基于数据挖掘和云计算的能源监测与节能管理智能辅助决策系统技术研究

基于数据挖掘和云计算的能源监测与节能管理智能辅助决策系统技术研究

邓小元1于海波2

（1华北电力大学，北京102206）

（12北京南瑞电研华源电力技术有限公司，北京100192）

摘要：本文分析了在能源监测与节能管理系统中采用数据挖掘技术的必要性，介绍了现今最经典的一些数据挖掘技术，并在此基础上，提出了云计算技术在能源领域的应用，并给出了云计算的实现机制。综合数据挖掘和云计算技术，实现能源监测与节能管理智能辅助决策系统。

关键词：数据挖掘；云计算；能源监测与节能管理；智能辅助决策

1引言

能源监测与节能管理系统以客观数据为依据，为冶金、化工、热力、电厂等能源消耗企业寻找实施节能降耗最可行的方法。在能源数据采集技术的基础上，设计并开发水能、电能、热能管理、辅助决策分析等功能。针对庞大的数据库及其中海量的信息，仅仅依靠传统的数据统计与分析是远远不够的，必须对海量数据进行数据挖掘，发现数据中的规律，将海量数据转化为有用的信息和知识，实现智能辅助决策。基于此，研究数据挖掘和云计算在能源监测与节能管理智能辅助决策系统中的应用。

2数据挖掘

数据挖掘（DataMining，DM）是数据库知识发现中的一个步骤，一般是指从大量数据中通过算法挖掘其中隐藏的信息的过程。能源监测与节能管理系统能够获取的数据是海量的，但是无法发现数据中存在的关联和规律，无法根据现有信息直接预测未来的发展。随着数据库管理系统和机器学习两种技术的发展，使得数据挖掘技术得到快速发展，能够将隐藏信息得到很好的挖掘。

数据挖掘是通过分析每个数据，从大量数据中寻找规律的技术，知识发现过程主要有数据准备、数据挖掘和结果表达和解释3个阶段。

数据挖掘与知识发现是一个以数据库、人工智能、数理统计和可视化为基础的交叉学科，数据挖掘的任务可以分为很多种类，其中比较经典的有预测模型、关联分析、分类分析、聚类分析、序列分析、偏差监测、模式识别等。随着数据挖掘技术的逐渐成熟，比较常用的一些方法有神经网络、遗传算法、决策树方法、粗集方法、覆盖正例排斥反例、统计分析方法和模糊集方法等。

除了这些经典的数据挖掘方法以外，越来越多的软件开发商也加入了数据挖掘的领域，比较著名的有IBMIntelligentMiner、SPSSClementine、SASEnterpriseMiner等，它们都能提供常规的挖掘。

3云计算实现机制

虽然数据挖掘技术的出现能够从海量数据中提取出有用信息，但是对于如此庞大的信息，能否解决大量数据的计算和存储是一个很重要的问题。

云计算的出现，大大提高了信息处理能力，也彻底改变了计算与存储模式，无疑为物联网提供了一个高效的大脑，为实现低成本解决海量数据处理提供了一条道路。

所谓云计算，就是通过网络将多个成本相对较低的计算实体整合成一个具有强大计算能力的系统，并且通过先进的商业模式把强大的计算能力分布到终端用户手中[1]。这样，可以使得用户能够根据自己需求获取计算能力、存储空间和信息服务，所有的计算都在云端实现，而终端用户本身只起到一个输入输出设备的作用，大大减轻了用户终端的处理负担。

云计算按照服务类型可以大致分为三类：将基础设施作为服务（IaaS）、将平台作为服务（PaaS）和将软件作为服务（SaaS）[2]。本文参照不同厂家的方案，构造了一个云计算技术体系结构。

云计算技术体系分为四层：物理资源层、资源池层、管理中间件层和SOA构建层。物理物资层包括计算机、存储器、网络设施、数据库和软件等。资源池层包括计算资源池、存储资源池、网络资源池、数据资源池和软件资源池等。管理中间件负责用户管理、任务管理、资源管理和安全管理等，负责对云计算的各种资源进行管理，并对众多任务进行调度，是的资源能够得到高效、安全的利用。SOA构建层包括服务接口、服务注册、服务查找、服务访问和服务工作流等，将云计算能力封装成标准服务。

4能源数据分析与辅助决策技术实现

基于数据挖掘算法和云计算实现机制，构建了一种基于云计算的能源监测与节能管理系统，系统的网络结构如图1所示。

系统组成包括能源数据采集传感器、能源数据采集终端、传输网络、数据管理中心和用户终端。

①能源数据采集传感器。通过在建筑物现场安装各种数据的采集模块，对中央空调设备运行的各项数据进行采集。采集的数据包括主机、风系统、水系统的运行参数和外部的环境参数。

②能源数据采集终端。能源数据采集终端是用户现场能耗数据采集的多功能设备，其具备多个上行、下行数据接口和通信协议，有效实现数据的处理和保证数据传输效率;并可以实现与不同协议的智能通信设备之间的通信。

③传输网络。传输网络是连接能源监测工作站和数据管理中心的纽带，它将监测数据上传到管理中心，支持多种传输方式，包括以太网、GPRS/CDMA等，充分满足既有传输通道的要求。

④数据管理中心。建立在监测系统后台的数据中心，将采集到的能耗数据进行存储和管理。数据中心通过前置服务器可接收采集系统的能耗数据，并采用分布式技术进行存储;数据中心采用磁盘阵列技术来支持海量数据存储，通过多服务器技术实现数据传输与存储的负载平衡，并可对能耗数据进行定时备份，保障数据的安全性;通过分布式处理算法(如apReduce等)模块，主要用于语义分析推理等操作的分布式处理实现。采用一种高效的具有在大型集群系统中并行运算能力的在海量数据中求最优控制的挖掘算法。

⑤用户终端。用户终端对数据中心的数据进行分析、对比，通过Web网站形式展示，用户可像浏览普通网站一样按权限登录系统进行节能管理。通过海量数据的挖掘和云计算技术，来实现智能辅助决策。在辅助决策方面，可以实现历史能耗的查找、能耗数据的精准预测、快速定位区域内高、低能耗的设备，帮助企业找到可进行节能改造的设备和可能存在问题的工业生产环节，在此基础上为企业提出总体的节能减排目标。

5小结

我国经济在持续高速增长的同时也伴随着能源紧张和环境恶化的巨大压力，节约能源已经作为我国建立节约型社会的基本国策。面对这一挑战的最有效、经济的办法是在高能耗企业建设能源监测与节能管理智能辅助决策系统，通过技术创新提高能源使用效率，帮助企业实现节能增效、清洁生产的目标。

参考文献

[1]吴凌峰.基于咨询的云计算应用迁移软件设计与实现[M].2012.

[2]黄淮.基于虚拟化的IaaS云平台安全威胁与安全技术要求分析[M].2014.

作者简介：

邓小元（1984-），男，湖北随州人，工程师，主要研究方向为电力系统调度自动化、信息化及能源监测与节能管理技术。

于海波（1971-），山东文登人，博士，高级工程师，主要研究方向为电力系统自动化。