基于数据挖掘技术的电力调度系统设计与实现

基于数据挖掘技术的电力调度系统设计与实现

李捷王周波

国网河北省电力有限公司鸡泽县供电分公司河北省057350

摘要：电力调度中受到用电信息的类间扰动影响，导致调度的准确性不好，提出一种基于数据挖掘技术的电力调度系统优化设计方法。系统设计包括电力调度的数据挖掘算法设计和系统软件设计两大部分，建立电力调度的信息流模型，采用模糊质心加权方法进行电力调度的信息分类识别，提取电力调度信息的聚簇特征量，采用模糊加权聚类方法进行电力调度大数据挖掘。电力调度的系统软件设计采用Hybrid开发模式设计，在WebApp应用程序中进行电力调度的算法加载，电力调度系统的数据库采用MySQL，服务器接口采用动态链接方式开发，在嵌入式下进行电力调度系统的软件开发。仿真测试结果表明，采用该系统进行电力调度的负载均衡性较好，电力调度的时间开销较低，各方面指标具有优越性。

关键词：数据挖掘;电力调度;系统设计

引言

以前电力调度中，对数据的分析仅局限于对电量信息、电力设备等管理，只能够提供检索功能和常规信息，无法对数据进行决策分析，为此，对于部分复杂的电力管理一般都需要应用数据挖掘技术，然而现阶段从事电力系统调度的人员对新技术的应用并不熟练，致使数据挖掘技术没有发挥真正的作用，文中详细分析了挖掘技术含义，并进行了详细分析，探索数据挖掘技术，使其发挥真正的效果。在系统数据中，电力设备参数也是比较重要的，然而，目前电力设备参数只被统计在生产管理系统中，由于系统等级较低，不能发生系统直联。一定范围内阻碍了数据应用，为此，建立数据信息平台比较重要，该平台包含设备参数、实时数据、系统参数等，为电力调度运行控制，这就是数据挖掘。值得一提的是电力供应单位需要将春夏秋冬四季的天气作为数据，数据挖掘的前提是它们有一定的关联性，作为众多影响调度的因素，天气非常重要，我们可以根据天气预报或前期天气的规律来提前准备，做好相应的应急准备工作，当然，现阶段调度可以做这种预测，只是时间或空间上不深入，数据挖掘能为调度提供每周的依据，有些可以提供每天的信息。不但周围地理环境影响，而且重视实际应用，将这些零散的分布在调度各因素中，这样不仅在技术上实现数据挖掘，而且能进一步的提升管理水平。

1数据挖掘技术

在大数据时代到来的今天，数据挖掘技术能够从海量数据信息中准确找到所求信息，因此本文将数据挖掘技术视作“采用有效工具和措施从海量数据库中提取数据和模型关系”的技术，由此企业的决策能够得到充足的判断依据。为了更直观了解数据挖掘技术，本文将数据挖掘的过程和步骤概括为以下几个方面：（1）确定业务对象。确定业务对象属于数据挖掘过程的基础工作，这一过程的实质是了解业务问题。（2）准备数据。通过选择数据、数据预处理、转换数据三个层面的工作，即可完成针对于挖掘算法的分析模型构建，并最终完成一定领域的数据挖掘。

2数据挖掘在电力调度自动化系统中的应用

2.1神经网络

作为应用较为广泛的一种人工智能研究方法，神经网络早已在我国实现了较为广泛的应用，电力调度自动化系统的数据挖掘也是其应用的重要领域，由于数据自行处理、数据分布存储、高度容错性是神经网络的应用优势所在，这就使得神经网络较为适用于模糊、不完整、不准确数据的处理。在电力调度自动化系统的数据挖掘中，神经网络主要通过关联分析的方式实现数据逻辑处理，具体处理可以分为以下几个方面：a.整合统一基础数据。由于电力调度自动化系统包含的数据具备庞大复杂、种类繁多的特点，因此神经网络的应用需要通过整合统一使相关数据形成结构模型，通过神经网络系统实现数据统一管理。b.实现不同环节电力调度的关联。应用数据挖掘神经网络方法整理不同环节的电流状态和参数，并保证相关数据信息的整合性，即可实现不同环节电力调度的关联。c.分析与决策。结合神经网络整理的整合数据，即可开展分析、决策以及数据共享。

2.2以灰色分析法在电力调度自动化系统中进行应用

采用灰色分析法又被叫做灰色预测，在调度需要的数据在一点上时，可以选用该方法来挖掘数据，该方法是最普遍的一种，可以对电力调度自动化系统出现的数据来预测，它最主要的优点就是可以在有限数据及调度不完全数据预测，然而，当遇到数据量比较大的数据，便没有办法达到最优，为此电力调度自动化系统出现数据挖掘分析时，应详细分析数据，并对数据的来源进行分类，看其实电力数据或营销环节数据，找出这些数据之间存在的关系，采用灰色分析方法对数据进行挖掘分析，需要充分了解电力调度中部分数据参数，包含用户用电数据预测、电力营销情况、短期或超短期自动化设备和母线负荷数值等，电力自动化系统可以在以上数据进行深入分析，通过制定电力调度边界值，保证电力调度自动化系统正常运行，使数据的收集更加的安全可靠，为后续的分析奠定坚实的基础。

2.3模糊分析法

此种方法为聚类分析法的一种，是最常应用聚类方法，其主要是对已知数列进行聚类与分析，让数据能够展开全面、综合的分类。同灰色分析法差异点为，利用模糊分析法能够合理应用大数据优势，满足对其的实质性需求。

3电力调度自动化对数据挖掘技术的具体需求

3.1负荷管理系统

电力负荷管理为电力调度自动化系统中的主要环节。依据冗余回路间的负荷分布，电能能够自动对负荷的上级节点进行连续与切换。另外，当其中有一个节点出现故障，符合管理系统则能够充分发挥效用，让该故障节点在事故出现以后被自动切除。负荷管理系统的实际工作原理为依据对各线路的负荷状态进行全面监测，并通过合理应用数据挖掘技术，对满足这些状态表现出的数据进行预测，并分析、判断、整理这些数据变化形式，基于此来对负荷进行道闸分配。目前，在我国电力调度中，负荷管理系统已投入应用，但因有关技术的滞后性，不能实现同电网远控系统完美对接，所以还没有实现广泛应用，对于调度系统中所发布的命令皆由人工来实现。

3.2基于数据桥的数据集成模块设计

考虑到我国当下电力事业的数据集成标准较为复杂、混乱，系统设计采用了自己的数据集成方法，同时应用了清晰数据清洗策略，由此即可实现不完整数据、重复数据、错误数据三类脏数据的清洗，数字数据不完整、日期数据不完整、错误日期型数据、重复数据等仅属于清洗内容，其中除重复数据不予处理外，其他数据均采用修补空值和默认值的方式，如数字数据不完整采用“补0，补null，默认值”的清洗策略。此外，无类型文件数据集成、数据库数据集成、异构数据库数据集成也是这一环节设计的重要内容。

结语

在电力系统中，对大规模的集成信息进行调度，能提高电力资源的统一分配和均衡控制能力，本文采用大数据挖掘技术进行电力调度系统优化设计，系统设计包括电力调度的数据挖掘算法设计和系统软件设计两大部分，建立电力调度的信息流模型，采用模糊质心加权方法进行电力调度的信息分类识别，实现电力调度的数据挖掘算法优化，并在Hybrid开发模式和APP下进行电力调度系统软件开发。研究得知，本文设计系统能提高电力调度性能，指标表现优越。

参考文献

[1]刘俊，刘瑜，何友，等．杂波环境下基于全邻模糊聚类的联合概率数据互联算法［J］．电子与信息学报，2016，38(6):1438－1445．

[2]周洋.数据挖掘在电力调度自动化系统中的应用解析[J].科技创新与应用,2017(35):149-150.

[3]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(07):108-111.