内蒙古 霍林郭勒市 029200
摘要：随着信息技术的发展，信息化管理正在改变我们的工作方式，管理信息系统已经渗透到几乎所有的日常工作。随着系统的运行，积累的数据也越来越多，大量信息在给人们带来方便的同时也带来了信息过量难以消化、信息形式不一致难以统一处理、信息噪声太大难以识别利用等问题。提高信息利用率、及时发现有用的知识将是下一步信息化建设的重点。
关键词：电力工程管理；数据挖掘；模型设计
随着数字技术在电力系统中的广泛应用，继电保护装置、自动装置、故障录波等智能电子设备也越来越多，各种独立的监控系统、操作规模和类型不是地理信息系统和管理信息系统的数据库，电力信息系统的数据呈增长。充分利用这些数据对操作人员进行原因分析，及时处理事故，评估继电保护和断路器等设备，很大的帮助电网的运行管理水平。
一、电力工程管理的特点
项目管理是一个对一次性、不可重复任务的管理，简单的进行两个项目的比较是没有意义的，进行工程建设项目数据的整理和挖掘显得更有必要。电力工程包括主网基建工程、配网基建工程、大修技改工程、生产运行抢修工程等类型，这些类型就其业务特点不同，工程项目管理也体现出不同的特点。主网基建工程管理强调时间管理、风险管理、质量管理，管理深度强。配网基建工程管理强调资金管理、物资管理、总体预结算管理，管理广度大。大修技改工程管理强调的是资金管理和设备管理，管理针对性强。生产运行抢修工程管理强调的是预案管理和物资管理，管理时效性强。
二、数据挖掘模型的设计
1、聚类分析法。聚类分析法是一类合理的分类数据方法。根据组对象的某一规则进行分类。这种分类不是事先给出的，而是根据数据的特征所决定。数据聚类被合成一种，最大程度上减少差别，提升相似度。因此训练集的划分与聚类问题是问题分析中的重点，我们应该找出属性分析的价值。聚类分析是重要组成部分对于传统计算法而言。伴随着科技的发展进步，数据挖掘技术提出了很多的经典算法。现如今聚类分析法在包含模式识别，数据分析与图像采集等领域得到了广泛的应用。依据对象采集的数据集，这些数据可以指人与单位等等。许多的选择聚类算法有两种数据结构形式。
（1）矩阵模型。采用P 变量指定N 个对象。这样的数据结构形式图可作为N×P 矩阵的模式。
（2）相异矩阵。其表现形式为一个N×N 矩阵。这里的d（i，j）所表达的含义和对象之间的不同的j，i，常常是一个正数，简化后的矩阵可以得到相似的数值，这就意味着我们计算的对象的相似度十分巨大。
2、体系设计分析。结合电力系统的实际问题， 利用很好的信息数据分析与挖掘技术，对决策支持体系的多角度进行整合。此项体系中显示了不同种数据与动态的条件，这能够轻松管理与灵活，快速的提取与查找信息，还揭露了电力市场的内在规律，和根据市场营销不同的要求，帮助管理者的电力客户结构与特征。在这样的体系中， 对现如今信息的整合主要考虑到客户的需要。数据被理解为解决电源的管理，包含了市场的需求，管理能力， 销售能力与重要客户的确定来全面的分析其他市场的数据。在电力管理分析体系中，客户能够收集不同的数据，建立起面向数据库中的对象。分析与销售客户的电力、供电、风险和客户关系，高级管理人员，营销总监和客户的关系，尤其是重要的客户，销售的收入与利润结构，重要的客户价值具有商业的风险。所有的数据都基于三个方面： 电源信息管理系统，采集监控系统与电源管理和分析系统。首先，在原始数据库中的数据是从大量的存储，数据相关的决策和减压的数据库系统，然后使用开发工具进行了分析。输变电工程项目中的前期、物资采购、设计任务都可能有完成时间大于工作量的情况，如果能通过数据挖掘得到不同项目属性中各子项目的工作量权重参考值，在工程项目进度管理中按权重进行各子项目的进度汇总，就能得到更准确的项目实际进度。对电源管理的设计和分析提供了建立的信息模型，在消除数据系统主要包含数据过滤、模型设计、分类挖掘的功能模块。此项数据是基本内容的表现，来满足不完整的数据需要。在整个过程要考虑三点即如角度，时间和原始数据。为了达成目的人们使用一个难以理解的模型。在该系统中，对原有的定性和定量分析和处理，将其转换为决策者的视觉信息，以确定最佳的管理决策。
三、数据挖掘在电力管理的应用
数据挖掘是利用人工智能的方法对数据库中的数据进行分析，以获取在数据挖掘过程中的知识。所提取的知识通常可以表示为一个概念、规则、模式等，可用于信息管理、查询优化、决策支持和维护过程控制和数据关联本身的数据分析。基于数据挖掘技术是一种重要的知识获取技术。如果值在2 个或更多的变量之间有一定的规律性，则称为相关性。相关分析是找到隐藏关联网络的数据库， 关联分析生成的规则是可靠的。数据挖掘有广义之说与狭义之说。广义上说，数据的挖掘就是在许多的信息中找到有用的知识信息。狭义上讲，数据的挖掘就是发现与建立重要的模型。数据挖掘的理论点就是为研究与开发项目确定了理论指导。发展数据的挖掘会涉足于好多领域的学科， 数据挖掘会涉猎与智能数据库， 知识的获取，数据的可视化，性能高的计算和数据挖掘等领域。专家系统是一种数据分析的方法， 其深刻的思想平台是一个数据仓库的数据挖掘体系可以分为三层。第一层就是数据的源程序。数据的挖掘是数据仓库的数据挖掘。但是换句话讲，仓库能够提高数据挖掘的速度。第二层是在数据库中，数据挖掘的工具方法。第三层就是用户的界面，这表明用户得到的信息是很容易理解和观察的。
目前，在这种新的“信息时代”很多的公司企业得到了很大的发展。赢家可以收集并且分析相关信息，提出有关信息等方面的决定。收集并分析了相关的信息，提出了有关信息等方面的决定。在信息和信息技术的快速发展建设中，数据挖掘技术得到了快速发展， 并应用广泛在电力行业的电力营销管理系统的客户系统中，其承载大量的历史依据。为了可以能够应对这些数据与分析体制，电力体系能够使用数据的挖掘技术，为决策者提供数据管理和分析系统， 数据挖掘可以收集客户数据的各种分散，建立不同的数据库，电力销售与电力供应与客户之间的关系。尤其是重要的客户，销售收入与重要的利润结构，成本与别的信息变化。在数据的挖掘中，一定要在挖掘的基础之上深刻理解不同对象的运用。
先前的电力工程管理模式难以满足电力发展的需求，在现如今的市场竞争压力如此巨大，在面对复杂多变的形势与如此多的社会发展的情况下，电力工程管理模式进行创新和改造，以满足当前社会进步的需求，大量的使用电力信息化建设与电力工业庞大的数据十分紧张， 开发决策分析体系解决了供电企业运行管理中的关键问题。根据数据挖掘技术的管理分析不难得出，设计时能够得出处理混合型的数据类型，能够得出很好的挖掘效果。要根据各个不同专业的工程数据库之间的编码联系建立统一的数据仓库，可以根据实际情况，选择不同的数据松散度，电力客户的聚类分析能够得到很好的划分，这样会对干预客户的买卖购买行为很有帮助的。
参考文献：
[1]卓枕警，周剑，周健.保护及录波信息处理系统在福建调度主站的应用[J].福建电力与电工，2016，24（1）：43~46.
[2]宗佩宏，慈济婷．学习近似的模糊规则从训练.模糊系统国际会议，2016（12）：29．
[3]桂强，刘意川，张沛超.高压电网故障信息数据挖掘系统的研究[J].继电器，2017，35（10）：37~40.
[4]李瑞，万明傲，潘宇．浅谈数据挖掘技术在电力管理系统上的应用[J]．信息科技，2017，16：15.
论文作者:朱珉达
论文发表刊物:《中国电业》2019年第11期
论文发表时间:2019/9/29
标签：数据论文; 数据挖掘论文; 电力论文; 信息论文; 客户论文; 模型论文; 工程管理论文; 《中国电业》2019年第11期论文;