公诚管理咨询有限公司 广东汕头 515041
摘要：计算机信息技术自从问世之后，就逐渐被应用于各个领域，可以说它带动了整个时代的发展。而电力行业也随着信息技术的发展而逐渐朝着智能化发展。电网运营的监控本身就是一个复杂的系统，而将信息技术应用于其中就可以使整个系统操作更加方便，更加智能。本文就以数据挖掘技术在电网运营监控中的应用为例，分析总结该技术在过程监控中的具体应用。主要通过对数据挖掘的具体介绍来引出数据挖掘在电网运营监控中的应用。
关键词：数据挖掘；云技术；智能电网
前言
电力行业是我国的基础性行业，是国民经济建设的基础。而且随着人们生活水平的提高，对于电力的需求越来越大。随着这种需求的增大，电网的负担也越来越大，管理中出现的问题也越来越多。因此，我们应该采取科学合理的管理系统，随着信息技术的广泛使用，而数据挖掘技术被应用到电网运营监控中，给电力管理带来了革新，智能化促进了电力行业的发展。
1.数据挖掘技术的概述
数据挖掘（DM）准确来说是一种基于现代计算机信息技术的数据处理技术。该技术主要是实现可以对数据进行有效的自动筛选。但是这一点是建立在数据库的基础上，然后通过设定好的程序对其进行自动，智能地筛选出有效的信息。而这个通常可以分为两个方面。一方面，数据挖掘可以过滤大量复杂数据中的有价值数据。另一方面，数据挖掘可以提取不完整的模糊数据，使得一些对我们有价值的潜在数据不被丢失。这是所有信息处理工作的第一步。任何信息处理都需要进行过滤一次，提取到有效信息，这样既节省一定的时间，又提高信息处理的效率。例如，数据的统计分析和知识的发现就是这样得来的。当然，数据挖掘在这两种工作中的具体作用是不同的。在统计分析中，与它对应的数据通常具有某些统计规律。在知识的发现中，主要是利用数据挖掘来挖掘一些隐藏的和有价值的数据。
2.数据挖掘的需求
2.1主要业务
人力资源管理信息系统建设的核心是全面支持人力资源的集约化，主要体现在ERP系统，人力资源等各个模块的管理当中，最后是人事和劳动报表的统计方面。实际上，分析网格运营管理中数据挖掘的主要业务是从ERP系统的各个管理方面入手。在系统中，除人力资源管理外，最重要的是财务管理。相关的企业要对员工工资，成本管理，资产监控等模块进行财务统计分析是财务管理中数据挖掘统计的必要条件。财务系统管理可以改善企业的财务运作，提高企业的运营效率。另一方面，物料管理也是企业管理的重要组成部分，物料密集型管理也是主要业务之一。一般情况下主要包括材料的规划，采购，库存，分配和废物回收。可以在某种程度来说，这使得业务标准得到了提高。如果业务的具体实施方法已经标准化，那么这将使公司的整个管理系统更加完善。
2.2运营监控平台概述
要实现全面实施数据挖掘的功能模块，首先就需要使用大量的数据。因此，有必要在电力公司，主要是ERP系统，生产管理系统，材料分析和评价的所有管理系统中提取数据。待数据被提取之后，使用系统进行了分析。每个级别的网格系统的各个方面的材料使用的情况被单独分析，并且每个模块的内容根据不同等级的不同特征是不同的，但都包括公司代码，维护日期，电压电平等一系列参数。根据需要，我们可以根据时间的发展顺序进行数据挖掘，并可以实现各种分析方法，如统计分析和数据的预测分析。
2.3系统需求
系统的需求分为功能需求和非功能需求。在功能需求中终端客户可以根据一定的条件进行检索，在自动检索中，要根据不同的检索形式，不同的检索要求设置不同的程序算法。
期刊文章分类查询,尽在期刊图书馆而且根据数据挖掘的功能和要达到的目的来设置过滤的数据条件，对数据进行筛选。除了这些基础的设置，我们还需要采用一定的系统支持，主要采用ETL系统的支持，并最终选择要显示正确的端子。终端可以根据清晰度的要求进行选择，并且整个系统可以执行自动计算，这样可以更好的满足我们的要求。该系统的非功能性需求是指单个系统的结合，国家电网数据仓库，除了系统的基本操作，完成不同层次数据库的建设。在施工中，有必要通过普遍性和适应性和高效率原则的遵守原则，这样在不同的语境，不同客户的需求，可以更好地把工作时间缩短到一定程度，使得工作效率可以提高。
3.数据挖掘在电网运营监控中的应用
3.1系统框架
在操作监控平台，整个数据挖掘过程是数据的所有方面被发送到通过所述数据信道的数据处理中心，并且最终的处理结果通过显示终端显示。整个过程是通过三个部分，源数据，数据仓库进行实现，并最终显示。源数据通过传输之后，它在数据处理中心的进行分析，所有原始数据进行过滤，一些无效数据被过滤掉，以及潜在的有效数据被开采出来，然后通过分析最后呈现在终端上。在这其中最重要的就是数据挖掘处理，可以说它是整个框架的核心部分。右终端应该被选择来实现数据和综合监测，操作分析，协调控制，全景显示和综合管理信息显示的五个部分，这样可以更好的完成任务。
3.2数据仓库
数据仓库的建设在上文的数据挖掘的需求中提到过，这是系统的非功能性要求。基本上由ODS和DW/DM组成。ODS需要基于业务逻辑，其特定的操作过程由E-R模型反映，该模型由两部分组成：事务数据和主数据。原始系统的表应与ODS层的表结构一致。如果您需要进一步合并两者的数据，则需要设计合理的表格。DW/DM是多维度数据库的结构。根据数据的不同要求，这个多维度可以以不同的方式呈现，因此DW/DM具有多种配置。但从根本上说，这些维度是根据数据之间的包含关系设计的，可以更好的便于我们的检索和应用。
3.3数据挖掘模型与过程
设计好系统的框架后，可以通过确定的算法来实现具体的数据挖掘。该算法的选择和设计直接影响到数据挖掘的实现，所以我们必须要特别注意选择和设计的算法。整个数据挖掘过程可以分为两个步骤，首先是从数据源到ODS层，则ODS层DW/DM，这两者都是由ETL工具实现。一般为数据源，数据目标和对应关系，从系统的角度来看，这两个步骤由这三个基本元件来实现。数据源是数据的来源，这是指我们收集不完整的原始数据。数据目标指的是分析和处理，我们可以通过分析数据后得到的数据表，并且可以定期地显示的处理的数据。映射关系通常情况下是具体实施过程中，实现某种程序的算法。
4.电力企业一体化整合集成平台
电力系统信息化与智能电网建设相辅相成。在大数据时代的背景下，网格信息化逐渐显示出顽强的生命力和巨大的发展潜力。许多电力公司已经建立了集团统一的信息生产管理平台。在改革的基础上，大数据处理逐步应用于集团层面，建立了完整的统一生产系统和多业务平台。这种生产系统和多服务平台本质上是大数据时代背景下的数据集成分析处理平台。从系统架构的角度来看，涉及数据存储的数据架构，涉及数据分析和处理的技术和应用架构，以及上层业务架构都与大数据的提取和集成，分析和解释技术密切相关。因此，需要从上述角度深入考虑大数据时代电力公司的信息化建设，使大数据集成和分析平台更加高效，易用，可扩展。
结语：
综上所述，数据挖掘技术在电网运行监测中的应用可以对电力公司的管理带来极大的方便。随着云计算的发展，数据挖掘技术还将给我们带来了更深远的影响。不仅是在电网运营监控中，在其他很多数据处理的工作中，该项技术也可以被很好的应用，进而可以提高管理的效率，促进行业的智能化发展，从而带动国民经济的良好发展，使得中国可以更好的发展。
参考文献：
[1]孙艺新，谭忠富，闫庆友.基于蒙特卡罗模拟的电网企业运营监测指标与阈值研究[J].华东电力，2014（12）：2699-2703.
[2]王晓东，赵炜，郝军.以云技术为核心的智慧环保信息化系统在内蒙环境管理中的应用[J].环境与发展，2015（1）：97-100.
论文作者:佃桂文
论文发表刊物:《防护工程》2019年10期
论文发表时间:2019/8/9
标签：数据论文; 数据挖掘论文; 系统论文; 电网论文; 技术论文; 需求论文; 终端论文; 《防护工程》2019年10期论文;