数据挖掘在电力调度管理系统设计中的有效应用

数据挖掘在电力调度管理系统设计中的有效应用

郑韵

（国网四川省电力公司德阳供电公司四川省德阳市618000）

摘要：随着我国电力体制改革的逐步深入，电力企业市场竞争日益激烈，电力企业要想在市场竞争中占据有利位置，实际经营与发展过程中，务必要重视提高电力调度管理工作的有效性。现阶段，大数据处理理念逐步提出，大数据处理方式也已经在各行业领域中得到了广泛的应用，由于电力调度管理工作中需要处理的电力数据较为庞大，因此，加强数据挖掘在电力调度管理系统设计中的有效应用至关重要。本文主要就数据挖掘技术的主要分类和具体过程进行分析，并进一步研究了数据挖掘在电力调度管理系统设计中应用主要方式，望对未来数据挖掘在电力调度管理系统设计中的应用与发展提供相应借鉴。

关键词：数据挖掘；电力调度管理系统；设计应用

在大数据技术的不断发展下，人们对数据信息的需求增加，但现阶段社会发展中缺乏能够对数据信息进行有效分析和处理的工具，数据库系统也仅仅对数据信息简单处理，无法充分挖掘数据信息背后隐藏信息。电力调度自动化系统中包含大量电力数据信息，但实际应用中这些信息很难被完全挖掘出来，直接导致电力企业无法对相关信息进行深入剖析，也就无法为电力发展决策提供可靠的数据参考。但数据挖掘的出现则有效解决了这一问题，全面实现了对噪声数据、不完全数据的有效处理，因此，加强数据挖掘在电力调度管理系统设计中的有效应用至关重要。

1数据挖掘技术的主要分类和具体过程分析

“数据挖掘技术”其实指的就是从海量数据库中有效地挖掘出那些有价值信息的一个技术，即采用一系列先进的技术从大量的、有噪声的、随机的、不全完的数据中，提取其中有价值信息与知识的一个过程。数据挖掘的过程可以概括为：逻辑数据库→被选择的数据库→预处理后的数据→被转换的数据→被抽取的数据→被同化的数据。也就是选择、预处理、转换、挖掘、分析与同化，在确定业务对象之后，需要进行数据处理，在数据处理过程中，首先需要搜索和业务对象相关的数据信息，然后选择合适的数据，然后需要对数据做出质量研究，对数据挖掘技术类型进行确认，最后需要对数据予以转化，让其成为一个可以进行算法挖掘的分析模型。

2数据挖掘在电力调度管理系统设计中应用主要方式

2.1神经网络应用方式

数据挖掘技术可运用神经网络的方式将其应用与电力调度系统中，运用此技术，可实现电度调试自动化趋势发展，可将数据分布储存、自行处理、高度容错，它能为不完整、不精确、模糊的数据进行适当的处理，在电力调度自动化系统挖掘数据的过程中，运用神经网络可运用关联分析的方式进行数据逻辑处理，其包含以下几点内容，第一，将基础数据进行统一和整合，由于电力调度系统包含了较为复杂并且种类较多的数据，因此，通过神经网络将相关数据进行有效的整合和统一，促使数据形成一定的结构模板。第二，关联不同环节的电力调度，运用挖掘神经网络技术的方式来整理不同环节电流的参数和状况，能够有效的确保相关数据的整合性和关联性。第三具有一定的决策性和关联性，运用神经网络来对相关数据进行有效的整合，具有一定的决策性和分析性，可共享不同阶段的数据。

2.2灰色分析应用方式

在电力调度系统数据挖掘中，灰色分析法得到了广泛应用，即使数据完整性不强，灰色分析法也可以对其进行分析，但是，这种方法和模糊分析法相比并不能发挥出大数据功能。在电力调度中，短期的电力负荷预测是重要任务，以我国某个应用灰色分析法的电力调度自动化系统为例，在该系统中，可以分为数据处理模块、负荷预测模块和数据显示模块。在数据处理模块中，可以导入原始负荷数据、预测数据以及气象数据，预测数据为文本格式，系统主要对数据缺失与数据跳变两种异常数据进行处理。在负荷预测模块中，主要是结合该城市的情况，利用普通灰色模型、多变量灰色模型与人工经验模型对其进行负荷预测，其占用普通灰色模型适用于普通日期的预测，多变量灰色模型时根据气象资料进行预测，人工经验模型是根据电力局的相关数据进行节假日预测。在数据显示模块中，会通过列表方式与图形方式来显示历史数据，调度人员可以对当日数据状态与气象信息进行查看。在数据库设计中，包含了历史负荷数据库、预测数据库、气象资料数据库、数据状态与日期类型数据库。在应用此系统之后，当地对一周的数据情况进行统计分析，预测流程为程序选择普通灰色模型而做出的自动预测，具有良好的精准度。

2.3聚类分析应用方式

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。比方说，电力调度数据中的生产管理和控制两大数据管理，就是通过聚类分析法的方式，将大数据聚类划分，分为了四个子数据管理区，其中管理方面包括了电力调度自动化系统中有关电力的生产数据、电力出售的相关数据等；控制方面分为了三个子数据区：第一，电力调度的计划数据，包括电力厂发电的能力数据值、用户发电用电的数据等；第二，安全管理的数据，通过计算机对一些电压数据值、电压数据值等进行有效的监控，以确定自动化系统的正常运转；第三，监控数据，包括电量数据、实时电量、输出量等数据，以此提升对数据的掌控，加强电力调度自动化系统的使用。

2.4云计算应用方式

在大数据背景下目前虽然已经产生了云计算技术，但是它还处于发展期间，因此存在着一定的缺陷和问题，因此云计算应用与挖掘技术的过程中可通过以下几点入手，第一，合理的构建基础设备，在其创建的过程中应根据客户的变化要求，考虑不同行业之间的特点，建设合理的云计算挖掘系统，继而方便客户对相关数据的需求。第二，虚拟技术的出现，为云计算挖掘技术提供了有利的保障，在未来电力调试的过程中可借助虚拟技术，合理的将云计算挖掘技术应用到其中，在相关数据信息收集的过程中，合理的运用网络信息技术，能促使电力调度系统实现自动化体系，为相关工作带来了一定的便利，例如比特币最早是一种网络虚拟货币，可以购买现实生活当中的物品。它具有分散化、匿名等特点，仅能在数字世界使用，不属于任何国家和金融机构，并且不受地域的限制，可以在世界上的任何地方兑换它，此外，也被一些不法分子用于洗钱的工具。第三，通过运用云计算挖掘技术研发各种新型的产品，充分的了解客户和社会的需求，引起大众的关注度，继而可一生数据挖掘技术的个性化和多样化，为电力调度系统带来一定的便利。

结束语

综上所述，随着我国城市电网铺设范围逐步扩大，电力调度管理工作中需要处理的电力数据越来越多，为确保电力数据处理的及时性和有效性，加强数据挖掘在电力调度管理系统设计中的有效应用至关重要。因此，调度管理工作人员务必要全面掌握数据挖掘技术的主要分类和具体过程，再根据具体电力调度数据选取有针对性的处理方式，力求在确保电力调度管理质量的同时，提高调度管理工作效率，从而为电力企业发展赢取更多的核心竞争力。

参考文献

[1]何宇雄,苑晋沛,聂宇,等.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(4):143-144.

[2]聂宇,罗超,高小芊,等.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(3):143-144.

[3]张白林,姚亮,邵宁张,等.电网调度自动化系统中的数据挖掘技术探讨[J].科学与信息化,2017(25).