摘要：通常而言，电网资产管理贯彻于供电公司各生产业务范围，覆盖面较大、数量也很大。在电网资产信息化管理构建过程中，对电网数据丰富，信息不足的情况，倡导采用数据挖掘技术，这样一来可以给电网建设与运行提供更加可靠的支撑。本文从数据挖掘技术含义着手，分析了数据挖掘在电网资产管理系统中运用的重要性，并探讨了电网资产管理系统中数据挖掘技术的具体运用，以供参考。
关键词：数据挖掘技术；电网资产管理系统；应用
伴随着信息科学技术的持续发展，各个行业数据持续涌现出来，为了可以从海量的数据里面挖掘出有价值的数据信息，给人们生活与生产提供有效的支撑，相关研究人员提出了数据挖掘技术，该技术逐渐发展起来，并且在电网信息化管理业务过程中运用甚广。就以某电网公司而言，其经过长期发展，得到了很好的成绩。下面就针对数据挖掘技术在电网资产管理中的有效运用进行了简单的分析和论述。
一、数据挖掘技术含义
数据挖掘技术实际上是数据库知识发现的关键技术，其是由大量的、具备噪声的、不完全的、模糊性的、随机性的实际数据里面提炼出来的隐藏在之中的，人们不了解的，可是又具备一定价值的信息与知识的过程。数据挖掘技术被认定是发现知识中的特殊步骤，数据挖掘和发现知识间的关系，见图1所示。数据挖掘技术近期发展成了全世界比较活跃的研究领域，其融合了各种学科与技术，通过一些特殊算法从数据里面提炼出新的模式，进而从大量数据里面挖掘出隐藏的规律，借此提炼有效的知识，数据挖掘技术在现代社会发展过程中运用甚广。
图1
二、电网资产管理系统中运用数据挖掘技术的重要性
众所周知，电网资产数据本身具备了以下特征：首先，电网公司规模较大，电网资产覆盖社会每一个角落与行业，电网资产管理数据多且维度高，数据列多，整理起来比较困难。其次，在电力资产管理系统之中，采集的数据里面涵盖了各种参数，比如说设备型号与生产厂商、生产日期与功能等，并且还具备了专业覆盖层次甚广的特征，所以，资产数据质量管理不佳，对电网公司资产管理水平带来了不良影响。最后，电网资产管理公司多，牵扯到的专业也很多，对于电网资产属性层级管理混乱，上级公司不能综合掌握子公司资产，不能彻底了解自身家底，并且数据管理模式缺乏多样性，不一样的部门数据信息是以每一个部分自主处理的，仅作为简单参考，未能汇集在一起展开综合分析与挖掘，造成很多有价值的信息被掩埋。所以，电网公司亟需充分开展数据处理的数据挖掘平台。再者，电网公司数据量较大，质量不佳，可是对数据提出了高要求，如此就表明了电网公司需要数据挖掘技术处理大量数据，并且发现数据与数据之间存在的联系。
三、在电网资产管理系统中运用数据挖掘技术
（一）电网资产管理中数据挖掘的有效运用
伴随某电网有限责任公司资产管理系统的持续深入运用，可以得到的电网资产数据涵盖了电力基本数据与生产营销数据。基本数据就是用户基本信息、电网资产设备与基础建设管理信息、物资管理与GIS信息等。而生产营销数据涵盖了输电、变电以及配电这几个维度设备全生命周期数据与过程管理控制中的各种业务管理数据信息。借助这部分电网资产管理的数据，可以提供很多附加值较高的服务，能够实现比较科学的需求管理。而对于电网内部，不但可以从管理与生产领域中提升服务水平与质量，还可以保证电网安全运转。于电网以外，电网数据和行业外数据相结合，给企业管理以及客户服务等提供了一定的决策支持。
伴随数据挖掘与决策支持系统技术的持续健全，给管理决策人员提供了多种参考价值生产安全运转方案。比如说把生产管理与地理信息系统里面不集中的数据，还有外部环境数据等进行整合与排序，提炼成价值高的，支撑决策的电力生产智能大厦。需借助变电站与线路、气象与设备等各个角度分析重要业务与生产技术指标，全面掌握设备运转状态与特性，掌握设备的缺点。对出现的问题与故障等进行全面跟踪和分析，进行深入挖掘，进而严格把控电力生产阶段中可能出现的风险，引导基层确保设备完整，支持与辅助基层加强设备更新，提升运行效率，减少问题产生的几率，提升供电的可靠性。再者，大力支持负荷转移与设备维修决策，促使业务专责与生产管理者进行正确的判断，从而提高企业经济效益。
运用数据挖掘技术，对该电网资产管理系统里面的各种业务数据，例如维修管理信息、运行和缺点管理信息、停电和设备管理信息等展开全面分析，提炼出充分满足各个管理阶层的业务数据信息，进而从海量的数据里面挖掘价值高的信息，给电网生产提供一定的支持。
（二）电网资产管理系统在数据挖掘中跨行业运用
首先，城市管理精细化。区域群体行为分析，外国某大学研究人员按照大数据理论设计出了电力地图，把人口调研信息与电力公司提供的用户用电信息、以及地理和气象信息等统统汇集于一体，制备了区域地图。区域地图是以街区为单位的，呈现各个街区在当前的用电量，并且还能够把该街区的用电量和人的平均收入以及建筑物种类等作对比，继而取得较为精准的社会群体用电信息。
其次，城市基础设施智能化。城建规划管理，在城市规划中，分布式能源与应急灾害系统能够提供空气温湿度与企业等监测指标，融合电网GIS数据信息，能够对区域环境进行各个角度的监测，同时按照区域地理环境，给实际区域提供一定的数据监测指标，积极配合城市环境对标数据，对各区域属性进行明确标识，给城市规划提供一定的数据支持，经过数据指标可以真实反映出该区域能否居住，适于建设工业园区与否。
结束语：
以上所述，和以往的统计数据比较而言，数据挖掘技术更具对潜在问题与规律的计算能力与预见性。电力系统数据挖掘出去对系统中输电、配电等环节可以进行支撑与决策外，和系统外部数据的整理与挖掘乃智能电网支撑城市发展的核心体现。合理运用数据挖掘技术不但可以给人们生活预生产决策提供一定的支撑，同时还能够经过反馈技术持续采集数据，优化数据库，提高数据挖掘的可靠性。
参考文献：
[1]袁宝.电网企业实物资产账卡物一致性提升管理探讨[J].内蒙古科技与经济,2018(19):36-37.
[2]刘文霞,郝永康,张馨月.基于数字化技术的电网资产管理关键技术及应用[J].电网技术,2018,42(09):2742-2751.
[3]陶镇威.广西电网资产管理系统性能优化措施探讨[J].广西电力,2018,41(01):56-58+62.
[4]田园,杨东,李少龙.数据质量分析与整合在电网资产管理系统中的应用分析[J].中国新通信,2017,19(16):62-63.
论文作者:麦玮斌
论文发表刊物:《电力设备》2018年第31期
论文发表时间:2019/5/6
标签：电网论文; 数据论文; 数据挖掘论文; 资产论文; 技术论文; 管理系统论文; 信息论文; 《电力设备》2018年第31期论文;