基于智能化的電力大數據挖掘技術框架分析

丁霄寅+徐雯旭

摘 要：我國隨著智能化深入到電網的建設之后，已經構建成功四類數據中心平臺：海量歷史和準實時、非結構化、結構化、電網空間；積累了豐富的大數據資源的平臺能夠對數據分析和決策系統的建設提供有效的支撐。本文就電力大數據智能化進行概述，然后在探討電力大數據智能化高效分析挖掘技術框架，提供相關經驗以供借鑒。

關鍵詞：電力大數據；智能化；數據挖掘

DOI：10.16640/j.cnki.37-1222/t.2017.12.179

1 概述電力大數據智能化的高效挖掘

電力大數據智能化主要是從智能化的電網內部以及外部兩個方面來的，從始自終會涉及到電力系統的生產、管理與使用的每個環節，具體是從發電到輸電，變電到配電，用電到調度等方面。

1.1 電力大數據智能化的特點

智能化的電力大數據被國內外研究文獻概括為八個特點：高準確性、數據即能量、數據即共情、數據即交互、高價值性、數量大、類型多、速度快。由于電力行業對與社會電力需求以及安全生產等方面有著不可推卸的責任，所以在運用電力進行生產以及營銷等社會活動時候必須要精準無誤才可以；對于電力大數據的智能化來說可以對電力系統的每個環節耗能進行降低，能夠對電力行業的可持續發展做出貢獻；電力大數據的智能化可以對供用電雙方的動態交互和發現進行實現，并和其他網絡整合一起形成動態交互；電力工業的生產和銷售也會被智能化的大數據推動而轉向以用戶為中心的情感導向，這是對電力消費者的關懷體現；說到價值，電力大數據的智能化會涉及電力系統內部數據以及外部數據，電力行業中的規律性特點都會被反映出來，對于管理的工作有很大的指導作用。外部的數據也能夠對國家目前的社會經濟狀態進行體現，也存在較高的價值；智能化的電力大數據具備著幾個常見的特點，就是數量大以及類型多、速度快。智能化的電網建設促進了數量的增長，以及不同數據類型的使用：半結構化和結構化的數據類型，為了適應大數據的采集，速度也要調整得更快才能適應工作的需要。

1.2 數據挖掘的基本理論

人工智能、數據庫技術、統計學和機器的學習等不同學科相互結構獲得的產物就是數據挖掘。通俗而言，有用的知識能夠提取或者挖掘于大量數據的形式就是數據挖掘；但是數據挖掘的廣義定義就是將存放在數據庫或者其他信息庫里的大量數據進行挖掘知識的整個過程。而目前為止，研究數據挖掘的技術雖說已取得不少進步，但是依舊面臨許多待解決的問題和挑戰。開發者或者研究人員都會面臨巨大的挑戰，數據挖掘的辦法、數據不同類型、用戶的交互性等問題都必須在數據挖掘的時候要仔細的考慮好，特別是想要有挖掘知識于大型數據庫的時候。

知識發現類、概率統計分析類和其他數據挖掘技術三大技術構成目前最常用的數據挖掘的技術。非線性分析、線性分析、聚類分析和回歸分析四種數據挖掘模型是概率統計分析類使用的四種具體模型。特別是聚類分析模型，其不僅具備不錯的時效性能，而且還能夠完整的對數據不完整的提點進行解決；這樣一來，數據庫里的隨時更新的數據，都會對單一性或者陳舊性的數據所帶來不足的特殊性進行避免。

2 探索電力大數據智能化高效分析挖掘技術的框架

分析了來自國家電網的外部數據源和四大數據中心的多源異構大數據，可以從具體不同的四個方面來對電力大數據智能化的高效分析挖掘技術框架進行構建：分別是數據源層、特征分析層和服務層、驗證層。電力大數據在整個技術的框架之中可以通過數據的特征進行分析、數據并行化來分析以及基于內存計算的數據分析等三個方面的技術來進行；然后利用數據的特征模型相關和高性能交互的分析、將傳統電力的數據分析提高到全數據的處理來分析，最后能夠將電力大數據的并行化的分析以及服務系統進行完善，同時也能夠利用超短期的母線負荷預測的應用來對技術是否適用來進行驗證。

具體的總體技術框架由三個大方面來構成：數據來源方面，數據特征分析方面，大數據并行化分析服務體系。首先，從數據來源方面出發，其中包含了數據中心以及外部的數據，結構化、非結構化、實時/歷史、地理的信息等組成了數據的中心，氣象數網、移動的互聯、社交的網絡等組成了外部的數據；然后再到由特征提取的方法、數據模型的構建、基于數據特征的類聚/管理挖掘分析構成了數據特征的方法。同時還需要注意數據的并行化分析框架的構成以及基于內存的高性能數據分析下具體幾個細節性的方面；然后將它們進行封裝給到大數據并行化的分析服務體系以獲得最終的驗證。服務層面構建電力大大數據并行化分析服務體系主要是通過服務的架構以及服務的接口，應用層利用超短期母線負荷預測作為應用的場景，調用相應的接口來對符合的大數據進行實時的分析工作。其中服務架構中包含了不少方面的知識：比如數據的服務應用、消費的模式、抽象的層次、服務管理和應用支撐等。而服務接口中也由業務人員、分析人員、開發人員、運維人員來進行運轉。

3 結語

大數據的大量積累是隨著智能電網的不斷推進、業務的系統和數據復雜的中心數據形成的，不僅能夠對數據的分析帶來豐富的條件，而且還能夠影響系統的計算的速度、分析的能力以及建設模式等多個方面。本文就電力大數據的智能化高效分析挖掘關鍵技術的框架進行重點研究，能夠利用智能化的算法、處理全數據以及可視化展現等層面來分析傳統的電力數據分析，為高效價值的電力業務數據挖掘以及分析問題時候采取的決策提供的依據以及技術的支持。

參考文獻：

[1]孫鴻飛，弓麗棟，張海濤，武慧娟.智能電網大數據分析框架及其應用演進研究[J].現代電力，2016（06）：64-73.

[2]鄧松，岳東，朱力鵬，胡斌，周愛華.電力大數據智能化高效分析挖掘技術框架[J].電子測量與儀器學報，2016（11）：1679-1686.

[3]楊政，李卓玲，王大玲.基于數據挖掘的智能化電力負荷預測[J].沈陽工程學院學報（自然科學版），2008（02）：160-162.

作者簡介：丁霄寅（1986-），男，浙江衢州人，本科，工程師，研究方向：電力工程項目和智能用電。