摘要：随着我国科学技术的不断发展，各种新型技术被应用于电力行业中，极大推动了相关行业的发展，电力调动自动化系统就是其中的一种。近几年来，为了满足电力调动自动化系统的发展，数据挖掘技术逐渐受到了电力行业的关注。本文主要阐述了数据挖掘在电力调度自动化系统中的使用。
关键词：数据挖掘；电力调度自动化系统；应用
传统的电力调度系统中，能够掌握的数据只有电力设备以及电量等少量信息，功能也比较简单，无法实现复杂的电力数据处理与分析工作。借助于数据挖掘技术，电力工作者能够从大量的电力信息中准确挖掘出所需的信息，对于电力行业的发展起着重要的作用。
一、数据挖掘技术的含义
数据挖掘技术是现代信息技术发展的重要成果，广义的数据挖局指的是海量的数据信息中寻找到工作所需要的信息的过程，借助于计算机系统对于数据进行整理、分析、检索以及识别后完成数据挖掘工作。数据挖掘工作主要分为三个阶段，首先是数据准备，也就是在全部数据中将有关的数据进行筛选并进行整理；其次是寻找规律，也就是将挑选出的数据进行分析，寻找数据中潜在的规律；最后是规律表示，这一步主要是将数据间的规律使用浅显易懂的方式进行展现，将数字化的规律信息进行可视化处理。
在实际的数据挖掘工作中，经过技术分析可以发现，数据挖掘技术可以分为两大类，一类是验证驱动，另一类则是发现驱动。所谓验证驱动，指的是使用各种技术手段对预先提出的一些假设进行验证的过程，验证工作进行的过程当中，工作人员一般会根据实际情况选择不同的生成器，使用最为广泛的是SQL生成器；而发现驱动指的是系统用户借助于各种技术手段提出新的假设并对该假设进行预测以及阐述的过程，预测首先要对数据信息进行分类统计处理，分类处理时需要依据一定的规则对数据进行归类，制定对应的决策树；阐述过程主要是对数据信息进行可视化处理，之后进行数据的汇总、分析以及统计。将数据挖掘技术应用于电力调度自动化系统中，能够实现电力数据统一高效的处理，诸如工作人员的信息、电力信息以及工作记录信息等都能够及时的进行掌握，大大提升了电力行业数据管理工作的效率【1】。
二、电力调度自动化系统概述
电力调度自动化系统指的是以现代信息技术为核心构建的能够自动进行电力调度工作的系统。电力调度自动化系统对于保护电力系统的安全、保证电力系统的顺利运行起着不可或缺的作用。不仅如此，电力调度自动化系统能够提供电力系统运行的相关数据，为电力工作人员相关决策的制定提供可靠的数据基础。一般情况下，电力调度自动化系统由五个部分组成，分别是前置机、主备用服务器、网络服务器、卫星钟以及物理隔离开关。前置机主要负责借助远程终端单元（RTU）实现电力数据的收集汇总，并根据工作的实际情况接收一些系统的指令；主备用服务器是电力调度自动化系统的重要组成部分，负责监督电力调度自动化系统中每个工作站的运行情况；网络服务器主要负责监督系统数据信息的分布情况；卫星钟主要负责通过全球定位系统卫星进行时间比对，进而得到某地的时钟与协调世界时之差，得出系统时间；而物理隔离开关主要负责电力调度自动化系统数据的隔离应用的问题【2】。
三、将数据挖掘应用于电力调度自动化系统中的意义
首先，借助于数据挖掘技术，电力调度自动化系统工作所需的时间会得到明显的降低，进而提升电力调度自动化系统的工作效率；其次，借助于数据挖掘技术，电力调度自动化系统的管理应用水平能够得到提升，进而有效避免了由于外界客观因素对于电力调度自动化系统的影响；同时，数据挖掘技术能够从多个不同的角度对电力调度自动化系统中的数据进行分析处理；另外，数据挖掘技术能够为电网报告提供可靠的数据基础；最后，数据挖掘技术能够帮助电力工作人员实现电力数据信息的快速查询，大大提升了电力工作的时效性与准确性。
期刊文章分类查询,尽在期刊图书馆
四、数据挖掘在电力调度自动化系统中的应用方式
（一）神经网络
神经网络的英文缩写为NNs，也被称作称作连接模型，它是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。【3】随着现代信息技术的不断发展，现阶段神经网络技术已成为一种极为高效的信息技术。神经网络无需借助人工操作，能够自行进行数据处理工作，并能实现分布式数据存储，同时对于错误数据的容纳性也有着明显的提升。对于一些残缺不全或者比较模糊的数据，使用神经网络对其进行处理能够起到良好的效果。随着计算机技术的快速发展，神经网络技术已逐步应用于电力调度自动化系统中。一般情况下，神经网络主要包括前馈式、反馈式以及映射三种。神经网络的应用，首先要将电力调度自动化系统中的基础数据进行汇总整理，系统的数据量极为庞大，而且数据的种类比较复杂，但数据间往往具有一定的联系，借助数据挖掘技术，能够对其进行整合，将零散的数据整合成为一个完整的结构，使信息的读取及分析等过程更加便捷；其次需要整理电力调度工作的任务数据，保证数据的准确性，将隶属于不同环节的电力调度工作进行有机结合；最后需要将整理过后的数据进行再次整合，为电力调度工作决策的制定提供切实可靠的数据基础，并实现数据信息的高速共享。
（二）灰色分析法
灰色分析法也被称为灰色预测法，是一种广泛使用的数据挖掘技术，一般情况下，当电力调度系统中的数据出现在一个点上的时候就可以使用灰色分析法。灰色分析法一般用于预测电力调度自动化系统中产生的数据，更加具体地说，是对系统中部分数据或者不完整的数据进行分析预测，如果数据量较大，则灰色分析法的效果会降低。因此，使用灰色分析法之前需要分析数据总量。借助于灰色分析法，电力企业能够实现各项信息的预测，例如电力用户的用电量、电力销售额、电力系统的负载等，并对可能出现的情况制定针对性的预案，保证了电力系统的正常运行。
（三）聚类分析法
聚类分析法指的是将数据依照一定的特点进行分组并进行分析的方法，相较于灰色分析法而言，聚类分析法能够整理总量较为庞大的数据，因此应用更加广泛。该方法能够缩小不同类别数据之间的相似性以及关联性。
以电力系统中的管理以及控制方面的相关数据为例，聚类分析法能够将其划分为数个不同的子数据管理区，管理数据主要包括生产数据以及销售数据；而控制数据主要分为以下几种，首先是计划数据，如电厂的发电情况及电力用户的用电量等；其次是安全数据，如电力设备的额定电压值等；最后是监控数据，如实时电量以及输出量等。
结束语
借助于数据挖掘技术，电力调度自动化系统的工作效率以及工作质量能够得到明显的提升。【4】在电力行业快速发展的今天，电力工作者应认识到数据挖掘技术对于电力调度自动化系统的重要意义，加强电力调度自动化系统中数据挖掘技术的研究工作，提升电力企业的市场竞争力，为我国的现代化建设提供更加优质的服务。
参考文献：
[1]李琳，李淼，王志宏，刘紫玲，高永俊，韩明彤，张成，丁宝帅.电力调度自动化系统中数据挖掘技术运用分析[J].山东工业技术，2018（21）：163.
[2]李小丕.浅析电力调度自动化系统中数据挖掘技术[J].低碳世界，2018（08）：123-124.
[3]何宇雄，苑晋沛，聂宇，罗超，高小芊，寇霄宇，李蔚.试论数据挖掘在电力调度自动化系统中的应用[J].科技创新与应用，2018（04）：143-144.
[4]聂宇，罗超，高小芊，寇霄宇，何宇雄，苑晋沛，李蔚.基于电力调度自动化系统中数据挖掘技术的应用[J].科技创新与应用，2018（03）：143-144.
论文作者:岳倩
论文发表刊物:《电力设备》2019年第10期
论文发表时间:2019/10/18
标签：电力论文; 数据论文; 自动化系统论文; 数据挖掘论文; 技术论文; 工作论文; 信息论文; 《电力设备》2019年第10期论文;