关键词：大数据；挖掘平台；电力运营检测；应用
1 大数据挖掘平台的基本概况
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。是在互联网技术的基础上，对企业生产经营中相关数据的积累，对企业的决策有着重要作用。大数据挖掘平台是利用计算机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。
2 分析大数据挖掘技术
2.1借用大数据平台完善企业业务流程，弥补管理缺陷
主要表现在以下几方面：
①按照已有业务流程执行情况，通过绩效指标评价流程的执行效率。针对运行效率较低的流程内容，分析流程的合理性并找到其原因，从而提出流程的改善意见；
② 以流程环节绩效指标以及明细数据情况作为基础，根据企业以及行业的相关制度、职责、标准以及不同岗位的绩效情况，提出相应的改善措施；
③ 可以对企业不同部门之间协作性进行分析判断，从而弥补管理方面的缺陷，针对性的提出增强业务协作的相关建议。
2.2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[2]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。
2.3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。文献[3]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。
期刊文章分类查询,尽在期刊图书馆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
2.4 加强安全方面的保障力度，提高业务服务水平
① 要建立健全有关大数据安全方面的保障体系，通过信息技术以及互联网技术的进步来增强大数据背景下网络安全方面的技术研究，在此基础上建立起有关大数据的安全评价体系；
② 要逐渐完善企业数据安全技术建设，增强对大数据的安全保障力度，同时要进行有关大数据的安全监测以及预警工作，整体上提升业务服务水平。
3 大数据挖掘在电力运营监测中的具体应用
随着大数据时代的到来，电力企业应通过对海量数据的分析去努力探索电力运营检测中存在的联系和规律，建立以 GIS技术为核心的电力大数据平台，在可视化等高新技术的支撑下实现电力运营监测的创新。
3.1 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检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。
3.2 运营监控系统数据在电力营销方面的应用效果
电力运营监控部门可以通过远程视频技术不定期的巡查电力营业单位，及时发现营销过程中存在的问题。监测平台可以对电力系统中高压业扩流程进行实时在线监测，同时借用大数据的力量能够大大缩短营业窗口的巡查时间，从而得出业扩流程薄弱的时间点，进而很大程度上提高电力营业窗口的服务水平以及服务效率，降低相关用户投诉的概率，提升用户的送电时间。要积极进行工业方面大电量预测以及大电量需求的管理，要同时进行用电采集系统以及量价费损营销稽查监控业务，并加强线损治理方面的总结以及经验的积累。
3.3 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。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。
结束语：
随着信息的高速发展，数据挖掘技术在高速的社会发展下面临着诸多挑战，需要对数据挖掘技术必须作出优化处理措施。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]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）：163-164.
[2]陈雷.浅谈大数据时代电力运营监控数据处理技术[J].智能城市，2016，2（09）：46.
论文作者:范占强
论文发表刊物:《中国电业》2019年第14期
论文发表时间:2019/11/18
标签：数据论文; 电力论文; 数据挖掘论文; 电力企业论文; 技术论文; 平台论文; 序列论文; 《中国电业》2019年第14期论文;