探析电力调度自动化系统中数据挖掘技术的应用

张泓

【摘 要】数据挖掘技术是一种数据库技术与人工智能技术结合的技术，利用一定算法，其能够从大量的数据信息中搜索到所需要的信息。在电力调度自动化控制系统中应用数据挖掘技术具有重要意义，对于电力企业的发展和创新具有推动作用，同时还可以让电力企业的经济效益得以提升。

【关键词】电力调度；自动化；数据挖掘技术

引言

一般数据库信息量很小，相对应采用的数据分析工具也是比较少的，占整个数据库的信息只是一小部分，然而，隐藏的数据往往在整个应用过程具有重要的参考价值和发展预测功能。就比如电力调度自动化系统中，它的数据库包括了许多监控数据、电量信息以及设备的数据信息等，对于电力系统中的电压信息、设备信息是日常比较实用的信息，但是实际系统中就非常难找到对于用户有帮助的。数据挖掘技术的出现就成功地解决了这一难题，它可以有效地快速地发现并找到用户感兴趣的信息，而且可以将信息转化为知识。

1电力调度自动化系统的概述

1.1内涵分析

电力调度自动化系统能够为电网系统安全、稳定运行提供重要支持，并为相关电力人员工作、决策提供有力信息的支持。电力调度自动化系统的组成如下所示：第一，前置机。前置机能够从RTU从完成数据信息的收集整理工作，并能够结合实际对系统的指令进行接收、解释；第二，主备用服务器。主备泳服务器包括数据库和实时库服务器，是电力调度系统的重要组成部件，能够对系统各个工作站的运行进行监督；第三，网络服务器。网络服务器主要是对数据信息分布和数据表整理工作的监督；第四，物理隔离开关。物理隔离开关能够解决数据的隔离应用问题；第五，卫星钟。卫星钟系统将全球定位时间作为系统时间。

1.2电力调度自动化系统对数据挖掘技术的需求

电力导调度自动化系统对数据挖掘技术的需求具体表现在以下几方面：第一，通过数据挖掘技术减少电力调度自动化系统的工作时间，提高工作效率；第二，数据挖掘能够提高数据挖掘技术的管理应用水平，减少外界因素对电力调度自动化的干扰；第三，能从不同角度对数据信息进行定量、定性分析；第四，为电网报告的分析和制定提供辅助支持；第五，实现了对数据信息的及时查询，为电力调度自动化工作提供了支持。

1.3数据挖掘技术的分类

伴随着信息挖掘技术的发展，许多不同类型的数据挖掘技术和方法相继产生，类型种类极其繁多，造成了信息挖掘的混乱，因此，对信息挖掘技术进行有条理的分类是很有必要的。其分类如图1所示。

由图1可见，通常情况下，信息挖掘技术就是分为了验证的驱动挖掘技术和发现驱动的数据挖掘两种类型，验证驱动的数据挖掘就是用户对于自己之前提出的假设，通过各种技术手段进行信息的索引来完成对假设的验证和否定的一个过程，而在假设的验证过程中，一般都会用到结构化的语言SQL和结构化的生成器，查询工具和OLAP（在线分析处理工具）两部分又组成了结构化的查询生成器。发现驱动的数据挖据就是指：用户通过使用机器进行学习，统计和数据可视化的各类技术来发现新的假设。这些知识对于未知领域新知识的发现具有重要的意义，然而，这个过程并非就是完全独立的，在过程中还是需要分析人员的参与的。发现驱动型数据挖掘包含了“推述型”和“预测型”两种。推述型的数据挖掘技术包括了可视化、聚焦、关联分析及统计等四方面的技术；预测的数据挖掘技术主要包括规则归纳法，神经网络和决策树技术三方面。通常所说的信息挖掘技术指的就是“推述型”和“预测型”的发现驱动型的挖掘技术。

2数据挖掘在电力调度自动化系统中的应用方式

2.1以神经网络方式在电力调度自动化系统中进行应用

神经网络是比较成熟的一项技术，本身具有对数据自行处置、挖掘数据进行存储和高度容纳错误等优点，非常适合处理模糊和不完整、不准确的数据，利用计算机精确计算功能，可以实现深度挖掘调度自动化系统数据，一般采用的方法为前馈、反馈。映射三种，使用的神经网络，对数据整理和分析至关重要，采用该方法，可以将调度各类数据进行关联，从而找出数据的逻辑性。为此：第一，对电力调度自动化系统基本数据进行处理，虽然这类数据复杂、种类多，但是这些数据有紧密的联系，能够整合统一，并形成模式，为后期数据查询、统计、分析等奠定坚实的基础，保证数据的完整性和一致性，使电力调度能够顺利的开展，并形成神经网络系统，方便统一管理；第二，电力调度相关数据，不同环节电力状态和参数准确性不一致，整个过程中会受到一定影响，从而达到数据关联；第三，将神经网络这种方法应用在电力调度自动化中，对所有数据进行整合分析，并供给其他调度工作进行决策分析，实现大范围数据共享，以此来保证电力自动化调度系统的效果。

2.2以灰色分析法在电力调度自动化系统中进行应用

在对时间线上相关联的数据进行分析时会应用到灰色分析法，通过应用一定的数学方法，把数据中的白色部分当作主要依据，找出它同黑色部分有关联的地方，进而实现数据灰色化。在挖掘电力数据时，灰色分析法为最普遍的利用方法之一，主要把其应用到电力数据预测及分析中。它的优点为尽管数据不完整或是数据有限皆能够应用与分析，但其不足为不能将大数据的使用价值充分的发挥出。

2.3以聚类分析法在电力调度自动化系统中进行应

聚类分析方法在电力调度自动化系统中应用广泛，它和同类分析法比较相似，当又不是完全相同，分类方法更加关注的为将数据映射到给定的类别中，聚类分析方法主要针对同类数据划分，数据更加全面，而且综合新较强，这是该方法应用十分广泛的原因，能对灰色分析法缺点进行弥补，使得数据整理更加整洁，而且缩小了数据之间关联度和相似度。例如，电力调度数据中控制和生产管控是两大类，利用聚类分析方法，能将大数据进行聚类划分，主要包含四个数据管理区，管理则包含了电力调度自动化产生的电力生产数据、销售数据以及控制数据等。

3结语

总之，随着科技的不断进步，我国针对电力调度自动化系统的使用情况进行了创新，而数据挖掘技术在其中应用成功的与否，还需要专业的人员继续进行探究和实验，以确保我国电力调度自动化系统的升级和改造，进一步促进我国电力调度自动化系统的发展，实现真正的智能电网时代。

参考文献：

[1]郭洋洋李宇涛.分析电力调度自动化系统实用化应用[J].科技与创新2017（05）：153-154.

[2]李国伟王新铭.基于数据仓库的一体化电力调度自动化系统的开发与设计[J].自动化与仪器仪表2016（10）：26-29.

[3]聂宇罗超高小芊寇霄宇何宇雄苑晋沛李蔚.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（03）：143-144.

[4]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.

[5]刘雅铭.解析电力调度自动化系统中数据挖掘技术应用[J].低碳世界2017（33）：66-67.

[6]李艳.关于数据挖掘中关联规则算法的相关问题研究[J].科技创新與应用，2017（33）：161+163.

（作者单位：国网湖北省武汉市蔡甸区供电公司）