摘要：电力系统主要包括发变电以及输配电部分，属于动态的系统。这就造成了系统运行过程中会出现大量的数据，在一定程度上限制了电力系统的发展。电力系统运营监控中心主要是对系统运行过程中所产生的数据进行监控，从而及时发现业务流程中存在的问题，并对其进行优化完善，加强部门之间的协同，促进电力系统高效运行。在本文之中，主要是针对了大数据时代电力运营监控数据处理技术进行了全面的分析研究，并且在这个基础上提出了下文中的内容，希望能够给与同行业进行工作的人员提供出一定价值的参考。
关键词：大数据时代；电力运营；监控；数据处理；分析
1导言
现如今，发电企业每天将会在系统内产生大量关于能源的用量以及发电机组运行过程中数据，然而在供电企业之中，每一天都将会出现大量的运营数据。然而对于这些数据来说，怎样采取现代的手段和技术，并且从中挖掘其数据所存在着的价值，更好的为电力企业改进决策以及降低成本提供出依据，这已经是成为了电力系统中引起越来越多人关注的话题。
2电力大数据时代的概述分析
目前很多的观测数据直接的反映出了繁杂的网络系统，但是由于这些数据通常只是孤立存在的数据点，这样将会难免的反映出数据网络显得并不是很全面，所以要想完成数据的集成，让数据更加完整的为我们解决问题。根据电力企业来说，要是仅仅只是关系发电量方面的数据，这样便会只得到发电量的数据，但是线损以及用户用电等数据都是和发电数据存在着紧密的关系，所以可以通过合理的应用模糊分析的方法，从而直接的思考各种数据之间的参数，对于繁杂的网络中各种联系做出相应的分析，这也是对于发电企业一个不小的挑战。由于很多发电和供电企业并没有完善的信息系统，导致电力的生产营销数据存在着独立，要想对其进行解决必须要集合发电、变电以及输电等各个方面的数据，也就是必须要去思考如何将这些数据进行有效的融合。
3电力企业在大数据时代背景下的数据挖掘技术
在我国电力市场化运行的过程中，垄断的模式、电力的转运模式以及发电竞价的模式主要是其大致的一个发展历程，目前也是向着配电网开发模式进行过度。然而高质量的数据过度的过程中主要是实现大数据功能的基础，然而领先数据挖掘技术则是过度过程中功能发挥的必然方式，但是要使领先的数据挖掘技术可以提供出一些隐蔽以及实时的信息，必须要求大数据环境的高质量，不然如果是在喧闹的环境之中，就算是在先进的数据挖掘技术，也没有办法能够提并处有效的信息，然而主要都是一些垃圾信息。
3.1数据的挖掘技术分析
针对于数据的挖掘技术来说，其主要是通过对海量的数据进行建模，同时也是通过了数理模型来对其企业的数据做出有效的整理和分析，从而能够帮助企业对于不同的客户以及不同市场的划分做出充分的了解的一种技术方法。要是云计算可以为海量的分布电力数据可以提供出存储以及访问等方面的平台，那么在这个平台上面所挖掘的数据时存在着一定的潜在价值，能够更好的为其电力的用户以及电力企业提供出相应的服务，与此同时也会成为云计算的最终发展方向以及成为大数据的技术核心议题。
针对于电力系统来说，其主要是一个较为复杂的系统，具有着数据量十分的庞大，并且是在电力企业进入到大数据的时代之后，仅仅只是电力设备的运行以及电力负荷的数据规模便是十分的惊人。所以，如果要是依靠传统的数据处理方式并不能够对其进行充分的解决，然而数据的挖局技术能够更好的为这个问题进行加解决提供出全新的思路。针对于数据的挖掘技术来说，在电力系统的负荷预测以及电力系统的状态检测和电力用户的特征取值等方面具有着十分良好的应用前景。
期刊文章分类查询,尽在期刊图书馆
3.2电力大数据时代下的数据挖掘技术思考分析
针对于我国的电力市场化在进行运行的过程中，运行的模式主要是经历了垄断的模式以及发电竞价的模式和电力市场的运转模式，现目前正在积极的向着配电网的开放模式进行发展。在这个阶段中，高职的数据主要是大数据的功能可以得到有效发挥的前提，一个先决的数据挖掘技术主要是大数据的功能发挥必要手段。在国际的数据公司之中支出，大数据的时代背景之下，新的额数据类型以及新的数据分析技术所存在着的缺失依然是阻碍了企业发展的一个关键因素，并且对于该问题来说，主要是存在于电力企业之中。然而一个先决的数据挖掘技术只有在高质量的大数据环境下才可以提取出一些有用的信息。不然就算是数据的挖局技术在县级，那么在一个充满着噪音的大数据环境下也只能提取出一些毫无意义的垃圾信息。
4系统数据处理分析
4.1监控数据类型分析
一是基础型数据；主要指的就是电力企业在实际生产时能够的得出的数据，主要包括发电量以及电能质量、电压稳定性等。对于运营监控系统而言，进行监控的就是基础型数据，因此相关的电力部门和业务系统不仅要保证基础数据具有完整性，同时也要具有准确性。二是电力企业的运营数据；指的是现阶段电力企业生产和业务执行时出现的数据，主要包括电力销售量数据、电量交易价格数据以及用电客户数据等。在一定程度上通过数据进行分析和处理能让企业在实际运营过程中知道应该重点关注的内容，充分为企业营销决策中提供相对来说比较准确性的指导意见。三是电力企业的管理数据。指的是企业一体化平台、ERP以及协同办公等方面数据。它和前两种数据存在不同，只能在特殊条件下才能进行共享。对其进行分析和处理，能利于相关部门工作的有效展开。
4.2对于监测异动数据处理分析
企业在实际中也会存在异常情况，在一定程度上出现异动数据，通过对它们实施有效的处理和分析，能进一步加强企业对突发问题进行处理的能力。运营监控系统出现的异动情况的管理三个部分，一是异动产生；二是异动处理；三是异动统计。而异动类型主要分为：业务异动；所谓业务异动是按照业务相关规则，在业务数据中能够发现异常变动。可以将其有效的分成流程异动、明细数据异动以及指标异动等；接口异动制指的是对数据传输接口监测中能充分的发现接口异常的过程中就会出现接口异动；对于数据质量异动，制定额就是根据配置原则及时有效的检测数据的完整性、数据的及时性和数据的主权虐星，如果检测过程中得到的信息不是很完整，或则信息存在不及时的话，就会进一步出现异动信息。
5结论
对大数据进行分析、总结以及处理可以得出准确及时的信息，这对于电力系统运行来说具有非常重要的作用。所以，在大数据时代背景下，电力运营监控部门要增强对电力系统数据的分析、总结、处理以及应用，对于不同类型的电力自动化系统，这些数据分析内容可以对怎样实现电力自动化数据提供针对性的指导，在一定程度上有助于大数据时代电力系统数据处理以及应用的快速发展。
参考文献
[1]卢莎.大数据时代电力运营监控系统数据处理的简要介绍[J].机电信息,2015,36（08）163-164.
[2]任争,董莉丽,史泽,张海容,郑敏.数据挖掘技术及其在过程监控中的应用[J].黑龙江科技信息,2016,09（07）123-128
[3].中国电力科学研究院“二零八科学会议”专家观点——大数据时代大电网安全与运营基础理论、关键技术及发展趋势[J].电力信息与通信技术,2016,07:1-5.
[4]周国亮,朱永利,王桂兰,宋亚奇.实时大数据处理技术在状态监测领域中的应用[J].电工技术学报,2014,13（07）432-437.
[5]范冠鹏,潘亚培,王亚赛.基于SAW和STM32的温度监控系统设计[J].压电与声光,2015,04（08）684-688.
论文作者:陈奕帆
论文发表刊物:《电力设备》2017年第11期
论文发表时间:2017/8/1
标签：数据论文; 电力论文; 异动论文; 技术论文; 数据处理论文; 电力系统论文; 电力企业论文; 《电力设备》2017年第11期论文;