国网青海省电力公司海东供电公司 青海平安 810699
摘要：在电力调度自动化系统中，合理应用数据挖掘技术显得非常重要，该项技术的使用能够确保电力调度自动化系统游侠发挥相应的功能，并且能够推动现代化社会持续稳定的发展。鉴于此，本文就电力调度自动化系统中数据挖掘技术运用展开探讨，以期为相关工作起到参考作用。
关键词：数据挖掘；电力调度自动化；数据仓库
1.电力调度自动化对数据挖掘技术的具体需求
1.1负荷管理系统
电力负荷管理为电力调度自动化系统中的主要环节。依据冗余回路间的负荷分布，电能能够自动对负荷的上级节点进行连续与切换。另外，当其中有一个节点出现故障，符合管理系统则能够充分发挥效用，让该故障节点在事故出现以后被自动切除。负荷管理系统的实际工作原理为依据对各线路的负荷状态进行全面监测，并通过合理应用数据挖掘技术，对满足这些状态表现出的数据进行预测，并分析、判断、整理这些数据变化形式，基于此来对负荷进行道闸分配。
1.2线路故障系统
传统的电力线路检修，一般都是在线路出现严重故障以后，才开展利用相应方法对电力线路进行巡查，并且探寻出存在其中的故障。但若是把线路故障系统利用到其中，那么该系统会依据电力线路两端产生故障形式，在电力线路产生故障以后自动且及时的判断出电力线路受损的部位。相比于较完善的线路故障系统而言，还能够同时判断多个故障点。
1.3状态检修系统
对变压器、电缆、开关等设施的具体运行状态进行充分分析，外加对互感器、集中器等设备的运行状况进行判断，状态检修系统能够以此来对电力调度自动化系统的运行状态进行检查，探究其是否健康，并深入规划故障设备切除方案，自动的把故障设备切除掉。合理利用状态检修系统是电力检修的前提条件，为实现对全部设备充分管理的关键点，并且其利用价值为能够自动化更换再用设备，使倒阀变成检修的状态，并朝着调动系统进行报警。当然，因有关技术的不成熟，导致状态检修系统在部分企业依旧处于闲置的状态，致使其含有的效用无法充分的发挥出。
2.数据挖掘在电力调度自动化系统中的应用方式
2.1以神经网络方式在电力调度自动化系统中进行应用
神经网络是比较成熟的一项技术，本身具有对数据自行处置、挖掘数据进行存储和高度容纳错误等优点，非常适合处理模糊和不完整、不准确的数据，利用计算机精确计算功能，可以实现深度挖掘调度自动化系统数据，一般采用的方法为前馈、反馈。映射三种，使用的神经网络，对数据整理和分析至关重要，采用该方法，可以将调度各类数据进行关联，从而找出数据的逻辑性。
期刊文章分类查询,尽在期刊图书馆
2.2以灰色分析法在电力调度自动化系统中进行应用
采用灰色分析法又被叫做灰色预测，在调度需要的数据在一点上时，可以选用该方法来挖掘数据，该方法是最普遍的一种，可以对电力调度自动化系统出现的数据来预测，它最主要的优点就是可以在有限数据及调度不完全数据预测，然而，当遇到数据量比较大的数据，便没有办法达到最优，为此电力调度自动化系统出现数据挖掘分析时，应详细分析数据，并对数据的来源进行分类，看其实电力数据或营销环节数据，找出这些数据之间存在的关系，采用灰色分析方法对数据进行挖掘分析，需要充分了解电力调度中部分数据参数，包含用户用电数据预测、电力营销情况、短期或超短期自动化设备和母线负荷数值等，电力自动化系统可以在以上数据进行深入分析，通过制定电力调度边界值，保证电力调度自动化系统正常运行，使数据的收集更加的安全可靠，为后续的分析奠定坚实的基础。
2.3以聚类分析法在电力调度自动化系统中进行应用
聚类分析方法在电力调度自动化系统中应用广泛，它和同类分析法比较相似，当又不是完全相同，分类方法更加关注的为将数据映射到给定的类别中，聚类分析方法主要针对同类数据划分，数据更加全面，且综合新较强，这是该方法应用十分广泛的原因，能对灰色分析法缺点进行弥补，使得数据整理更加整洁，且缩小了数据之间关联度和相似度。例如，电力调度数据中控制和生产管控是两大类，利用聚类分析方法，能将大数据进行聚类划分，主要包含四个数据管理区，管理则包含了电力调度自动化产生的电力生产数据、销售数据、控制数据等。
3.数据挖掘在电力调度自动化系统中的应用实践
3.1开发平台选择
结合系统功能需要，选择了微软的.net平台作为主要系统开发平台，该平台具备的强大数据库访问能力、扩展丰富等特点，能够较好满足系统开发需要。3.2基于数据桥的数据集成模块设计
考虑到我国当下电力事业的数据集成标准较为复杂、混乱，系统设计采用了自己的数据集成方法，同时应用了清晰数据清洗策略，由此即可实现不完整数据、重复数据、错误数据三类脏数据的清洗，数字数据不完整、日期数据不完整、错误日期型数据、重复数据等仅属于清洗内容，其中除重复数据不予处理外，其他数据均采用修补空值和默认值的方式，如数字数据不完整采用“补0，补null，默认值”的清洗策略。此外，无类型文件数据集成、数据库数据集成、异构数据库数据集成也是这一环节设计的重要内容。
3.3数据库管理模块设计
采用微软公司的SQLServer数据库系统，由此数据库管理被分为层次数建模、数据表管理、数据表导出三部分，其中数据表管理包含数据管理、结构管理、删除三方面功能，而数据表导出则包括文本文件、Excel文件、Access文件、Xml文件、其他数据库五部分内容。
3.4数据分析功能模块设计
数据分析功能模块由同期数据分析、周期性数据分析、数据预警分析、数据关联分析四部分组成，各部分设计如下所示：a.同期数据分析模块设计。该模块的运行流程主要由负荷数据、网损数据、力率数据、有功总加数据对比组成，分析流程可以概括为：“输入所有对比条件→合法→根据条件生成SQL语句→显示查询结果→打印对比图像”。b.周期性数据分析模块设计。围绕报警周期性、负荷周期性、遥测周期性三方面开展数据挖掘，即可完成该模块设计。c.数据预警分析模块设计。分析流程为：“初始化数据集及参数→输入预警分析参数→合法→分析预测→判断预测类型→有无建议→输出报警类型和建议→输出报警类型”。d.数据关联分析模型设计。采用默认用户手动输入数据集方法，程序流程为：“初始化已有周期性数据集→输入参数→合法？→数据集交叉？→计算Conf、Sup→计算下一对数据集→完成”。
结语：综上所述，若想电力调度自动化系统存在的价值发挥出最大，有关人员加强数据挖掘技术应用势在必行。因其是保证电力调度自动化系统稳定性的根本要素，还是推动电力调度自动化系统效用发挥的关键点。为此，有关部门需合理应用数据挖掘技术，让其包含的作用都利用到电力调度自动化系统中，为进一步提高社会公众生活水平提供有效依据。
参考文献：
[1]刘宾，朱亚奇，陈世雯，吴莎.数据挖掘在电力调度自动化系统中的应用[J].电子技术与软件工程，2017(20):158.
[2]陈雄坤，李暖群，陈劲跃.基于大数据建设下电力调度自动化的安全与实现[J].自动化应用，2017(02):82-84.
[3]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.
[4]朱维佳，曹坚.电力调度自动化系统中数据挖掘技术的应用[J].电气时代，2015(07):108-111.
[5]艾继红.电力调度自动化系统的优化方法[J].企业技术开发，2014，33(30):98-99.
论文作者:申文娟
论文发表刊物:《防护工程》2018年第36期
论文发表时间:2019/4/9
标签：数据论文; 电力论文; 自动化系统论文; 数据挖掘论文; 方法论文; 负荷论文; 故障论文; 《防护工程》2018年第36期论文;