摘要：数据挖掘技术主要指的是一种数据库技术与人工智能技术结合的技术，利用一定算法，可以从大量的数据信息中搜索到所需信息。在电力调度自动化控制系统中应用数据挖掘技术具有重要意义，对于电力企业的发展和创新具有推动作用，同时可以让电力企业的经济效益得到提升。
关键词：数据挖掘；电力调度；自动化系统；应用
一、数据挖掘技术的含义
数据挖掘技术是未来一项非常重要的技术，是从大量数据中找出有特殊关联信息的一个过程，通过统计、分析、处理、检索、识别等方式得以实现，其中数据挖掘的实施一共有三个步骤，分别表现为：数据准备，将一些所需要的数据从相关数据中挑选出来，并进行整合；规律寻找，通过某种方法将挑选出来的数据中所含的规律找出；以及规律表示，则是将找出的规律通过简单能够理解的方式，展现给需要观看的客户或工作人员，以此提升工作的效率。另外，在对数据挖掘技术进行分析的同时发现，数据挖掘技术根据不同的领域其分类的方式也有所不同，大致分为两大类，分别为验证和发现两种驱动的数据发掘，验证驱动主要是针对之前提出的一些假设，通过各种手段方法对其进行验证的过程，在验证的过程中，会根据不同的情况选择不同的生成器，包括SQL和其生成器两种，其SQL生成器又可以分为查询以及在线分析处理两种工具；而发现驱动主要针对的是使用者通过学习、统计、整理等提出新的假设，并对新提出的假设进行推述和预测，在推述的过程中，进行信息的可视化、信息聚焦、对信息进行关联分析以及信息的统计四个环节；在预测的过程中，先将信息进行分类处理和统计回归的处理，在信息分类的处理中，需要将信息根据规则和神经元进行归纳，并制定出相对应的决策树。由数据挖掘技术的分析，可以得出，通过数据挖掘在电力调度自动化系统的应用，可以解决很多问题，包括电力调度的人员安排情况、校验电力使用情况、保护电力使用记录等，提高了数据信息的准确性。
二、数据挖掘技术及其原理
数据安全研究中心网站对数据挖掘的定义是：基于现实或虚拟的数据处理中心，围绕一个特定的研究对象或一个特别的研究目的，对数据进行采集、保存、分析等数据收集与管理。目前，正在建设并完善以数据采集、数据共享、数据分析为主要功能的智能型综合业务系统，数据中心功能架构图如图1所示。
服务架构是海量实时数据中心对外提供的各种服务功能的集合，具体而言，包括数据接入服务、数据采访和基础工具服务。利用海量数据，可以访问电力系统各业务流程的历史记录，提供各流程业务的标准、统一访问方法，并为跨专业、跨部门的分析及辅助决策提供必要的支撑。海量实时数据中心提供标准的业务应用数据接入方法，主要包括以下几种。
2.1实时/历史数据通用应用程序访问接口（UAPI）
利用应用程序访问接口将数据写入中心服务平台，以实现实时/历史数据接入。业务应用可以直接使用UAPI直接向实时数据中心写入数据，从而完成实时历史数据的接入。该接入方法可以适用于同在管理信息大区的业务应用接入，生产控制大区的应用由于单向隔离网闸而无法应用。
2.2E格式语言文件
E格式语言文件是国网公司制定的一种通用的实时数据传输标准，实现文本文件在单向隔离网闸的穿越传输，在调度与信息的数据交换领域得到了广泛的应用。该接入方法能够适用于所有业务应用的接入，由业务应用依据需求持续形成E格式文件并输送至实时数据中心的接入服务器，接入服务器负责解析E格式文件并调用UAPI将数据写入实时数据中心。
2.3实时数据接入通用规约
该通用规约基于TC/IP，通过网络通信报文的形式将业务应用的数据传输到实时数据中心的接入服务器，接入服务器负责解析该通用规约并调用UAPI将数据写入实时数据中心。考虑到单向隔离网间的特点，该通用规约在设计时不考虑应答报文，其目的是通过通信规约的形式。
2.4其他标准的规约和接口
对于电力行业及相关行业内比较成熟通用的标准规约和接口，实时数据中心都应提供支持。
三、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
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。
结语
总而言之，随着科技的不断进步，我国针对电力调度自动化系统的使用情况进行了创新，而数据挖掘技术在其中应用成功的与否，还需要专业的人员继续进行探究和实验，以确保我国电力调度自动化系统的升级和改造，进一步促进我国电力调度自动化系统的发展，实现真正的智能电网时代。
参考文献：
[1]朱维佳，曹坚.电力调度自动化系统中数据挖掘技术的应用[J].电气时代，2015.
[2]肖福明.浅析数据挖掘在电力调度自动化系统中的应用[J].通讯世界，2014.
作者简介：
王昊炜（1983-），江苏镇江人。硕士，高级工程师，从事电力系统自动化运维管理工作。（61006719@qq.com）
丁瑾（1985-），江苏徐州人，硕士，高级工程师，从事电力系统自动化运维工作。
钱汉（1993-），江苏镇江人，本科，助理工程师，从事电力系统自动化运维工作。
王东（1990-），安徽滁州人，硕士，助理工程师，从事电力系统自动化运维工作。
论文作者:王昊炜,丁瑾,钱汉,王东
论文发表刊物:《电力设备》2018年第34期
论文发表时间:2019/5/20
标签：数据论文; 电力论文; 数据挖掘论文; 自动化系统论文; 实时论文; 规约论文; 数据中心论文; 《电力设备》2018年第34期论文;