摘要：电力调度自动化系统主要是被应用在线调度生产运行中，能够对数据信息进行分析、控制、传输。数据挖掘技术作为一种人工智能和数据库技术结合的新型技术形式，将其应用到电力调度自动化系统中能够有效解决电力调动自动化系统数据信息应用不合理的问题。
关键词：数据挖掘；电力调度；自动化系统；应用
引言：
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，但是目前因为一些电力调度的管理人员对新型技术不够重视，导致目前数据挖掘在电力调度自动化系统中的应用不够，因此文章根据数据挖掘的含义，对数据挖掘在电力调度自动化系统中的应用加以分析。
1 电力调度自动化系统概述
1.1 内涵
电力调度自动化系统能够为电网系统安全、稳定运行提供重要支持，并为相关电力人员工作、决策提供有力信息的支持。电力调度自动化系统的组成如下所示：第一，前置机。前置机能够从RTU从完成数据信息的收集整理工作，并能够结合实际对系统的指令进行接收、解释。第二，主备用服务器。主备泳服务器包括数据库和实时库服务器，是电力调度系统的重要组成部件，能够对系统各个工作站的运行进行监督。第三，网络服务器。网络服务器主要是对数据信息分布和数据表整理工作的监督。第四，卫星钟。卫星钟系统将全球定位时间作为系统时间。第五，物理隔离开关。物理隔离开关能够解决数据的隔离应用问题。
1.2 电力调度自动化系统对数据挖掘技术的需求
电力导调度自动化系统对数据挖掘技术的需求具体表现在以下几个方面：第一，通过数据挖掘技术减少电力调度自动化系统的工作时间，提高工作效率。第二，数据挖掘能够提高数据挖掘技术的管理应用水平，减少外界因素对电力调度自动化的干扰。第三，能够从不同角度对数据信息进行定量、定性分析。第四，为电网报告的分析和制定提供辅助支持。第五，实现了对数据信息的及时查询，为电力调度自动化工作提供了支持。
2 数据挖掘在电力调度自动化系统中的应用方式
电力调度系统中数据挖掘技术的应用，有效地解决了收集准确信息困难的问题，数据挖掘技术的关键点就是通过采取技术来进行相关的数据挖掘，从而获得所需要的精准数据信息。
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。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。
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
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。
2.3 模糊分析法在电力调度自动化系统中进行应用
模糊分析法就是针对已知的数列进行聚类和分析工作，以达到数据全面、综合的分类效果。此方法是聚类分析法的一种，也是经常被电力调度系统所采用的一种聚类分析方法。其优点就是弥补了灰色分析法的缺点，使大数据的功能得以充分的发挥利用，满足了客观的数据整理需求。
2.4 以聚类分析法在电力调度自动化系统中进行应用
聚类分析法在电力调度自动化系统中的应用，同分类法有所类似但两者的目的不同，分类法更注重的是将数据项映射到给定的数据类别中，但是聚类分析法更多的是针对数据同异进行类别划分，更期望数据的全面性和综合性效果，因此这种方式的应用也比较广泛，将灰色分析法的缺点进行了弥补，使庞大数据量的整理更加的整洁，并且缩小了不同类别之间数据的相似性和关联性。比方说，电力调度数据中的生产管理和控制两大数据管理，就是通过聚类分析法的方式，将大数据聚类划分，分为了四个子数据管理区，其中管理方面包括了电力调度自动化系统中有关电力的生产数据、电力出售的相关数据等；控制方面分为了三个子数据区：
（1）电力调度的计划数据，包括电力厂发电的能力数据值、用户发电用电的数据等，
（2）安全管理的数据，通过计算机对一些电压数据值、电压数据值等进行有效的监控，以确定自动化系统的正常运转，
（3）监控数据，包括电量数据、实时电量、输出量等数据，以此提升对数据的掌控，加强电力调度自动化系统的使用。
2.5数据分析功能模块设计
第一，同期数据分析模块。同期数据分析模块一般被人们用在调度自动化数据系统的横纵向比较，通过对同期数据的比对分析能够为电力调度系统数据评估提供更多便利。同期对比分析模块应用了动态生成查询语句，能够对数据信息进行动态化的查询和分析整理。第二，周期性数据分析。周期性数据分析主要是在数据库系统中挖掘具有周期性特点的数据集，从而对数据波动情况进行清晰的反应。在周期性数据分析模块挖掘算法中存在一个最小时间的误差参数，这参数是周期数据集的基础数据，影响周期性数据分析的精确度。第三，数据预警分析。数据预警主要是结合现有的调度自动化系统报警信息和数据挖掘周期数据集来对关联数据进行分析，数据分析系统采取了有限权值分配的方法，预警列表按照预警信息的大小进行有序排列，具体包含报警周期性数据集、预警信息周期性数据集大小、预警模式等内容。
结束语：
信息挖掘技术在电力系统中的应用有效地解决了数据收集困难的问题。同时电力调度自动化系统中信息挖掘技术的应用，进一步提高了智能电网的快速发展，也满足了电力系统建设的需求。
参考文献：
[1]李艳.关于数据挖掘中关联规则算法的相关问题研究[J].科技创新与应用.2017（33）
[2]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）
[3]肖福明.浅析数据挖掘在电力调度自动化系统中的应用[J].通讯世界.2014（17）
论文作者:赵莉
论文发表刊物:《电力设备》2018年第26期
论文发表时间:2019/1/17
标签：数据论文; 电力论文; 自动化系统论文; 数据挖掘论文; 神经网络论文; 信息论文; 分析法论文; 《电力设备》2018年第26期论文;