摘要：电力工业在信息化建设的过程中，应用研究数据挖掘技术进行分析和决策可以解决电力企业的经营管理问题。在电力工程中，要结合电力管理的要点，利于数据挖掘技术进行数据的管理，分析系统的功能，对电力客户的数据进行聚类分析，提升管理水平。
关键词：电力工程；管理分析；数据挖掘
1. 引言
当前，数字技术广泛应用于电力系统，继电类保护、自动化设备、故障录波技术等各类智能化设备的使用数量也在逐渐增多。各类相对独立运行的监控设备在操作规模和类型上和信息管理系统中的数据库还是有区别的。由于电力信息系统的数据量在不断增长。数据可以帮助管理人员分析原因，处理产生的故障，特别是对于继电类保护装置和断路器等相关设备的管理，效果明显。
2 电力工程中传统管理模式的弊端
当前，在电力工程管理中有多种的管理模式，如业主自建模式、监理模式、CM 模式、PMC 模式和EPC 模式五个类型，这五种类型各有优点，但也有需要改进的。
2.1 业主自建模式
业主自主模式是电力项目管理中传统的模式。这种管理模式一直延用到今天。在这种管理模式下，业主自我管理由于没有临时的机构组织，所以会直接接受项目建设方的管理。由于业主受专业技术水平的限制，会导致项目建设管理的费用在逐年上升，原有的各类资源也不能得到充分的利用。发展到现阶段，由于市场经济体制的深化，这类管理模式逐步的被其它的管理模式所取代。
2.2 监理模式
为了进一步规范电力项目的管理，提升管理的质量，解决业主的专业知识和专业技能不足的弊端，出现了工程的监理体制，这种的管理模式由于有很多的优点，很多项目使用这种管理模式。监理模式主要面向三方，分别是业主、承包商和监理方。在项目实施中，业主要和承包商签订合同，明确监理单位的职责。但是受多种原因的影响，这样的管理模式并没有被广泛应用。
2.3 CM 模式
基于CM 模型的项目管理模式是近年来新产生的模式，这种模式的运行是业主将项目的管理委托给专业管理人员，包括设计与施工人员，可以用设计师的名义作为代表方，可以对项目实施高效地直接管理。业主和承包商的签订的合同中，管理费用包括成本和利润的两部分，这类管理模式在一些特殊的项目中使用，还有许多地方需要完善。
2.4 PMC 模式
PMC是从国外引进的项目管理模式，是英文Project Manage Company 的缩写。在PMC管理模式中，承包商会在全过程与全要素的管理中签订具体的合同，内容相一致，包括投资项目的实施，建设与结算。当前，受管理经验不足的制约，我PMC管理方式的应用范围并不广泛，相关人才的缺失是项目管理难以实施的关键。
2.5 EPC 模式
EPC 也是从国外引进的管理模式，是英文Engineering Procurement Construction 的缩写。EPC管理模式发展到今天已经相对比较成熟和完善了。在这种管理模式下，管理人员由专业技术人员组成，包含了项目设计，物料采购，项目施工与调试等各类专业人员。在这种管理模式下，项目的进度可以保证，项目中的分项管理也能够得到保障。在实际的实施过程中，有些工程的项目管理不符合规定，在总承包采购实施中，不按要求组织工程招投标，影响了总承包商作用的发挥，进而影响了施工的进度，项目的管理效率和项目的管理质量也降低了。此外，一些大型设备的购置在项目中占有很大的比例，如果项目管理运行中出现了问题就会影响工程进度，会影响到EPC总承包商的积极性，EPC管理的优势将不能有效发挥。
期刊文章分类查询,尽在期刊图书馆
3．数据挖掘技术的应用
数据挖掘技术的原理是借助人工智能对数据库中的数据进行智能化分析，在数据挖掘过程中的可以获得相关的信息。所挖掘出的信息通常可用概念、规定、模板等方式表达，数据分析可以用于信息的管理、查询、分析决策和数据维护过程中的控制，此外还有基于数据本身关联中的分析。数据挖掘技术是一种重要的数据分析技术。应用数据挖掘可以在多个变量之间建立规律性的联系，这种联系也可以称为数据的相关性。数据相关分析可以找到数据内部隐藏关联的信息。数据挖掘的目的就是在众多的信息中挖掘出有用的信息。数据的挖掘就是发现规律和建立模型的过程。数据挖掘的作用就是为项目的开发和利用提供相关数据的支持。数据的挖掘受多种学科，多个领域的影响，数据挖掘要智能数据库的建立相统一，将数据处理过程可视化，借助高性能计算机，建立数据挖掘的平台。专家数据系统是数据分析的一种典型方法，这种方法的原理是思想平台的建立。数据挖掘体系可以划分为三类。第一类是数据的源程序。数据的挖掘是数据平台上的数据挖掘。平台的建立提高了数据挖掘的效率。第二类是数据库平台的结构、方法及数据挖掘的工具。第三类就是用户获得数据的界面，这个界面将数据变为可视化，用户得到的信息被直接表示。
4．数据挖掘技术在电力工程管理和分析中的运用
数据挖掘技术收集并分析了大量的信息，可以利用相关的信息进行决策。当前，信息技术在快速发展，数据挖掘技术也有了很大的进步，数据挖掘技术应用在电力行业，可以用于电力营销系统的客户管理中。电力体系应用数据挖掘技术，为决策者提供了数据依据，并可以对管理效果进行分析评价。通过收集客户各类数据，建立信息数据库，进行数据挖掘，可以改善电力销售、电力供应和客户之间的关系。对于重要的客户，由于是销售收入的主要来源，更要注意利润成本中的信息变化。在数据挖掘技术中，要在挖掘的基础之上针对不同对象的运用不同的方法。
5．电力数据挖掘算法的分析
5.1 聚类分析法
聚类分析法是一类科学的数据分类方法。它会针对组对象的某一类特点进行分类。这种分类的基础不是原有的，而是对数据的特征进行分类产生的。数据聚类会成为一种特性，可以消除差别，相似点趋于相同。这其中，集的划分和聚类是数据分析的关键，通过数据分析属性，找出内在的价值。聚类分析的方法相对传统算法而言比较特殊。随着计算机技术的发展，数据挖掘技术可以通过更多的经典算法来实现。聚类分析法应用在模式识别、数据分析和图像采集等不同领域中。
5.2 体系设计分析
电力系统的许多实际问题，可以利用数据挖掘技术得出许多有用的信息，对决策体系的提供了多方面的数据支持。数据体系中包括了不同类别数据的动态模式，利用数据挖掘快速的提取信息与查找数据，可以显示出电力市场中隐含的运行规律。与市场营销系统融合，可以分析电力客户的结构和特征。在这样的数据分析过程中，信息的融合主要考虑到营销的需要。数据挖掘内容面对的是市场的需求和管理变革，销售与重要客户的关系分析保证市场营销的针对性。在电力管理系统中，收集不同别类的数据，需要建立数据库。所有的数据都来源于信息管理系统、信息采集监控系统和电能管理分析系统。
原始数据库中的数据来源于大量存储的相关数据，对于这些数据利用开发工具进行分析，然后建立决策模型。数据系统中工具包含数据过滤功能，可以模型的引导下实施数据的分类挖掘。在数据处理系统中，对原有的数据进行定性或定量分析和处理，会转化为决策者的可视信息，为确定最佳的管理方式提供决策依据。
6.结束语
由于原有的电力工程管理模式不以适应电力发展的变化，面对市场竞争，面对社会发展的新需求，电力工程管理模式要主动进行创新，主动应用新技术，依据数据挖掘技术可以为用户提供更加优质的服务。
参考文献：
[1]洪国涌，崔庆橡木，穆克涌．现代企业利用信息增益近似规则[J]．IEEE国际模糊系统会议录，韩国，汉城，2012，8（22—25）：1．
[2]宗佩宏．学习近似的模糊规则从训练.模糊系统国际会议，2015（12）：256—259．
[3]桂永强，刘意川，张沛超.高压电网故障信息数据挖掘系统的研究[J].继电器，2014，35（10）：37—40.
论文作者:李宁
论文发表刊物:《电力设备》2017年第21期
论文发表时间:2017/11/30
标签：数据论文; 数据挖掘论文; 管理模式论文; 电力论文; 模式论文; 技术论文; 信息论文; 《电力设备》2017年第21期论文;