莫立群
(國網青海省電力公司海西供電公司,青海 海西 816000)
在大數據時代到來的今天,數據挖掘技術能夠從海量數據信息中準確找到所求信息,因此本文將數據挖掘技術視作“采用有效工具和措施從海量數據庫中提取數據和模型關系”的技術,由此企業的決策能夠得到充足的判斷依據。為了更直觀了解數據挖掘技術,本文將數據挖掘的過程和步驟概括為以下幾個方面:第一,確定業務對象。確定業務對象屬于數據挖掘過程的基礎工作,這一過程的實質是了解業務問題。第二,準備數據。通過選擇數據、數據預處理、轉換數據三個層面的工作,即可完成針對于挖掘算法的分析模型構建,并最終完成一定領域的數據挖掘。
電力調度自動化系統可以讓電力系統運行可靠性與電網系統安全性得到有力保證,在運行過程中,可以讓工作人員的工作更為方便化,其主要組成部分包含了前置機、主備用服務器、Web服務器、串口服務器、衛星鐘、RTU和物力隔離網關。在電力調度自動化系統中,應用數據挖掘技術的必要性體現在多個方面,首先,數據挖掘技術可以讓管理層對實時信息予以切實掌握,可以讓管理層獲得經營與生產的相關數據信息,可以讓數據受到中間人的干擾現象得到有效避免;其次,數據挖掘技術的應用可以讓人力成本得到降低,可以讓數據信息的提取更為自動化;然后,數據挖掘技術在電力調度自動化系統中的應用可以讓數據信息的掌握更具全面性,可以從不同的方面定量、定性對其進行掌握,讓管理與預測工作得到有力幫助;最后,數據挖掘技術的應用可以輔助分析電網報告工作、制訂電網報告工作。
神經網絡是比較成熟的一項技術,本身具有對數據自行處置、挖掘數據進行存儲和高度容納錯誤等優點,非常適合處理模糊和不完整、不準確的數據,利用計算機精確的計算功能,可以實現深度的挖掘調度自動化系統數據,一般采用的方法為前饋、反饋、映射三種,使用的神經網絡,對數據整理和分析至關重要,采用該方法,可以將調度各類數據進行關聯,從而找出數據的邏輯性。為此:第一,對電力調度自動化系統基本數據進行處理,雖然這類數據復雜、種類多,但這些數據有緊密的聯系,能夠整合統一,并形成模式,為后期數據查詢、統計、分析等奠定堅實的基礎,保證數據的完整性和一致性,使電力調度能夠順利的開展,并形成神經網絡系統,方便統一管理。第二,電力調度相關數據,不同環節電力狀態和參數準確性不一致,整個過程中會受到一定影響,從而達到數據關聯。第三,將神經網絡這種方法應用在電力調度自動化中,對所有數據進行整合分析,并供給其他調度工作進行決策分析,實現大范圍數據共享,以此來保證電力自動化調度系統的效果。
采用灰色分析法又被叫做灰色預測,在調度需要的數據在一點上時,可以選用該方法來挖掘數據,該方法是最普遍的一種,可以對電力調度自動化系統出現的數據來預測,它最主要的優點就是可以在有限數據及調度不完全數據預測,然而,當遇到數據量比較大的數據,便沒有辦法達到最優,為此電力調度自動化系統出現數據挖掘分析時,應詳細分析數據,并對數據的來源進行分類,看其實電力數據或營銷環節數據,找出這些數據之間存在的關系,采用灰色分析方法對數據進行挖掘分析,需要充分了解電力調度中部分數據參數,包含用戶用電數據預測、電力營銷情況、短期或超短期自動化設備和母線負荷數值等,電力自動化系統可以在以上數據進行深入分析,通過制定電力調度邊界值,保證電力調度自動化系統正常運行,使數據的收集更加的安全可靠,為后續的分析奠定堅實的基礎。
模糊分析法屬于聚類分析法其中的一種,是最常被電力系統應用的一種聚類方法。模糊分析法就是針對已知的數列進行聚類和分析工作,以達到數據全面、綜合的分類效果。此方法是聚類分析法的一種,也是經常被電力調度系統所采用的一種聚類分析方法。其優點就是彌補了灰色分析法的缺點,使大數據的功能得以充分的發揮利用,滿足了客觀的數據整理需求。
業內人士也許明白,關聯規則是數據挖掘技術的一項重要的應用方式之一,上述提到的神經網絡法從嚴格意義上來說也屬于這一范疇。關聯規則是通過對于大量數據進行有效分析和整合,從中找出各大數據間的關聯或是對于數據信息進行密切聯系,從而達到對于電力數據信息的高質量分析與整合。在關聯規則中,周期性關聯規則挖掘算法最為常見,其中它具備很多其它算法不可比擬的優勢,例如,掃描數據庫次數較少,與相同項目的比較次數較少等等,這在很大程度上降低了關聯規則進行數據挖掘時的事故發生的概率。
綜上所述,在現階段這個大數據時代背景之下,源源不斷的數據信息噴涌而出,尤其是在電力調度自動化系統中,大量的電力數據信息急需進行收集和整合分析,因此就需要將數據挖掘技術應用至電力系統的運行中,從而更好地為我國電力行業服務。作為一名數據挖掘的相關工作人員,唯有將上文所提及的各種數據挖掘技術的應用方式很好地掌握,才有可能對電力系統中出現的大量電力數據信息進行有效分析,才會在一定程度上促使電力系統更加安全可靠地運行,最終為我國電力行業的發展添磚加瓦。