电力运营监测工作中大数据挖掘平台应用

张选丽

摘 要：当今社会不仅经济发展迅猛，科学技术的发展也是日新月异，而随着科技的进一步发展，大数据挖掘平台在电力运营监测工作中的运用也更加深入，技术的进步不仅提高了电力运营监测的工作效率和质量，也更进一步的推动大数据挖掘平台技术的提高。大数据挖掘平台使数据价值体现更加淋漓尽致，电力运营监测工作应该以此为基石，深度挖掘高效、有利信息，并不断的改良创新技术，进一步探索在电力运营监测工作中大数据挖掘的应用。

关键词：数据挖掘；电力运行 ；应用分析

1.大数据挖掘概述

1.1 大数据挖掘平台概念

大数据挖掘平台是主要通过计算机技术系统收集大量数据，而通过人工系统所挖掘的数据，通常由于数量大会给电力运营监测工作者带来极大的工作量，降低工作效率，并且所收集的数据质量上难以保证，可能空有其量。数据挖掘由现代计算机技术应运而生，它通过对每一项数据具体分析，在大数据流中寻找可能存在的规律，故而成为挖掘。近年来，大数据挖掘技术在信息产业界掀起了一片热潮，主要因为拥有大量数据，能够被充分运用，并且急需從这些数据中挖掘出有价值的信息。在人工智能领域，数据挖掘也通常被称之为数据库中的信息挖掘，经常被运用于市场分析、生产控制等等一些领域。与传统的数据分析相比，大数据挖掘是在无明确假设前提下对数据信息进行挖掘和探索，以发现有价值的信息，因此，与传统数据分析有着本质的区别。数据挖掘信息必须具备预知、有效、实用等特征。数据挖掘脱离人的常规思维，有的信息甚至背离人的思维直觉往往却是更加有效中用，更具价值意义。

1.2 大数据挖掘平台背景

当今社会信息技术发展迅速，企业竞争压力逐渐增强，为进一步提升企业管理水平，通常需要对企业的整体运营情况进行数据分析，从而全方位的公正客观的反应企业的经营情况以及发展状况，逐渐提升企业的竞争能力水平。然而进行数据分析就一定要拥有足够的数据作为支撑点，接下来，就大数据挖掘平台技术在电力运营监测工作中的应用进行具体的分析论述。

1.3 大数据挖掘平台发展现状

由于大数据挖掘平台技术需要从诸多的数据中挖掘有效信息，因此基于企业历史数据的业务贯通是众多企业所面临的一项大挑战，而大数据挖掘的最终结果将决定其未来在电力运营监测工作中的应用效果。另外，所挖掘的数据需要有价值和实用效果才能够使得大数据挖掘技术平台被认可，并促进其更为广泛的运用于各行各业中。然而，当前电力行业的有效数据却未被发现，因此怎样将大数据挖掘技术更好的运用与企业运营中，实现大数据挖掘平台技术的最大价值意义还应当继续的研究与探索。随着信息技术的发展，大数据技术也在不断改革创新，然而新的技术方法也在不断推出，那么如何抉择出最适合的技术或者说将其与大数据技术有机结合运用到企业运营中将是一个难解之题。

2.大数据挖掘过程

2.1 数据收集

数据准备过程的优劣程度，对所挖掘数据的准确程度，挖掘过程的效率高否都是有很大的影响的。数据准备主要是需要收集整理大量数据，根据不同的要求将所收集的数据信息进行分类提取，并且检查数据的完整程度，消除非主体数据，完成目标数据等等一系列准备活动。

2.2 数据挖掘

数据挖掘时，首先要选定所挖掘的数据，从大量的数据中反复多次的提炼出有效的数据信息。并且根据企业所需信息的要求对所挖掘数据进行详细的剖析，从而将最终提炼出的精华――对企业有价值意义的数据信息，转交给公司。

3.大数据挖掘技术的流程展现

3.1 大数据挖掘平台运用

最近几年，电力行业的大数据挖掘技术运用主要体现在一些比较专业的领域，但就应用效果来看并不是太明显，挖掘成果主要集中体现在研究探索的初级阶段，有些领域虽然也开始引入大数据挖掘的技术，但并未得到广泛应用。大数据挖掘技术运用于工程造价、营销支持、故障诊断等方面。

3.1.1 在工程造价方面的应用

工程造价电算化是未来社会发展的必然趋势，因此，即将从事的工程造价工作人员将要求必须掌握专业知识能力，应用能力，利用已建工程的历史资料，将大数据挖掘和人工系统进行有机结合，构建出工程造价所需模型，从而运用到电网工程造价的预测以及预算的审查中，这样能够降低人工排查的所带来的主观性与不全面性，从而提高工程造价的预测的准确性，促进工程造价工作发展。

3.1.2 在营销支持方面的应用

以电销的实际数据为基础，从电量、电价以及线损等方面寻找相关联的规律，并以此为依据进行数据挖掘，发现有价值的信息从而进行整合提炼。例如，将用电客户用电信息利用大数据挖掘技术进行有规则的分类，从而进行客户信用评价，以此减少或者避免客户恶意欠费现象的存在。预先感知客户用电异常状况，防止不法分子偷盗窃电的行为。

3.1.3 在电力系统故障诊断中的应用

在进行电力系统故障诊断时，可以通过系统保护装置所提供的故障信息寻找故障源、故障类型以及误动作装置，其中，对如何准确识别故障元件是问题的关键。基于事件排列顺序的故障诊断模型对于高压输电线的故障诊断领域特别适用，由于发生问题事件的序列在时间和空间上具有一定的关联性，因此，使用动态规划算法，可对各事件之间的相关性进行深度挖掘，并将诊断出来的问题进行转化，形成最接近于故障事件序列的发生模式，并以低代价的运算行为，产生标准的故障序列模式，从而对错误或不符合事件的序列模式进行纠错，以提高故障诊断系统的容错性。建立综合故障知识库，用于电网故障诊断中，不仅阐明了如何运用大数据挖掘技术对变压器油中的不同气体成分的聚类分析，而且实现了在不知晓的情况下，如何得出变压器油中的各类不同气体中的成分含量与发生故障问题的相关性，为诊断故障问题提供相应的依据。

3.2 大数据挖掘平台功能

大数据挖掘技术运用中，需要遵循一定的运营步骤，首先要明确并深入掌握业务对象，依据大数据挖掘平台，对全部业务对象进行详细的分析处理，提高数据的分析质量，为进一步的分析工作做好准备；其次，针对前期数据分析，建立相应的数据模型，进行数据转化方面的分析处理，不断挖掘技术方法进行完善，确保数据分析工作顺利运行；最后，对大数据挖掘技术所得分析结果进行正确评估，并结合大数据挖掘的知识理念，分析结果的可靠性，逐漸完善每一步结构。

3.2.1 自动预测趋势和行为

数据挖掘自发主动的在大数据库內发现预测行的数据信息，之前通常需要通过大量的人工分析问题，到现在可以快速通过数据本身得出所需要的有价值的信息。例如，市场预测问题，数据挖掘通过市场曾经的相关促销数据来探寻未来投资中利益最大的客户，其他预测问题有预报企业破产等等可能发生的情况。

3.2.2 关联分析

数据相关性是大量数据中所存在的一项极其重要的能够被发现的信息。假设两个变量或以上的变量的取值间存在某种特定的规律，那么即关联。关联分简单、时序、因果，其目的是从数据库中发现隐藏的关联网。将通过关联分析所得到的结果即省公司与各地市公司的每个月的运营具体情况报告分析以及专题的分析报告，及时分析报告以及相关的资料信息传至服务器，以供企业参考分析。

3.2.3 偏差监测

数据库中的一些数据往往会出现一部分的异常记录，检测这些异常数据很有必要，偏差包括违反常规思维的事例以及违反规则的特殊案例，因时间变化量值随之变化等等一些问题。这些只能通过比照观察结果和参照值之间的差别，对偏差检测有意义的区别去解决。

4.结束语

随着社会经济科技的发展，信息技术也在飞速发展，而大数据挖掘技术既面临机遇也备受挑战，因此为使大数据挖掘平台技术能够把握机遇更好的服务社会，必须对数据挖掘技术进行改良创新，不断解决数据挖掘过程中可能出现的问题，提高其运用手段。

参考文献：

[1]庞佩璐.数据挖掘技术在电网运营监控平台建设中的应用分析[J].自然科学：文摘版，2016（7）：00085.

[2]许海清，黄敏.浅谈电力大数据对信息运行的影响[J].江苏电机工程，2015，34（2）：62-64.

[3]卢建昌，樊围国.大数据时代下数据挖掘技术在电力企业中的应用[J].广东电力，2014（9）：88-94.