国网太原市晋源区供电公司 山西太原 030025
摘要：在电力调度自动化系统中，其数据信息包含了设备信息、电压信息等多种实用信息，对其进行准确查找具有重要意义。数据挖掘技术是一种人工智能和数据库技术结合的新型技术，而电力调度自动化系统主要用于在线调度生产运行，能够传输运行信息，分析决策和控制等。电力调度自动化系统与数据挖掘技术中大量数据的分析处理完美结合，能够满足人们对知识的需求；同时电力调度自动化控制系统中挖掘技术的应用，实现了对电力数据的准确收集和整理，具有广阔的应用空间和实际应用的意义。在数据挖掘技术和电力调度自动化系统的基础上，探讨了数据挖掘技术在电力调度自动化系统中的应用。
关键词：电力调度自动化系统；数据挖掘技术；应用
在大数据技术的不断发展下，人们对数据信息的需求增加，但是现阶段社会发展中缺乏对数据信息进行有效分析、处理的工具。数据库系统也仅仅是对数据信息的简单处理，无法充分挖掘数据信息背后的隐藏信息，因而无法发挥出数据信息在人类社会发展中的重要作用。电力调度自动化系统中包含大量电力数据信息，但是在实际应用中这些信息是很难被完全挖掘出来的。数据挖掘的出现有效解决了信息无法充分挖掘的问题，能够实现对噪声数据、不完全数据的有效处理。在数据挖掘中，关联规则数据是数据挖掘的重要课题，通过关联规则能够发现不同数据库数据信息之间的关联，为数据挖掘提供有力支持。为此，文章重点分析基于关联规则的数据挖掘在电力调度自动化系统中的应用。
1 数据挖掘技术的含义
数据挖掘技术是未来一项非常重要的技术，是从大量数据中找出有特殊关联信息的一个过程，通过统计、分析、处理、检索、识别等方式得以实现，其中数据挖掘的实施一共有三个步骤，分别表现为：数据准备，将一些所需要的数据从相关数据中挑选出来，并进行整合；规律寻找，通过某种方法将挑选出来的数据中所含的规律找出；以及规律表示，则是将找出的规律通过简单能够理解的方式，展现给需要观看的客户或工作人员，以此提升工作的效率。
期刊文章分类查询,尽在期刊图书馆另外，在对数据挖掘技术进行分析的同时发现，数据挖掘技术根据不同的领域其分类的方式也有所不同，大致分为两大类，分别为验证和发现两种驱动的数据发掘，验证驱动主要是针对之前提出的一些假设，通过各种手段方法对其进行验证的过程，在验证的过程中，会根据不同的情况选择不同的生成器，包括SQL和其生成器两种，其SQL生成器又可以分为查询以及在线分析处理两种工具；而发现驱动主要针对的是使用者通过学习、统计、整理等提出新的假设，并对新提出的假设进行推述和预测，在推述的过程中，进行信息的可视化、信息聚焦、对信息进行关联分析以及信息的统计四个环节；在预测的过程中，先将信息进行分类处理和统计回归的处理，在信息分类的处理中，需要将信息根据规则和神经元进行归纳，并制定出相对应的决策树。由数据挖掘技术的分析，可以得出，通过数据挖掘在电力调度自动化系统的应用，可以解决很多问题，包括电力调度的人员安排情况、校验电力使用情况、保护电力使用记录等，提高了数据信息的准确性。
2 数据挖掘技术的分类及过程
数据挖掘技术可以分为发现驱动的数据挖掘技术和验证驱动的数据挖掘技术这两种类型，前者主要指的是用户利用机器进行学习，可以发现新的假设，在此过程中，需要分析人员进行参与，后者主要指的是用户对之前自身提出的假设，利用一定技术对假设进行验证。数据挖掘的过程可以概括为：逻辑数据库、被选择的数据库、预处理后的数据、被转换的数据、被抽取的数据、被同化的数据。也就是选择、预处理、转换、挖掘、分析与同化，在确定业务对象之后，需要进行数据处理，在数据处理过程中，首先需要搜索和业务对象相关的数据信息，然后选择合适的数据，然后需要对数据做出质量研究，对数据挖掘技术类型进行确认，最后需要对数据予以转化，让其成为一个可以进行算法挖掘的分析模型。
3 数据挖掘在电力调度自动化系统中的应用
3.1 基于周期性关联规则挖掘的数据分析系统平台
在社会经济的发展下，电力调度自动化系统从原来的实时性监控报表查询系统转变为智能调度自动化系统，高级应用软件的应用促进了电力调度系统朝着智能化的方向发展。基于周期性关联规则挖掘的数据分析系统平台选择微软的6BDC平台，在该平台的支持下为电力调度系统运行提供了丰富数据资源的支持，且具备强大的数据库访问能力。
3.2 基于数据桥的数据集成模块设计
在电力调度自动化系统的应用中存在多个标准，这些标准对分布式电力系统发展起到了重要作用，但是在各个数据集成规约不同的影响下，电力企业发展容易出现信息混乱的现象。为了避免这种现象的发生，在数据集成模块中需要进行数据清洗操作。
3.3 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。
总结：总而言之，随着科技的不断进步，我国针对电力调度自动化系统的使用情况进行了创新，而数据挖掘技术在其中应用成功的与否，还需要专业的人员继续进行探究和实验，以确保我国电力调度自动化系统的升级和改造，进一步促进我国电力调度自动化系统的发展，实现真正的智能电网时代。
参考文献：
[1]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（7）.
[2]于存水.基于智能电网调度系统的调度监控平台的设计与实现[D].吉林大学，2013.
[3]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）.
论文作者:师丽斌
论文发表刊物:《建筑学研究前沿》2018年第15期
论文发表时间:2018/11/2
标签：数据论文; 数据挖掘论文; 电力论文; 信息论文; 技术论文; 自动化系统论文; 周期性论文; 《建筑学研究前沿》2018年第15期论文;