成的主题仓库来研究区域或者是自公司的运营情况，并用图表等简洁明了的方式体现出来，为决策提供依据。
四、在电力系统故障诊断中的应用
在进行电力系统故障诊断时，可以通过系统保护装置所提供的故障信息寻找故障源、故障类型以及误动作装置，其中如何准确识别故障元件是问题的关键。基于事件排列顺序的故障诊断模型对于高压输电线的故障诊断领域特别适用，由于发生问题事件的序列在时间和空间上具有一定的关联性，因此，使用动态规划算法，可对各事件之间的相关性进行深度挖掘，并将诊断出来的问题进行转化，形成最接近于故障事件序列的发生模式，并以低代价的运算行为，产生标准的故障序列模式，从而对错误或不符合事件的序列模式进行纠错，以提高故障诊断系统的容错性。同时建立综合故障知识库，用于电网故障诊断，例如运用大数据挖掘技术对变压器油中的不同气体成分开展聚类分析，以实现了变压器油中的各类气体中的成分含量变化与设备故障的关联性，为诊断故障问题提供相应的依据。
五、总结
经济的发展、时代的进步、人们生活水平的提升、大数据时代的到來为电力企业的发展带来了新的挑战和机遇。我们对其价值和作用进行分析和使用，具体问题具体分析。数据挖掘技术非常适用在电网运营监控平台中的使用，所以需要我们进行不断的探究。
参考文献：
[1] 数据挖掘技术在电网运营监控平台建设中的应用[J]. 李呓瑾. 通信电源技术. 2019(04)
[2] 基于数据挖掘技术的配电网故障预测研究[J]. 肖一兵. 设备管理与维修. 2018(17)
[3] 数据挖掘技术在电网运营监控平台建设中的应用[J]. 夏依军. 通信电源技术. 2018(03)
[4] 数据挖掘技术在电网运营监控平台建设中的应用[J]. 黄拓. 科技展望. 2015(28)
论文作者:杜荣林
论文发表刊物:《中国电业》2019年15期
论文发表时间:2019/11/20
标签：数据挖掘论文; 技术论文; 电力论文; 数据论文; 电网论文; 故障论文; 平台论文; 《中国电业》2019年15期论文;