崔志强
国网冀北电力有限公司迁安市供电分公司 河北迁安 064400
摘要：在传统的电力调度方面，对数据的掌控仅限制于电力设备、电量等信息的管理，提供的只有简单的常规性信息以及检索等功能，对数据的分析和决策始终无法满足，因此一些比较复杂的电力管理和和决策都需要使用数据挖掘新型技术，但是目前因为一些电力调度的管理人员对新型技术不够重视，导致目前数据挖掘在电力调度自动化系统中的应用不够，因此文章根据数据挖掘的含义，对数据挖掘在电力调度自动化系统中的应用加以分析。
关键词：电力调度自动化系统；数据挖掘技术；灰色分析；神经网络
引言
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。文章首先对数据挖掘技术的分类及过程予以说明，然后对数据挖掘技术在电力调度自动化系统中的应用必要性进行分析，之后结合实例，针对电力调度自动化系统中数据挖掘技术的具体应用展开研究。
1 我国电力调度自动化系统的发展现状
使用现代化信息技术可以有效地将电力调度进行合理分配，从而促进电力行业快速发展。随着社会快速的发展，科学技术的进步，我国现代化信息技术已经取得了巨大的进步，加之电力调度工作难度也在逐渐增加，传统的电力调度自动系统已经跟不上社会发展的脚步与电力行业发展需求。对于这一现象，我国电力行业正在进行全新的改革，传统的电力调度系统已经慢慢的朝着信息化的方向发展，电力调度系统也在不断地创新完善。不过在这样的电力改革过程中，电力调度自动化系统的信息和网络已经让电力调度系统的使用安全形成一定的隐患，甚至出现一些数据丢失、系统破环等现象，这些问题的出现阻碍了电力行业的发展，渐渐成为了电力行业在未来发展所关注的焦点。
2 电力行业自动化系统中的数据类型分析
2.1基础类相关数据
此种类型的数据主要是一些和设备属性相关的数据，比如变压器、发动机等数据，这些数据需要电力单位结合自身的数据规划进行相应的管理，而且还需要利用数据服务器使所有的数据实现同步，将这些数据统一存储到调度中心，然后再开展专门的整理和计算。
2.2实时类相关数据
此类数据则是电力行业自动化系统在实际运行过程中所得到的相关数据，由于数据量很大，所以对于存储空间的要求也会更高一些。这些数据都是产生于具体运行过程中，所以需要对其进行专门的处理之后提供给调度部门，为其制定决策提供依据。我国在电力系统的实时数据方面比较成熟，一般收集到的数据只需要建立比较稳定的接口就可以提高其准确性。
2.3日常管理类相关数据
此类数据包含电力行业自动化系统中各种相关的数据，也包括各个部门处理电力系统运行过程中出现的问题之后得到的数据信息等，但是这些数据一般只会在特定的范围之内进行共享和同步，因此，需要建立专门的同步和共享平台。这些日常运行中产生的数据会在某种程度上反映出电力设施设备的情况，也便于其他部门获取日常管理数据。
2.4市场经济类相关数据
电力系统随着我国市场经济体制的不断完善，所带来的经济效益逐渐凸显，因此，在其运行中所得到的相关数据对于电力单位的发展产生十分重要的影响。市场经济类数据也可以为城市建设中电力行业的整体规划制定提供比较完整全面的参考依据。
期刊文章分类查询,尽在期刊图书馆
3 数据挖掘在电力调度自动化系统中的应用方式
3.1以神经网络方式在电力调度自动化系统中进行应用
神经网络现如今已经成为非常先进的一种智能技术，本身具备对数据自行处理、将数据进行分布存储以及高度容纳错误数据等特征，对处理模糊、不完整以及不准确的数据等非常的适合，通过对计算机精算能力的使用，对电力调动自动化系统数据进行了深入的挖掘和分析，一般常用的神经网络方法有前馈式、反馈式以及映射三种神经网络模型，而神经网络方法的使用，对数据的整理和分析准确性非常重要，而且使用这种方法，可以将电力调度的各种数据进行关联分析，实现了数据的逻辑性。对此，首先需要电力调度的自动化系统中包含的基础数据，虽然数据的数量庞大复杂，甚至种类繁多，但是这些基础数据在一定的程度上有着紧密的联系，可以使用数据挖掘的技术将其进行整合统一，并形成结构模式，使其能够更加方便数据的查询、统计、分析等，确保数据存在的完整性和一致性，保障电力调度的顺利实施，形成一种神经网络系统，进行统一数据管理；其次，将电力调度过程中的相关的任务数据，不同环节不同的电力状态和参数，通过同样的数据挖掘神经网络方法进行整理，并确保在不同环节的电力状态和参数准确性，以及过程中会出现的一些影响和修改，实现不同环节电力调度的关联；最后，将这种神经网络方法应用于电力调度自动化系统中，将整理出来的数据进行整合，并供其他的电力调度工作环节进行分析和决策，将数据实行大范围的共享。
3.2以灰色分析法在电力调度自动化系统中进行应用
灰色分析法又叫做灰色预测法，当所需要的电力调度数据出现在一个点上时，就会使用这种方式进行数据挖掘，这种数据发掘方法的使用，是非常普遍的一种，主要用于对电力调度自动化系统产生的数据进行预测分析，其主要的就是对有限的数据和一些电力调度过程中出现的不完整数据进行分析，但是一旦遇到比较庞大的数据，就无法实现最优化功能，因此在对电力调度自动化系统产生的数据进行挖掘时，需要对其涉及的数据进行分析，确定其数据的分类是电力生产数据还是电力销售环节的数据，包括这些数据之间还或多或少存在着一些直接转换的数据处理，因此通过灰色分析法对数据进行挖掘，需要对电力调度中出现的一些设备数据参数进行了解，包括用户的用电情况数据预测、电力的销售情况预测、短期或者超短期内自动化系统以及母线存在的负荷数据值等，电力自动化系统会根据以上的这些预测的数据进行分析，制定电力调度的边界电量，并且确保整个电力调度自动化系统的正常运行，使整个数据的收集更加的可靠，以便后续工作的参考。
3.3以聚类分析法在电力调度自动化系统中进行应用
聚类分析法在电力调度自动化系统中的应用，同分类法有所类似但两者的目的不同，分类法更注重的是将数据项映射到给定的数据类别中，但是聚类分析法更多的是针对数据同异进行类别划分，更期望数据的全面性和综合性效果，因此这种方式的应用也比较广泛，将灰色分析法的缺点进行了弥补，使庞大数据量的整理更加的整洁，并且缩小了不同类别之间数据的相似性和关联性。比方说，电力调度数据中的生产管理和控制两大数据管理，就是通过聚类分析法的方式，将大数据聚类划分，分为了四个子数据管理区，其中管理方面包括了电力调度自动化系统中有关电力的生产数据、电力出售的相关数据等。控制方面分为了三个子数据区：（1）电力调度的计划数据，包括电力厂发电的能力数据值、用户发电用电的数据等，（2）安全管理的数据，通过计算机对一些电压数据值、电压数据值等进行有效的监控，以确定自动化系统的正常运转，（3）监控数据，包括电量数据、实时电量、输出量等数据，以此提升对数据的掌控，加强电力调度自动化系统的使用。
结束语
在电力行业自动化系统当中应用大数据可以使数据处理的效率和准确率得到提高。本文主要对电力自动系统中的数据类型进行分析，然后设计以大数据为基础的电力行业自动控制平台，实现对电力故障的实时监控和分析，最大限度降低电力故障的发生率。
参考文献：
[1]刘丛乐.电力调度自动化系统的应用现状与发展趋势[J].通信电源技术，2013，30（05）：105-106+109.
[2]梁敏.电力调度自动化网络安全与现实的研究[J].科技创新导报，2013（25）：3.
[3]陈婧雯.电力调度自动化安全防护问题分析[J].科技传播，2013，5（12）：47+38.
[4]李耿.有关电力调度自动化的网络安全问题思考[J].科技与企业，2012（20）：57.
[5]张艳.电力调度自动化系统的应用和发展[J].科技视界，2012（28）：387+376.
[6]王保义，邱素改，张少敏.电力调度自动化系统中基于可信度的访问控制模型[J].电力系统自动化，2012，36（12）：76-81+115.
论文作者:崔志强
论文发表刊物:《防护工程》2018年第11期
论文发表时间:2018/9/30
标签：数据论文; 电力论文; 自动化系统论文; 神经网络论文; 数据挖掘论文; 电力行业论文; 分析法论文; 《防护工程》2018年第11期论文;