數據挖掘技術在電力系統中的應用

田 拯 李新原 李連峰

（1.河南金榮電子科技有限公司，河南 鄭州 450000；2.國網烏魯木齊市供電公司，新疆 烏魯木齊 830000）

數據挖掘技術在電力系統中的應用

田 拯1李新原2李連峰2

（1.河南金榮電子科技有限公司，河南 鄭州 450000；2.國網烏魯木齊市供電公司，新疆 烏魯木齊 830000）

目前，大部分電力管理系統只停留在業務處理層，這一模式不能為電力企業提供更加便利、智能的決策。一直以來，我國電力企業已經在行業信息化建設中積累了大量歷史數據，將數據挖掘技術引入到電力行業中來，進行電力分析決策，為電力企業提供更加科學的管理決策，對防范、控制和化解電力企業生產風險具有現實的意義。本文詳細介紹了數據挖掘的具體方法及其在電能質量分析、輸變電管理、負荷預測以及電網智能調度中的應用。

數據挖掘；負荷預測；輸變電；電能質量

數據挖掘（Data Mining，DM）目前已經被應用于各個不同的領域，其中包括電力行業。數據挖掘通過整合歷史數據，利用各種分析工具發現模型和數據間關系的過程，其可以幫助決策者尋找數據間潛在的某種關聯［1］，通過發現被隱藏的、被忽略的因素，就能夠在數據存儲和管理過程中，挖掘出重要的情報信息，作為決策和行動的依據。

1 國內外對數據挖掘的研究現狀

1.1 國外研究現狀

1995年，國際知識發現（Knowledge Discovery inDa?tabases，KDD）組織委員會在加拿大蒙特利爾市召開了首屆KDD國際學術會議。近年來，KDD在數據挖掘的研究和應用上發展很快，尤其是在商業和銀行領域。目前，國外數據挖掘的研究方向及趨勢主要集中在對數據挖掘方法研究的進一步提高優化上，如Bayes方法和Boosting方法的研究和提高；傳統統計學回歸法在數據挖掘中的應用；KDD與數據庫的緊密結合等。

1.2 國內研究現狀

與國外相比，國內在數據挖掘方面的研究起步晚且不成熟。國內的最新發展有：在分類技術研究中建立集合理論體系，對海量數據進行處理；基于粗糙集和模糊集理論，并將二者融合用于KDD，構造模糊系統辨識方法和知識模型，建立智能專家系統；研究中文文本的數據挖掘的理論與實現方法；利用概念格式進行文本挖掘。目前，我國數據挖掘技術主要應用在互聯網、金融服務及農業等領域，在電力系統中的應用也逐年增加，尤其在火力發電方面，部分系統已經率先得到應用，而在其他領域的應用亦在逐步進步。可以說，數據挖掘技術在我國還是有相當大的發展潛力。

2 數據挖掘過程

數據挖掘主要包括數據準備、數據挖掘及對挖掘結果的評估與表示3個階段。

①數據準備階段。在進行數據分析前，需要從相關數據源中選取所需的數據進行數據預處理，整合成有利于進行數據挖掘的數據集。對此階段進行詳細劃分，可分為選擇、預處理和轉化。

②數據挖掘階段。將數據準備階段整合的數據集用某種方法找出其所暗含的規律。此階段可細化為確定數據挖掘的目標、選擇算法、數據挖掘等。

③結果評估與表示。找出數據集暗含的規律后，數據挖掘得到的模式或方法并不是真正的知識，需要盡可能以簡單明了、用戶可理解的方式將找出的規律表示出來，并對其進行評估后才能形成實際知識。最終形成的結果或者知識才是數據挖掘的目的所在，能被用戶理解且能用于實際生產。

3 數據挖掘方法

國內外對數據挖掘技術的研究歷經20年，期間提出了不少算法，最主要、應用最廣泛的方法主要有以下幾個。

3.1 分類分析法

分類分析法常用包括神經網絡分類、貝葉斯分類算法及決策樹歸納等算法。分類就是找出一個類別的概念描述，其代表了這類數據的整體信息，即該類的內涵描述，并用這種描述來構造模型。

3.2 時序分析法

時序分析法常用包括灰色模型GM（1，N）和Arima模型等算法。按時間序列搜索出重復、高概率發生的模式，用歷史數據預測趨勢、發現周期或前后數據之間的遞進關系。

3.3 聚類分析法

聚類分析法［2］常用的算法包括DBscan密度算法、K-均值算法及EM最大期望算法等。聚類是找出數據的相似性并歸納成若干類別，不同類中的數據相異。聚類分析可以發現數據的分布模式，構建宏觀概念，得出數據屬性之間可能的相互關系。

3.4 關聯分析法

關聯分析法常用的算法包括FP-樹頻集算法、Apriori算法及基于劃分的算法等。關聯是指兩個以上變量的取值之間可能暗含某種規律。關聯分析法的最終目標是找出數據間的關聯。

3.5 決策樹

決策樹分析法最大優點是直觀，能有效解決高維數據分類問題。國際上最有影響和最早的決策樹方法是由J.R.Quinlan提出的ID3方法，后人又延伸至如ID4、ID5和C4.5等算法。但此算法存在隨著數據復雜性的提高，分支數將增加，管理的難度越來越大的局限及數據的缺失值處理問題。

除上述幾種算法外，粗糙集方法、神經網絡法等也是當前數據挖掘的主要方法之一。數據挖掘在近年來越來越受到人們的關注。

4 數據挖掘在電力系統中的應用

近年來，數據挖掘在電力系統應用中取得了一定的發展成果，從電力設施規劃、系統安全動態評估、線網負荷預測、故障診斷及電力調度等方面開展數據挖掘和分析，并在發電廠設備、變配電設備及高壓輸電線路的檢修中都得到廣泛應用［3-7］。例如，分析汽輪機軸系振動的數據，采用模糊聚類和粗糙集理論，進而輔助機組的故障診斷；高壓輸電線路的故障診斷采用粗糙集技術；在變電站的電氣設備在線監測中可使用決策樹算法［8］分析。

在電力系統中，數據挖掘處理及分析要求工作人員具有扎實的電力系統理論指導和知識，這樣才能使設備設施狀態檢修和挖掘算法密切結合，使數據挖掘更加有效［9-12］。

根據研究成果的對比來看，電廠的發電設備具備較完善的檢測系統，是數據挖掘應用集中所在。現在主要介紹數據挖掘的具體應用。

4.1 數據挖掘在負荷預測中的應用

為更好地安排電力生產，電力部門日常最關鍵的工作就是對電力的負荷進行預測，傳統的負荷預測方法存在很多局限和不足，一般很難真實地反映系統負荷的變化規律。數據挖掘技術可以從海量的電力系統信息和數據中發現有價值的規律并進行系統實際負荷的特性分析，選用合適的算法，構建準確的模型，以此得出精確的預測結果。

楊靜［13］提出了利用數據挖掘技術來實現負荷預測的方法，揭示了在海量相關數據后隱藏的一些規律，并對其建立了相應的模型，進而實現可靠預測。數字化、智能化及現代化是現今電力系統發展的主流趨勢，將數據挖掘技術有效應用于電力負荷預測有助于電力部門克服各種困難，更準確、更高效地實現經濟和社會價值。

胡士［14］針對數據挖掘技術在神經網絡方法的優化及預測電力負荷關鍵屬性的選擇等方面做出改進和嘗試，并在此基礎初步建立了一套行之有效、功能完善的負荷預測系統。

4.2 數據挖掘在輸變電管理系統中的應用

電力輸變電系統時刻都會產生海量數據，而其中隱藏了很多規律規則，分析這些數據規則，能對電力企業制定生產決策提供諸多助力。在輸變電系統管理中應用數據挖掘技術，自動分析、歸類系統產生的數據，得出利于生產的信息和規律，可以大大提高電力生產的效率和效益。

張勤［15］主要介紹了數據挖掘技術常用算法的概念和基本原理，包括關聯規則分析技術、粗糙集方法及決策樹方法等，還著重闡述了數據挖掘技術在輸變電管理系統中包括設備故障診斷、缺陷預測等方面的應用。

當前，數據挖掘技術主要應用于發電廠設備檢修、變壓器檢修、高壓輸電及配電設備等方面。何友全［4］論述了電力變壓器油中溶解氣體分析通過粗糙集數據挖掘實現的方法，可以有效地對電力變壓器進行故障診斷。在電力系統中，多數電力變壓器的數據及信息等存在不完備性和復雜性，采用粗糙集理論可以為這種情況建立一種較好的變壓器故障診斷模型［16］。

廖志偉和孫雅明［17］主要探究粗糙集和神經網絡組合在故障診斷模型方面的容錯性能，掌握各種不同組合模型的關聯關系、互補性及存在的局限性。同時，對構造出的組合診斷模型進行詳細闡述，基于定位診斷配電網故障的研究目標，仿真測試了所構造的5類診斷模型，進行了結果比較和評估。

在輸電線系統的故障診斷及實時輸入信息的畸變方面，李凡生和陳慶吉［6］提出利用基于粗糙集理論的數據挖掘模型來處理和實現。

4.3 數據挖掘在電能質量分析中的應用

電能質量分析環節一般需要對電能的質量數據進行數據壓縮和去噪等預處理，目的是提高質量分析的效率［18］。當前，基于小波信號分析是質量分析的主要方法。隨著技術的發展，數據挖掘將被逐漸應用到電能質量數據去噪和分析環節。

在現有的數據挖掘分析技術中，信號相關性處理可以為跨小波尺度空間去噪，交叉驗證方法實現質量信號的白噪聲抑制［19］。利用電能質量信號的二階導數的似然比判決準則可以判決突變點［20］。陳紅坤和黃娟［21］研究了應用模糊C均值聚類和粗糙集理論中的屬性與屬性值約簡算法，以此獲得判斷電能質量分類的核心規則知識。

5 結語

數據挖掘是集統計學、數據自動分析處理和數據庫技術及人工智能和相關應用領域等各門學科于一體的新興技術。該技術的發展使大量隱藏在數據背后的知識可以被人們觸及，人們還可以利用大量真實數據檢驗驗證相關假設或者是模型。數據挖掘技術在電力系統負荷預測、輸變電管理、電能質量分析及電力決策系統中的應用主要是預測和表述這兩方面。根據大量歷史數據來預測未知信息，著眼于找到一個可被理解的模型來描述數據之間的相互關系。從電力系統豐富的歷史數據中，經過預處理挖掘出有用的信息并加以分析，為電力系統管理和決策提供參考，這是我們以后著重研究的方向。

［1］王光宏，蔣平.數據挖掘綜述［J］.同濟大學學報，2004（2）：246-252.

［2］顧敏奕，杜海舟.數據挖掘技術在電網企業中的應用需求分析［J］.上海電力學院報，2012（5）：481-484.

［3］陳超金.基于數據挖掘的電力設備狀態檢修技術研究綜述［J］.廣東電力，2009（9）：21-24.

［4］何友全.數據挖掘方法及其在電力系統故障診斷中的應用研究［D］.成都：西南交通大學，2004.

［5］仇曉智，喬宗良，邱鳳翔，等.火電廠數據分析系統的開發與應用［J］.華東電力，2009（4）：669-671.

［6］李凡生，陳慶吉.決策樹分類算法在發電設備狀態檢修中的應用研究［J］.電網技術，2003（12）：67-70.

［7］陳星鶯，張曉花，瞿峰，等.數據挖掘在電力系統中的應用綜述［J］.電力科學與技術學報，2007（3）：51-56.

［8］王曉磊.淺析數據挖掘技術在電力行業中的應用［J］.新疆電力技術，2007（4）：67-68.

［9］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（12）：4-7，73.

［10］紀懷猛.電力系統中的數據挖掘技術［J］.長春工業大學學報（自然科學版），2014（2）：143-147.

［11］袁哲，王彥文.數據挖掘在電力系統負荷預測中的應用［J］.電子制作，2015（11）：235-236.

［12］李耀池.數據挖掘技術在電力負荷預測系統中應用的研究［D］.阜新：遼寧工程技術大學，2006.

［13］楊靜.數據挖掘在輸變電管理系統中的應用研究［D］.北京：華北電力大學，2005.

［14］胡士.數據挖掘技術在電力設備狀態檢修中的應用研究［D］.北京：華北電力大學，2007.

［15］張勤.基于數據挖掘技術的汽輪機性能分析系統的研究與實現［D］.北京：華北電力大學，2007.

［16］孫雅明，廖志偉.基于不同RS與NN組合的數據挖掘配電網故障診斷模型［J］.電力系統自動化，2003（6）：31-35.

［17］廖志偉，孫雅明.基于數據挖掘模型的高壓輸電線系統故障診斷［J］.電力系統自動化，2001（15）：15-19.

［18］楊耿煌，溫渤嬰.一種新的電能質量擾動信號去噪方法［J］.電力系統及其自動化學報，2008（1）：89-94.

［19］李天云，陳昌雷，程汪劉.交叉驗證方法在電能質量信號白噪聲抑制中的應用［J］.電力系統自動化，2007（16）：75-78.

［20］唐良瑞，尚飛，祁兵.基于似然比判決準則的電能質量去噪算法［J］.中國電機工程學報，2006（23）：49-54.

［21］陳紅坤，黃娟.數據挖掘及其在電能質量分析中的應用［J］.電力系統及其自動化學報，2009（5）：51-55.

The Application of Data Mining Technologyin Power System

Tian Zheng1Li Xinyuan2Li Lianfeng2
（1.Henan Jinrong Electronic Technology Co.,Ltd.，Zhengzhou Henan 450000；2.State Grid,Xinjiang Electric Power Company,Urumqi Power Supply Company，Urumqi Xinjiang 830000）

At present,most of the power management systems only stay in the business processing layer,which can not provide more convenient or intelligent decision-making for the power companies.All along,the Chinese power company has accumulated a lot of historical data,and introduced data mining technolo?gy into the power industry for the power analysis and decision-making.It provides a more scientific man?agement decision-making to the enterprises and is of practical significance to prevent,control and settle production risks in power enterprises.This paper introduced in detail the concrete method of data mining and its application in power quality analysis,transmission and distribution management,load forecasting and intelligent dispatching of power network.

data mining；load forecasting；power transmission；power quality

TM76

A

1003-5168（2017）12-0131-03

2017-11-01

田拯（1990-），男，本科，研究方向：電氣自動化。