摘要：本文首先分析了大数据的定义，然后分析了电力大数据的来源及特点，然后分析了在电力大数据时代背景下的数据挖掘技术，最后分析了大数据时代下电力企业如何利用数据挖掘技术 。
关键字：大数据技术；电力调控；分析；在线；
一、大数据的定义
大数据是指需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、 高增长率和多样化的信息 资产]。比较典型的大数据定义是 3V 定义,即规模性、多样性、 高速性。规模性是指数据规模庞大,已经达到 PB 级以上;多样 性是指包含各种数据类型,比如结构化数据、半结构化数据、 非结构化数据等;高速性是指数据以数据流的形态迅速增长, 数据处理速度达到高速实时处理。
二、电力大数据的来源及特点
中国电机工程学会信息化专委会在 2013 年 3 月发布了《中国电力大数据发展白皮书》, 将电力大数据的特征概括为 3V 和 3E。 3V 是指体量大、速度快、类型多;3E 是指数据即能 量、数据即交互、数据即共情[2]。 其中 3E 的描述具有典型的电 力系统特征,体现了大数据在电力系统中的巨大应用价值。 数 据即能量是指通过大数据分析能实现节能, 而电力大数据应 用的过程即是电力数据能量释放的过程; 数据即交互是指电 力大数据与其他领域数据相互交互融合,才能发挥更大价值; 数据即共情是指电力大数据紧密联系各行各业, 只有情系用 电客户,才能满足客户需求,以数据取胜。
电力系统包括发电、输电、变电、配电、用电、调控等各个 环节,运行数据基数庞大、增长快速,是典型的大数据,其数据 来源主要有:电网运行和设备监测数据、电力营销数据、电力 企业管理数据。
电力调控中心的数据主要有:电网一、二次设备的基本参 数数据、SCADA 所需的基本量测数据以及智能告警等各类高 级应用所需的离线分析数据。 这些数据分散在变电站终端、调 控中心各专业部门,数据基数庞大,采集周期短,对实时性要 求较高。
三、在电力大数据时代背景下的数据挖掘技术
垄断模式、发电竞价模式、电力转运模式这三个模式是我 们国家电力市场化运行过程中的大致发展历程, 现如今正是 努力朝着配电网开放模式的过渡之中。 高质量的数据在过渡 过程中是使大数据实现功能的基础, 而领先的数据挖掘技术 则是过渡过程中发挥功效的必要方式。 国际数据公司曾说过, 新的数据类型与新的数据分析技术的匮乏是目前大数据时代 背景下的企业成为行业内佼佼者的重要阻碍因素之一。 这个 问题也同时存在于电力企业之中。 然而,要使领先的数据挖掘 技术提供出一些隐蔽的、实用的信息,必须要求大数据环境的 高质量,不然的话,在布满聒噪的大数据环境中,就算是再领 先的数据挖掘技术,也没有办法提供出实用的信息,而是一些 无用的垃圾信息。因此,电力企业要想应对目前电力大数据时代背景下数据的质量给数据挖掘技术提出的挑战, 必须建立首席数据官, 来专门实行对数据的管理工作, 定义元数据标 准,从而保障数据质量。现今许多国内的企业仅仅建立了首席 信息官,可是首席信息官仅仅作为一个技术专家,想要全面化 系统化的展开数据的挖掘工作就会面临很大的难度, 这样一来,许多的企业也就逐渐丢失了使用大数据的优势。 因而,传统的数据管理的方法现在无法应对大数据时代背景下对数据 质量的要求,怎样去提升数据的质量,在当前电力大数据时代的背景之下,还有很长的路要走。
期刊文章分类查询,尽在期刊图书馆
大数据时代下电力企业如何利用数据挖掘技术
数据的挖掘总体来说就是对大量的数据进行建模, 通过理论的模型科学合理的分析和处理企业中产生的大量数据,其能够从大量数据中搜索出企业所需要或者对企业有用的信息, 并且能够帮助企业详细的掌握各个客户以及各个市场的划分。
1、存储数据必须具备高质量、有效的特点,这是数据挖 掘技术挖掘有价值的信息的基础。因此,电力企业如果要解决 数据质量的问题, 应该为其开设一个工作部门进行专项数据 管理工作,从而为确保数据挖掘能挖掘到有价值的信息,为电 力企业做决策提供相应的依据。在大数据时代下,因为数据量比较大,使数据发掘是一种知识的自我发现过程。当目标不清晰时,需要多选择几个渠道从中获得数据再进行处理。
2、基于 Deepweb 的数据集成技术能够实现对数据的自 动化管理和处理。 该技术主要分成五个部分。（1）数据来源部 分,通过对自动记录数据的系统、移动终端和互联网的利用, 该部分能够对影响企业经营管理的各种市场数据和企业中产生的各种事务性数据进行存储。（2）数据整理部分,内同交叉属 于大数据时代中数据来源的一个重要特征,因此,在对数据进 行分类的时候必须将其互动性作为重要的依据。由于现有的 数据中不可避免的存在各种问题, 因此必须要采用合理的方式分析和整理数据,从而能够使数据质量获得保障。通常可以将数据划分为以下三中:a.非结构化数据;b.半结构化数据;c.结构化数据。要合理的筛选其中的结构化数据,删除其中的无 效数据。依据相关标准和规范对半结构或非结构数据进行处 理,将其转换成为符合规范的机器语言。（3）数据管理部分。在数据库中存储经过筛选和转化的数据。可以按照各种主题为依据对数据仓库的属性集进行设计, 有效的控制处理数据的工作量。通过粗糙集属性归约法针对各种数据库进行处理,将其中的无用数据删除掉, 并且在归则知识库中存储分类规则 知识,从而能够处理相应的新数据。（4）数据分析部分:将电力企业数据区分为两种:a.实时数据;b.非实时数据。 可以通过内存计算机技术对实时数据进行分析处理, 并且进行内存运算; 可以通过分布式文件系统、云计算等工具处理非实时数据。（5）数据展示部分:通过电力系统能够可视化处理相应的数据,利用图形的方式将发掘信息的成果展示出来,可以运用到企业规划当中,使员工能清楚的认识到企业的发展前景,并且评价决策的可行与否。
结束语
现今的大数据时代背景之下, 数据挖掘技术拥有非常大的潜力和较好的前景,在电网改制循序渐进的过程中,大数据会与企业内部的每个环节一一落到实处, 电力企业则会越来 越熟练的使用数据挖掘技术,人们会渐渐认识与了解数据挖 掘技术的优势及潜力。在大数据时代下,数据挖掘的潜力是不可限量的。伴随着电网制度的改革,大数据将会落实到每一个电力企业及其相 关部门中。在电力企业中充分地应用数据挖掘技术,将价值更高、信息更多的数据挖掘出来,能够有效地推动我国电力企业的发展。
参考文献：
[1] 刘守瑞,常鲜戎.基于VC++的电力图形软件的电力图元连接[J].电力系统保护与控制,2010,38(15):100-103.DOI:10.3969/j.issn.1674-3415.2010.15.020.
[2] 胡毅,唐跃进,任丽等.超导电力技术的发展与超导电力装置的性能检测[J].高电压技术,2007,33(7):1-8.DOI:10.3969/j.issn.1003-6520.2007.07.001.
[3] 戴睿,王磊,邢宁哲等.电力波分复用网络中基于软管模型的生存性设计[J].电力系统自动化,2015,(21):99-106.DOI:10.7500/AEPS20141231006.
[4] 蒋湘涛,贺建飚,李楠等.电力信息采集的通用型通信规约解析系统研究与设计[J].电力系统保护与控制,2012,40(9):118-122.DOI:10.3969/ j.issn.1674-3415.2012.09.021.
论文作者:修妍
论文发表刊物:《电力设备》2017年第12期
论文发表时间:2017/8/28
标签：数据论文; 电力论文; 技术论文; 数据挖掘论文; 是指论文; 电力企业论文; 时代论文; 《电力设备》2017年第12期论文;