（国网渭南供电公司 陕西渭南 714000）
摘要：随着科学技术的不断发展，大数据挖掘平台技术在价值利用上被充分的使用，与传统数据分析相比，挖掘出的数据更有效、合理。挖掘数据的方法和数据的处理虽然在方式上有些相同，但在挖掘过程中应根据实际有价值的指标进行研究、分析，以大数据挖掘为平台进行分析，对挖掘技术进行展望，探究大数据挖掘在电力运营监测工作的应用。
关键词：大数据挖掘平台；电力运营监测；应用
大数据，亦称巨量信息，维基百科中对于大数据的定义是：由巨型数据集组成，这些数据集大小超出人类在可接受时间下的收集、使用、管理和处理能力。大数据平台在电力运营中进行应用对于电力系统企业的指向作用非常强，可以说大数据挖掘平台是电力运营监测工作中的一个重要数据指导平台。
1大数据挖掘平台概述
1.1 大数据挖掘平台的背景在信息时代的激烈竞争中，作为供电企业，为了提高企业的管理水平，需要通过对公司的运营情况进行分析，全面客观的反映公司整体发展水平，不断提高企业的竞争能力。而进行分析，必须需要大量的数据作为技术支撑，下面，笔者就大数据挖掘平台技术对电力运营监测工作的应用进行探讨。
1.2 大数据挖掘平台的现状大数挖掘平台主要是利用平台系统与供电企业生产、经营、财务、物资、可视化个性展示、ERP、统一视频监控等多个系统中取数，通过接口接入海量数据平台中时行存储历史数据，及时收集当前的数据。任务是对数据（供电量、售电量、售电均价、线损率、电费收入以及其它的各项数据指标）分类以及对信息的预处理数据预测进行分析，可以进行数据的穿透查询，其中信息预处理是以由两个（监测和分析）或两个以上的变量值进行分析，得出两者之间存在的规律，称之为信息预处理。数据预处理有简单处理和复杂处理，目的是对数据库中的隐藏知识进行研究分析，结合相关重要的参数使得挖掘出的数据更符合应用的要求。数据的预测是结合历史的数据总结出数据的规律，对同一类型的数据进行比较，可以运用数据的预测方式使得挖掘技术更好的展现。
1.3 大数据挖掘平台的概念大数据挖掘平台是利用计算机软件应用技术大量收集数据，而人工系统的挖掘数量往往会给企业工作人员造成工作量，工作效率不高，而且不能确保数据的质量。数据挖掘是通过分析每个数据，从大量数据中寻找其规律的技术。近年来，数据挖掘技术引起了信息产业界的广泛关注，其主要原因在于存在大量数据，可以被广泛使用，且迫切需要将这些数据转换成有用的信息和知识。在人工智能领域，数据挖掘也习惯上被称之为数据库中的知识发现，一般应用于商务管理、生产控制、市场分析、工程设计和科学探索等领域。数据挖掘与传统的数据分析（如查询、报表、联机应用分析）的本质区别是数据挖掘是在没有明确假设前提下去挖掘信息、发现知识。数据挖掘所得到的信息应该具有先前未知、有效和可实用三个特征。数据挖掘发现的那些不能靠直觉发现、甚至是违背直觉的信息和知识，挖掘出的信息越是出人意料，就越有可能具有价值。
2大数据挖掘平台在电力运营监测中的应用趋势
2.1 大数据平台基础上运营的可视化这就要求电力企业首先要在电力运营监测平台的基础上构建标准化的运营体系。在电网和客户之间建立配电网枢纽，这在供电和用电关系中发挥着重要的作用。配电网抢修是在电力企业中最常规的、最常见的一项重要性工作，很多工作人员在工作中无法回避地会直接面对不同的客户更无法避免复杂的工作环境。因此，电力企业必须尽快摸索出一套具备推广价值的电力抢修可视化、标准化的工作与管理模式，并以电力抢修的标准建设与全过程的监督与考核作为基本抓手，提升抢修工作的精益化管理水平。
2.2 大数据平台基础上运营监测功能的实现这就要求电力企业从数据库的建立到运用过程中的不同环节和步骤，在已经确定业务对象问题方面提供相应的数据分析和监测功能。例如：对于10千瓦配网停运的监测，应手动导入数据，并对各地市的电力企业10千伏线路的停运状况进行汇总、统计、分析。
期刊文章分类查询,尽在期刊图书馆对于电力企业配网运行的监测，可以从数据库和数据中心汇总定期抽取ERP数据，并及时对这些数据进行处理和加工，同时，利用Tableau工具实现对重过载、低电压、三相不平衡事件的全面的监测。
3大数据挖掘平台在电力运营监测中的应用范围
3.1在电力系统动态安全评估中的应用有学者提出了基于人工神经网络和决策树混合方法在电力系统在线安全评估中的应用。文献1提出了电力系统在线动态安全预防中如何应用决策树技术来测试每个发电调度的动态安全性，并且通过发电再分配来提供正确的指导，优化发电容量，节约发电成本。如何使用 Kernel 回归树方法在线安全评估和监控电力系统，处理频率稳定性问题。如何描述从决策树学习中提取规则，并利用该规则来获得必要的控制措施，将暂态不安全稳定的电力系统保持安全的动态控制技术。
3.2在电力系统负荷预测中的应用电力负荷预测是电力调度一项非常重要工作，它关系到电厂各机组的运行计划。文献结合区域电网气象负荷数据库，设计决策树形式的数据挖掘模型，并应用于日负荷预测。以一种运用C4.5和CART算法的基于BP网络加权组合的数据模型，并基于此设计出一种高精度的短期负荷预测系统。运用时间序列模型使用已有的数据序列预测负荷，用自适应决策树对存储在数据库中的用户用电记录、季节、气候等相关属性进行聚类，制定合适的收费表，而且分析出用户与其他属性之间的相关联的一些特点。
3.3在电力系统故障诊断中的应用电力系统故障诊断是通过利用有关电力系统及其保护装置的信息来识别故障元件位置（区域）、类型和误动作装置，其中故障元件识别是关键问题。将基于事件序列的故障诊断模型用于高压输电线系统故障诊断领域，依据故障事件序列在时空特性上的关联性，用动态规划算法的优化相似性原理挖掘事件之间的关联性和蕴含的知识，将诊断问题的求解转化为寻求与实时故障事件序列模式最相似的，运算操作代价最小的标准故障序列模式，以实现对异常事件序列模式中的畸形事件的纠错，保证故障诊断系统的高容错性。基于粗糙集理论的故障诊断决策约简新算法，从而建立故障综合知识库用于电网故障诊断。论述了用数据挖掘技术对变压器油中各种气体成分进行聚类分析，从而可以再预先不知道变压器故障类型的情况下得出变压器油中各种气体成分含量与故障之间的直接关联，为故障诊断提供依据。
3.4在营销支持方面的应用基于电力营销的实际数据，从“量、价、费、损”等方面进行关联规则、聚类挖掘。比如讲用电客户根据其属性特性进行聚类分组，进行信用评价，防范恶意欠费。检测用电异常情况，防着窃电行为发生。
结束语:总之经济的发展、时代的进步、人们生活水平的提升、大数据时代的到来为电力企业的发展带来了新的挑战和机遇。信息技术的高速发展、网络技术的迅速普及，数据挖掘技术的高度发展都为电力运营监测带来了全新的挑战，因此，电力企业必须在海量的数据中不断优化和处理各种数据资料，通过分析对数据挖掘中存在的各种问题进行维护和分析，不断完善数据挖掘技术，为促进电力企业电力运营监测的发展奠定基础。
参考文献：
[1]李梦鸣. 大数据挖掘平台在电力运营监测工作的应用[J]. 科技创新与应用,2016,26:21-22.
[2]单世哲,檀蕴慧,高云峰. 浅析大数据挖掘平台基础上电力运营监测的应用[J]. 科技风,2016,20:13.
[3]蔡勇. 数据挖掘技术在电网运营监控平台建设中的研究与应用[D].上海交通大学,2013.
[4]江舞山. 基于网格的分布式数据挖掘体系结构的研究[D].重庆大学,2006.
[5]邱蓓. 县域电力生产业务运营数据的分析与应用[D].江西农业大学,2015.
[6]杨文轩. 基于大数据的城轨信号系统健康维护平台研究[D].北京交通大学,2016.
论文作者:缑媛媛
论文发表刊物:《电力设备》2017年第14期
论文发表时间:2017/9/1
标签：数据论文; 数据挖掘论文; 平台论文; 电力论文; 电力系统论文; 技术论文; 电力企业论文; 《电力设备》2017年第14期论文;