配电网中大数据的挖掘应用探究

陈敏林

（国网湖南省电力有限公司娄底供电分公司，湖南 娄底 417000）

当前我国已经迈入大数据时代，在这一形势背景下，电力企业也已通过多年信息化与智能化探索，在其发展的过程中产生了大量的业务数据，这些数据来源于电网运营管控的各个维度且数据海量、结构复杂，要想实现在新形势下的长远发展，就必须通过现代化先进技术实现对这些数据和信息的有效统计和分析，通过得到的分析结果为企业的进一步发展提供新的动力。为此，本文对于大数据挖掘技术在配电网中的实际应用进行了相关探究，希望能够为后续相关工作人员提供一定的参考和借鉴，有效推动我国电力行业在新形势下的健康可持续发展。

1 电力大数据时代简述

1.1 关于大数据的探究

大数据主要指代的是具有下述特征的信息资产：其一是数量海量；其二是增长率比较高、增速快；其三是多元化。大数据不仅具有优化的能力，而且还同时具备相应的洞察力和决策力，但是其所具有的上述能力必须通过新的操作方式对其进行合理整合才能够真正体现出来。

1.2 电力企业在大数据时代背景下的发展挑战分析

经过信息化与智能化革命浪潮，电力企业根据实际生产经营模式以及业务流程，开发出非常多应用系统，包括业务管控系统与数据信息采集系统。受其设备基数大、型号多、分布广、环境差异大等因素影响，配电网相关应用系统的数据较为复杂，如造成设备故障停运的数据会由于网架结构、区域环境、设备型号、运维状况等多个维度影响呈现不同的形态，这时候就需要对故障设备在运行过程中所产生的数据信息进行搜查和整合分析。对于这些海量数据，需要从整体与局部的关系挖掘数据之间的关系与价值，然而这一工作的具体实现依然存在很多的挑战，为更好的应对这些挑战，相关工作人员在考虑问题的时候应该秉承多元化的角度，在高效使用合理数据的时候应该注重将无用数据剔除掉，从而在最大限度上保证数据是真实可靠的。除此之外，比较重要的一点是要重视将下述相关数据信息之间进行良好的统筹，保证这些数据之间的连接性良好。

通过对电力运行过程中下述几方面检索获得的数据能够为后续设备的运营维修工作提供可靠的数据参考信息：其一是用户及其需求的相关信息层面；其二是智能电网的设备感知层面。

2 大数据时代背景下某电力企业配电网中大数据挖掘的实际应用案例分析

大数据挖掘技术通常指的是通过对专业数据模型的使用实现对电力企业相关数据信息的有效归纳以及整合，从而充分显示出其所具有的价值，推动企业的进一步发展。在当前市场竞争越来越激烈的情况下，电力企业所产生的数据信息量是十分巨大的，原有的数据处理方式已经不能满足当前电力企业的实际运营需要，因此，就必须通过新型的大数据挖掘技术的应用不断提高对数据信息的处理工作效率，从而保证电力企业能够在市场竞争中占据有利位置，实现电力企业的可持续发展。

为此，某市一个电力企业为实现对数据信息的高效处理，进一步推动企业的发展进步，在结合该市相关政策以及企业自身发展特点和实际情况的基础上，在企业内部进行了大数据挖掘技术的应用，希望能够保证对相关数据信息处理的科学性和合理性。与此同时，该电力企业还在企业内部专门设置了一个用于建立数据的部门，并配备具备高专业技能和综合素养的相关监理工作人员，希望通过对数据挖掘技术应用的严格监督，将该技术真正落实到实际的工作中，并通过具有针对性的相关措施保证数据的处理质量能够满足电力企业在当前的实际运行需求，将大数据挖掘技术所具有的优势发挥到最大化，体现出其所具有的实际价值，为企业的进一步发展壮大提供足够的动力和支持。

3 大数据挖掘技术在电力企业配电网中的应用方式探究

在大数据时代发展背景下，电力企业在发展的过程中会产生比较大量的数据信息，要想实现企业的进一步发展，就需要对这些数据信息进行全面的搜集和分析，并从中挖掘出具有应用价值的数据信息，而对于那些目标不是很明确的情况可以选择从多个角度确定实际处理数据的方法。通过归档分类这些数据处理方案，可以明显发现大数据挖掘技术比较适用于我国电力企业的实际发展需求，并且还全面且高效地实现对各类数据的处理。通过对大数据挖掘技术应用的方式进行详细的分析和研究可以发现，大数据挖掘技术主要包括以下三个重要的层次：第一层次是分析数据整理层信息；第二层次是分析数据来源层信息；第三层次是分析数据管理层信息，具体分析如下。

3.1 分析数据整理层信息

对于电力企业在实际运行过程中所产生的大量数据信息，在使用大数据挖掘技术对其进行处理的过程中主要是以数据来源内容交叉作为重要基础，将相关数据信息进行归类以及进一步总结，但是在实际工作的过程中往往会搜集到很多冗余且没有相关性的数据信息，所以相关工作人员需要对这些获得的数据进行重塑以及二次解析，从而进一步提高数据处理方法的高效性，最终保证数据处理工作具有良好的质量。

电力企业相关运营信息数据在经过处理之后的结构主要包括以下三大类：第一类是非结构化数据；第二类是结构化数据；第三类是半结构化数据。大数据挖掘技术能高效实现对结构化数据进行过滤，将数据结构中所含有的无关数据内容剔除掉，并进一步结合非结构化数据信息以及半结构化数据信息，以相应的技术标准和要求作为主要参照，实现将这些数据转化为机器语言或相关索引等信息的目的。

例如，本文所引用案例中，该电力企业在实际运行的过程中，将使用用户的评价以及相关运行资料转换功能使相应的数据直接反映到了标准值上，进而形成了比较系统的一种语言类型，有效提高了工作的效率和质量。

3.2 分析数据来源层信息

在分析数据来源层信息的时候，通常会借助下述设备：其一是自动记录系统；其二是互联网；其三是移动设备等，特别是在运行存储层的时候，电力企业相关管理工作人员还需要综合考虑外部因素对整个数据处理环节所产生的影响作用。

3.3 分析数据管理层信息

分析数据管理层信息的主要作用就是存储相关信息，并进一步对这些数据进行整合和归纳，接下来数据仓库就会根据主体内容的不同确定其所具有的设计属性集，尽可能地保证数据处理的准确性，特别在实际应用主题数据库时往往会通过粗糙集属性的应用剔除其中所含有的冗余数据，最后再对数据进行集合和分析总结归纳操作。

4 结 语

综上所述，大数据挖掘技术主要包括以下三个重要的层次：分析数据整理层信息、分析数据来源层信息以及分析数据管理层信息。目前国家电网公司正全面推进“泛在电力物联网”建设，其实质是在大数据挖掘技术探究出最高效的管理模式与管控措施，通过数据应用与共享实现电网设备与生产、生活中万事万物的“互联”。因此，电力企业可以应用大数据挖掘技术不断提高对数据信息处理的工作效率和工作质量，进一步实现设备的精益运维与配网发展的精准投资。