信息通信調度資料管理系統研究

陳柯++張興++朱韻攸

摘 要：信息通信調度系統在電力系統中占據了重要地位，調度系統產生的數據包含了信息通信網絡的運營狀態、設備管理、調度電話資源等重要信息，如果能夠結合數據挖掘技術對調度資料進行分析，可以得出一些傳統手段不能發現的規律，從而為電力系統的調度和建設提供重要的參考依據。該文在現有的信息通信調度資料管理系統的基礎上設計支持調度資料分析的信息通信資料管理系統。

關鍵詞：數據挖掘 電力系統 信息通信調度

中圖分類號：TM73 文獻標識碼：A 文章編號：1672-3791（2014）11（b）-0019-01

信息通信調度資料中包含了很多有價值的信息，如果能夠通過數據挖掘利用好這些信息，可以為信息通信調度增加很大的靈活性和主動性，并優化IT資源的分配。

1 信息通信調度資料管理系統的發展現狀

信息通信調度資料一直以來都是采用專人負責，以紙質文檔的方式加以管理。隨著信息通信調度越來越受重視，相應的文檔特別是電子文檔也隨之大量增加，這就要求有一個類似但不同于文檔管理的系統來對所有調度資料、部分調度常用資源加以科學管理，為科學調度提供可靠的專業化支撐。

2 信息通信調度資料分析

數據挖掘技術是在計算設備的計算能力大幅度提升和數據量大規模增長的背景下出現的一種信息資源利用技術，通過對數據進行建模分析從中提取出有價值的信息或者預測未知事件的方法，是一種以信息為資源的使用方式。信息通信調度過程中產生的大規模數據包含了信息網絡的各種數據，如果能夠有效地利用這些數據中包含的信息，將可以為信息通信調度以及通信網絡的建設提供重要依據和指導。

2.1 數據挖掘的主要階段

跨行業數據挖掘標準流程CRISP-DM從商業的角度給出對數據挖掘方法的理解，目前大部分的數據挖掘系統都是遵循CRISP-DM。該模型以數據挖掘技術的應用為目標，將數據挖掘劃分為6個主要的階段。

（1）商業理解階段（Business Understan ding）。在這個階段，要深入分析企業的性質和需求，根據不同的需求和性質確定數據挖掘的目標和要解決的問題。

（2）數據理解（Data Understanding）。在這個階段，首先要根據所需數據的特征，從數據集中提取出數據挖掘所需的數據，為后續階段的分析提供正確的數據。

（3）數據預處理（Data Preparation）。在該階段，要在上一階段中產生的數據集基礎上對數據進行進一步的預處理，包括一些干擾數據的清洗等。

（4）模型（Modeling）。該階段需要在數據理解階段和數據預處理階段中產生數據集的基礎上，以商業理解階段產生目標和問題為依據，建立相關的模型對數據進行分析。

（5）評估（Evaluation）。根據商業理解階段產生的目標和問題，對模型階段所建立的模型質量進行分析和評估，確認是否考慮了所有重點問題，以及模型是否能夠正確地解決問題。

（6）實施（Deployment）。在實施階段，主要任務是產生可重復使用的技術文檔和操作流程，以及后期的維護計劃等。

3 支持數據挖掘的信息通信調度資料管理系統的設計

3.1 數據挖掘模塊的主要實現

根據CRISP-DM所定義的數據挖掘的主要階段，可以將數據挖掘模塊的主要功能劃分為四個層次：數據采集層，數據預處理層，數據模型分析層，用戶界面層。

數據采集層主要用于實現數據理解階段，從數據庫中提取出符合所需數據特征的數據，并且將數據復制到指定的數據集中。

數據預處理層主要用于實現數據預處理階段，將數據集中的數據進行預處理，使其能夠滿足數據挖掘過程中的需求。而電力調度資料中很多數據并不是所需要的數據，或者一些數據存在不完整、不一致和冗余等問題，因此在此階段要選擇適合電力調度資料的數據處理算法。

數據分析層，該部分是調度資料分析的核心部分，根據預先設計的模型對數據進行分析，并將分析結果返回給用戶界面。根據電力系統的特殊需求和數據特征，需要分析和測試來選擇合適的模型和參數，例如使用關聯模型提取數據項之間的關聯規則，該模型可以提取出傳統方法無法得到的關聯關系。例如，文獻論述了使用預測算法模型對電網用電量、某地區電力負荷變化趨勢、某節點可能發生故障的時間等進行預測。

用戶界面層的主要功能是與用戶的交互，接受用戶的請求，并且根據不同的請求調用不同的模塊，與數據分析相關的請求將調用數據分析模塊，并且將數據分析的結果顯示給用戶。顯示結果可以以各種圖標的形式動態顯示，以形象的表現趨勢。

3.2 支持數據挖掘分析的調度資料管理系統

在該方案中，采取將數據挖掘分析模塊單獨出來的方式，以實現對原系統最小的改變。對于數據分析相關的操作，只需要調用數據分析模塊。在計算中心和存儲中心方面，由于考慮到隨著電網的智能化可能面對海量的數據和智能化的數據處理，因此可以考慮使用云計算技術來提高服務器的利用效率，降低維護成本。通過使用云存儲技術，來提供可靠的數據存儲。

其中，存儲中心中的數據來自各節點采集的數據，又數據采集模塊進行處理后存儲在存儲中心，由于數據采集模塊在傳統的信息通信調度系統中已經實現，因此在該方案中使用原有的采集模塊。

Web服務器根據不同的請求調用不同的模塊來響應用戶的請求，對于傳統應用響應模塊，可以使用現有的信息通信調度資料管理系統的實現。

4 結語

智能調度資料管理能夠有效的對調度資料進行分析，可以在電力系統調度、維護和故障處理方面提高主動性和靈活性。但是，目前數據挖掘技術在電力系統中的利用并不是很成熟，需要進一步去探索針對復雜的、全面的調度資料數據的數據挖掘算法。

參考文獻

[1] 高智，徐政.數據挖掘技術在電力系統中的應用[J].華東電力，2001，29（12）：13-16.

[2] 史小梅.數據挖掘在電力決策支持系統中的應用[J].上海電力學院學報，2010，26（4）：374-378.

[3] Azevedo， A. and Santos， M. F.KDD. SEMMA and CRISP-DM： a parallel overview[C].The IADIS European Conference on Data Mining，2008.endprint