摘要：对于电力调度自动化系统来讲合理应用数据挖掘技术十分重要，其是确保电力调度自动化系统效用充分发挥的基础，也是推动现代化社会持续稳定发展的关键。基于此，相关人员需给予数据挖掘技术高度重视，促使其存在的价值与效用在电力调度自动化系统中发挥出最大，为提高我国国民生活水平奠定基础。本文主要以电力调度自动化系统中数据挖掘技术运用分析为重点进行阐述，结合当下数据挖掘概述为主要依据，从神经网络法、灰色分析法、模糊分析法、线路故障专家系统、负荷管理专家系统、状态检修专家系统这六方面进行深入探索与研究，其目的在于提升电力调度自动化系统中数据挖掘技术运用效率，为加强电力调度自动化系统的实效性做铺垫。
关键词：数据挖掘；电力调度自动化；数据仓库
以前电力调度中，对数据的分析仅局限于对电量信息、电力设备等管理，只能够提供检索功能和常规信息，无法对数据进行决策分析，为此，对于部分复杂的电力管理一般都需要应用数据挖掘技术，然而现阶段从事电力系统调度的人员对新技术的应用并不熟练，致使数据挖掘技术没有发挥真正的作用，文中详细分析了挖掘技术含义，并进行了详细分析，探索数据挖掘技术，使其发挥真正的效果。在系统数据中，电力设备参数也是比较重要的，然而，目前电力设备参数只被统计在生产管理系统中，由于系统等级较低，不能发生系统直联。一定范围内阻碍了数据应用，为此，建立数据信息平台比较重要，该平台包含设备参数、实时数据、系统参数等，为电力调度运行控制，这就是数据挖掘。值得一提的是电力供应单位需要将春夏秋冬四季的天气作为数据，数据挖掘的前提是它们有一定的关联性，作为众多影响调度的因素，天气非常重要，我们可以根据天气预报或前期天气的规律来提前准备，做好相应的应急准备工作，当然，现阶段调度可以做这种预测，只是时间或空间上不深入，数据挖掘能为调度提供每周的依据，有些可以提供每天的信息。不但周围地理环境影响，而且重视实际应用，将这些零散的分布在调度各因素中，这样不仅在技术上实现数据挖掘，而且能进一步的提升管理水平。
1数据挖掘的概念及意义
数据挖掘技术作为一种新兴科技在20世纪80年代被提出，数据挖掘技术最初是被科学工作者应用在人工智能技术的开发和利用当中的。简单来说，数据挖掘就是对大量数据进行发掘和创新的过程，即在大量冗杂、随机的数据中挖掘出有用的目标数据，创造出挖掘价值和挖掘潜力。随着时代的发展以及网络技术的飞速发展，现阶段全球数据飞速扩张，2011年全球数据就超过了1.8万亿GB，预计几年过后这个数值会达到90万亿GB，短短10年时间增长了50倍左右，毫无疑问我们已经迈入了大数据时代。数据挖掘技术正在发展成为一种通过计算机技术对企业运营生产产生重大影响的管理策略，尤其是在信息化发展和数据应用较多的领域，数据挖掘技术的应用意义更为重大。
2数据挖掘技术在电力调度自动化系统中的运用
2.1灰色分析法
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。
2.2神经网络法
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。为此：①对电力调度自动化系统基本数据进行处理，虽然这类数据复杂、种类多，但这些数据有紧密的联系，能够整合统一，并形成模式，为后期数据查询、统计、分析等奠定坚实的基础，保证数据的完整性和一致性，使电力调度能够顺利的开展，并形成神经网络系统，方便统一管理。②电力调度相关数据，不同环节电力状态和参数准确性不一致，整个过程中会受到一定影响，从而达到数据关联。
期刊文章分类查询,尽在期刊图书馆③将神经网络这种方法应用在电力调度自动化中，对所有数据进行整合分析，并供给其他调度工作进行决策分析，实现大范围数据共享，以此来保证电力自动化调度系统的效果。
2.3模糊分析法
此种方法为聚类分析法的一种，是最常应用聚类方法，其主要是对已知数列进行聚类与分析，让数据能够展开全面、综合的分类。同灰色分析法差异点为，利用模糊分析法能够合理应用大数据优势，满足对其的实质性需求。
3电力调度自动化对数据挖掘技术的具体需求
目前，我国数据挖掘技术，因五防系统等技术还处于发展的初级阶段，对应的管理措施还未完全构成，所以，尽管说数据挖掘的专家系统以能够在多方面展现出优势，但若想实现遥控系统和专家系统是一件不可能实现的事。
3.1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。目前，在我国电力调度中，负荷管理系统已投入应用，但因有关技术的滞后性，不能实现同电网远控系统完美对接，所以还没有实现广泛应用，对于调度系统中所发布的命令皆由人工来实现。
3.2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。通过将线路故障系统利用到电力调动自动化系统之中，不但能够将冗杂的线路切除掉，还能减小电力线路故障发生率，以及停电检修率，并且还能在很大程度上监督电力线路巡查力度，让电力维修人员能够有足够的实践对线路出现故障的部位分析、判断，并制定与之对应的补救措施。特别是一些地埋线路等，利用此种能够定位的线路故障系统具有积极作用。
3.3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。
4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]聂宇，罗超，高小芊，寇霄宇，何宇雄，苑晋沛，李蔚.基于电力调度自动化系统中数据挖掘技术的应用[J].科技创新与应用，2018（03）：143-144.
[2]周洋.数据挖掘在电力调度自动化系统中的应用解析[J].科技创新与应用，2017（35）：149-150.
[3]刘雅铭.解析电力调度自动化系统中数据挖掘技术应用[J].低碳世界，2017（33）：66-67.
[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]李国伟，王新铭.基于数据仓库的一体化电力调度自动化系统的开发与设计[J].自动化与仪器仪表，2016（10）：26~29.
论文作者:邢晓野,戴建华
论文发表刊物:《电力设备》2019年第3期
论文发表时间:2019/6/11
标签：数据论文; 电力论文; 数据挖掘论文; 自动化系统论文; 技术论文; 系统论文; 故障论文; 《电力设备》2019年第3期论文;