摘要：数据统计科学的发展越来越快，数据挖掘模式在各个领域被广泛应用。数据挖掘模式的数据统计数据可以通过分析大量的数据和搜索某种算法来挖掘隐藏大量数据的有效信息。对于电力企业，特别是发电企业，传统的数据统计模型不再满足企业的实际需求，因为它的效率低，统计效果不佳。摘要发电企业迫切需要找到具有较高统计效率和良好统计效果的数据统计模型，能够解决生产相关问题，帮助生产预测。数据开采所提供的深层信息满足发电企业的要求。所以，这是发电企业创新和改革传统数据模型的主要任务，基于数据挖掘模型。
关键词：数据挖掘模式；电力数据统计；创新
引言
随着智能电网技术的不断发展，电力系统中的数据量越积越多，但是如何有效的利用海量数据，使其为电力系统的稳定性作出共享，是人们热切关注的问题之一。当前，采用数据挖掘技术，将电力数据中存在的有价值信息进行挖掘，为电网的安全运行提供决策支持是发挥海量电力数据应用价值的有效解决方法，也受到电力工作者的广泛关注。从海量的电力数据中根据电力客户的特点分析出所归属的类别，这样有助于电网公司制定相应的供电计划，既满足了电力用户的用电需求，又实现了能源的规划利用，降低了用电损耗，实现了能源的高效利用。为电力企业制定相应的决策提供了技术支持。
1数据挖掘
数据挖掘就是处理数据仓库中存储的数据信息，对其进行提取、变换、分析。采用与所分析的模型相对应的智能方法，挖掘出对目标分析有价值的数据信息，并通过数据分析出潜在的价值。数据挖掘处理的对象为海量数据，且数据信息存在不完整、脏数据等特点，在其中通过数据推理，通过智能算法把数据之间存在的联系挖掘出来，并在实际工作与生活当中加以利用。数据挖掘算法已经广泛应用于各个领域当中，包括市场分析，医疗分析，电力行业，行为识别等等。数据挖掘技术涉及到的学科较多，包含了智能算法、数据库、智能监控等学科，当前完整的数据挖掘系统包含了数据库、服务器、知识库、检索引擎、智能分析、人机交互界面等。其中的数据库用于储存元数据，数据仓库服务器为数据库群体，并向上一层提供数据接口，模式库是指将数据信息以知识的形式进行区分，数据挖掘引擎的作用把数据以知识的形式表示出来，它包含了预测、聚类、分析等操作，模式评估是用户通过从模式库中获取的知识，对采集的数据进行分析，获得想要得到的目标，在用户界面上，用户可以设置挖掘条件和范围，经过挖掘处理后的结果也可以以直观的图形、图标等形式呈现在客户面前。[2]
2数据挖掘的过程
（1）确定业务对象。要明确挖掘的数据信息是为什么目标服务，挖掘出来的数据信息不能预知，但是挖掘出来的信息所要服务的对象是明确的。
（2）数据准备。将对目标有影响的数据因素全部采集到系统，提取出能够反映目标的主要成分信息，确保数据挖掘的高效准确性。从底层采集上来的数据信息需要进行数据预处理过程，主要从数据的清理、集成、变换等方面进行处理，以实现去除无关数据，保证数据的完整性。
（3）数据建模。选择合适的建模方法，并对模型参数进行调整，以适应当前模型的求解过程，实现精度高、效率高的模型预测。
（4）模型评估。在数据建模的模型最后确定使用之前，对模型从各个方面进行性能评估，达到期望指标之后再进行使用。采用适合目标的挖掘算法，获得结果信息。
（5）结果分析及应用。将挖掘后的结果以图形或表格等容易理解的形式呈现给工作人员。
期刊文章分类查询,尽在期刊图书馆[1]
3基于数据挖掘模式的数据统计创新实际意义
发电企业的传统数据采集、统计、记录和工作分析是系统自动完成，但是因为它自己统计的功能的限制，对数据隐藏信息缺乏很好分析，在数据统计中不起作用。数据统计模型基于数据挖掘模型，包括统计数据，智能人工，搜索计算法，数据库系统和索引技术以及其他科学和理论与知识，全面应用计算机技术，能够提升数据统计的效率，经过对数据模型的分析，基本数据中的无效数据可以自动删除，数据统计的质量也可以得到改进。另外，新的数据的分析能够经过统计数据分析，从平常所见的问题和一些有关数据异于平常的状态来确定问题的起因;它能分析各种稳定工作环境的数据，标准化生产操作，并且对生产工作提出相应的指导意见。
4基于数据挖掘模式发电企业进行数据统计创新的实际操作
4.1基于大数据特点，建立新型的数据统计模式
在大数据的统计模型下，电力企业的新统计体现出大数量，多样化，速度高和高价值的特性。就当前情况，我们必须在数据统计数据中建立新的数据统计模式。首先是综合分析模式。在众多不同的统计数据中，统计学家必须利用综合科学的工作模型在数据分析方面做得很好。这个模型的建立包括两部分:全面分类和统计数据的科学分析，这是确保数据统计顺利完成的重要保证。第二个是数据的科学筛选。在大数据采集过程中，收集到的统计数据不仅包括有效的统计数据，还包括一些虚假数据。例如，在电力设计中，当需要计算地区的电力设施需求时，我们会收集大量的网络数据，包括真实的需求数据和可能的虚假数据。因此，在实际工作中，统计学家需要建立一种科学有效的筛选方式。这种筛选模式包括两部分:数字智能筛选和人工筛选。数据技术在不断发展，智能筛选的发展成为了数据挖掘模式的必然选择。这三个是高速计算模式。为了保证高速数据统计的特性，创新的数据统计需要做以下两项保障措施。一方面，高速和先进的计算机设备可以保证平稳的计算过程。另一方面，一个合理的计算软件被采用以确保数据的准确性和速度。[3]
4.2以网络数据平台为基础，创新电力数据采集模式
在大型数据采集的数据挖掘模式中，传统能量数据采集模式的应用对数据采集的质量有很大影响。所以，在能量统计数据的收集中，对基于网络数据平台的新数据收集模式的创新是非常重要的。这种创新主要体现在以下几方面:首先，建立长期的数据采集模式。在统计数据收集中,为了提高数据挖掘的质量,我们建立一个长期的数据采集模式。这就是利用网络数据平台进行不确定的数据采集，然后在统计过程中会长期收集数据筛选和分析，选择高质量的数据进行统计工作。第二是建立数据收集模式。在这一阶段的社会服务领域，有很多网络数据服务企业主要业务是数据挖掘和收购。大量的数据服务专家聚集在这些企业中。
结语
在能量数据统计的创新和发展中，大数据挖掘理论的应用起到了重要作用。尤其是，数据收集，过滤，分析和其他功能的应用在提高数据质量和效率方面有很大的实际作用。依据此情况，我们积极地利用数据挖掘模型的优势与中国当前的能源数据统计数据相结合，为电力数据统计的发展提供理论支持。
参考文献
[1]丁建林.基于数据挖掘模式下的电力(发电)数据统计创新思考[J].中外企业家,2016(24):113-114.
[2]卢建昌,樊围国.大数据时代下数据挖掘技术在电力企业中的应用[J].广东电力,2014,27(09):88-94.
[3]商文颖,李岩春,于胜尧.基于数据挖掘的电力系统电压稳定分析[J].东北电力技术,2008(10):6-8+25.
论文作者:张娇杨,印章芹,刘虎,韩信,郝百川,董春林
论文发表刊物:《电力设备》2018年第22期
论文发表时间:2018/12/12
标签：数据论文; 数据挖掘论文; 数据统计论文; 模式论文; 模型论文; 统计数据论文; 电力论文; 《电力设备》2018年第22期论文;