基于電力歷史應(yīng)急大數(shù)據(jù)的應(yīng)急情景規(guī)則分析與發(fā)現(xiàn)方法研究*

榮莉莉，李 群，于 振

(1.大連理工大學(xué) 系統(tǒng)工程研究所，遼寧 大連 116024；2.全球能源互聯(lián)網(wǎng)研究院，北京 102209)

0 引言

近幾年，隨著我國各類突發(fā)事件的不斷發(fā)生，尤其是造成嚴(yán)重人員傷亡、財產(chǎn)損失以及國際不良影響的重特大事故，各級政府與企業(yè)對應(yīng)急管理水平的不斷提高提出迫切需求，而作為應(yīng)急管理工作的重要抓手，以應(yīng)急預(yù)案為核心的應(yīng)急管理體系建設(shè)則是重中之重，自2006年國務(wù)院頒發(fā)國家突發(fā)事件總體預(yù)案以來，全國各地方和企事業(yè)單位相繼開展應(yīng)急預(yù)案的編制工作，初步形成了以“總體預(yù)案—專項預(yù)案—部門預(yù)案—企事業(yè)單位預(yù)案”為主線的應(yīng)急預(yù)案體系[1]，在近幾年突發(fā)事件應(yīng)急過程中發(fā)揮了重要作用。但是，在現(xiàn)有應(yīng)急管理體系中，應(yīng)急預(yù)案可操作性差，應(yīng)急演練與培訓(xùn)缺少實戰(zhàn)性，應(yīng)急處置缺少前瞻性、較為被動的問題在應(yīng)急管理實踐中不斷暴露出來，為了進(jìn)一步提升現(xiàn)有應(yīng)急管理體系的效率，很多學(xué)者從不同角度和層面開展相關(guān)研究。在應(yīng)急預(yù)案方面，劉鐵民[2]在總結(jié)國內(nèi)外應(yīng)急預(yù)案體系發(fā)展過程與經(jīng)驗的基礎(chǔ)上，針對現(xiàn)有應(yīng)急預(yù)案的頂層設(shè)計需求，分析并提出應(yīng)急預(yù)案體系總體結(jié)構(gòu)、功能分類及其相互關(guān)系，并建議在首先完成頂層愿景設(shè)計基礎(chǔ)上，再逐漸分階段實現(xiàn)并形成循環(huán)持續(xù)改進(jìn)機(jī)制；薛元杰等[3]探究對照法在應(yīng)急預(yù)案充分性、可行性、完整性、可接受性、符合性評估中的應(yīng)用，并將應(yīng)急準(zhǔn)備能力提升作為應(yīng)急預(yù)案修訂的目標(biāo)。在應(yīng)急準(zhǔn)備方面，李湖生[4]提出以定性評估指標(biāo)為主、定量評估指標(biāo)為輔，并綜合考慮基礎(chǔ)風(fēng)險水平差異的區(qū)域應(yīng)急準(zhǔn)備能力評估體系及其歸一化的綜合評分方法；江田漢等[5]建立突發(fā)事件應(yīng)急準(zhǔn)備脆弱性評估指標(biāo)體系，并引入簡單加權(quán)求和法、秩和比法，并最終計算得出突發(fā)事件應(yīng)急準(zhǔn)備脆弱性指數(shù)。在情景構(gòu)建與推演方面，劉鐵民[6]提出適用于我國重大突發(fā)事件情景基本概念、分類矩陣、構(gòu)建程序、情景框架結(jié)構(gòu)與要素內(nèi)容等一些理論與方法；王永明[7]設(shè)計事故災(zāi)難類重大突發(fā)事件情景構(gòu)建概念模型，分析概念模型中的“機(jī)會窗”和“準(zhǔn)備效益”等重要理念；盛勇等[8]從系統(tǒng)復(fù)雜性、開放式預(yù)先設(shè)想以及序貫性3個主要原則的角度理解突發(fā)事件情景演化的機(jī)理，構(gòu)建了突發(fā)事件情景演化系統(tǒng)模型，并以此為基礎(chǔ)設(shè)計了突發(fā)事件情景網(wǎng)絡(luò)關(guān)鍵要素的提取方法；朱曉寒等[9]從自然災(zāi)害鏈情景態(tài)勢組合推演框架構(gòu)建、自然災(zāi)害鏈情景描述、自然災(zāi)害情景要素組合推演途徑3方面開展針對性研究。在電網(wǎng)因災(zāi)(自然災(zāi)害)受損方面，陳鵬云等[10]根據(jù)高壓電網(wǎng)故障統(tǒng)計資料，分析了中國電網(wǎng)中自然災(zāi)害概況，并結(jié)合主要自然災(zāi)害對電網(wǎng)損毀性影響的特征及其時空分布特征，指出目前中國高電壓主網(wǎng)的安全風(fēng)險(大范圍冰災(zāi)、大面積污閃、大面積線路覆冰舞動)；門永生等[11]針對典型自然災(zāi)害對電網(wǎng)重要設(shè)施影響的特征，構(gòu)建了基于8類典型自然災(zāi)害的電網(wǎng)重要基礎(chǔ)設(shè)施脆弱性評價指標(biāo)體系；王興發(fā)等[12]在分析風(fēng)災(zāi)、洪澇、雷害、火燒山、污閃、地質(zhì)災(zāi)害和覆冰7類自然災(zāi)害對電網(wǎng)造成主要影響的基礎(chǔ)上，從電網(wǎng)自然災(zāi)害預(yù)警系統(tǒng)的目標(biāo)與功能、預(yù)警指標(biāo)體系、系統(tǒng)結(jié)構(gòu)、信息資源的整合、預(yù)警事故集的生成5個方面進(jìn)行系統(tǒng)構(gòu)思和設(shè)計。

綜合以上現(xiàn)有研究成果可知，從應(yīng)急預(yù)案、應(yīng)急準(zhǔn)備、情景構(gòu)建、情景推演、事故后果模擬等角度開展針對性研究，進(jìn)而提高整體應(yīng)急管理水平，是目前業(yè)界的共識，但進(jìn)一步分析可以發(fā)現(xiàn)，針對突發(fā)事件，尤其是電力突發(fā)事件這種夾雜著大量危險源、承載體與應(yīng)急響應(yīng)行為的復(fù)雜突發(fā)事件，開展相關(guān)演化過程的分析與預(yù)測始終是各項工作的前提與基礎(chǔ)，現(xiàn)有研究成果大多從對突發(fā)事件本身的類型和特點入手，借助相關(guān)行業(yè)經(jīng)驗(定性為主)，實驗、計算與仿真建模(定量為主)等手段，去總結(jié)歸納相關(guān)突發(fā)事件的演化規(guī)律，這種方法不但存在由于各種假設(shè)條件帶來的誤差，而且對于影響因素種類和數(shù)量均較多的復(fù)雜突發(fā)事件來說，具有較大的應(yīng)用局限性。而近幾年，隨著大數(shù)據(jù)研究領(lǐng)域的快速發(fā)展，以大數(shù)據(jù)管理與應(yīng)用為代表的相關(guān)方法、技術(shù)與工具逐漸成熟，已廣泛應(yīng)用于各行各業(yè)[13-16]的相關(guān)指標(biāo)分析與預(yù)測，本文即在以上業(yè)務(wù)與技術(shù)背景基礎(chǔ)上，提出將大數(shù)據(jù)方法與技術(shù)應(yīng)用于電力突發(fā)事件應(yīng)急情景規(guī)則的分析與發(fā)現(xiàn)上，為電力突發(fā)事件情景演化規(guī)則的獲取提供參考與借鑒。

1 情景構(gòu)建與大數(shù)據(jù)技術(shù)結(jié)合的理論基礎(chǔ)與邏輯關(guān)系

1.1 情景構(gòu)建技術(shù)路線與產(chǎn)出

總結(jié)并分析目前應(yīng)急情景構(gòu)建方面的研究與應(yīng)用成果，情景構(gòu)建的大體過程可以分為如下3個階段：

1)情景的篩選與確定階段：主要是站在安全與應(yīng)急業(yè)務(wù)需求的角度，經(jīng)過相關(guān)資料收集與分解、以事件為中心的收斂與評價、情景的集成與描述等過程[6]，最終形成相關(guān)的事件情景規(guī)劃。

2)情景的細(xì)化與應(yīng)用階段：主要是在第1階段確定的情景規(guī)劃基礎(chǔ)上，圍繞具體情景開展的細(xì)化與應(yīng)用，側(cè)重于“情景-任務(wù)-能力”的提煉與對比應(yīng)用。

3)情景的評估與改進(jìn)階段：主要是在之前2個階段成果的基礎(chǔ)上，結(jié)合實際的事故處置以及應(yīng)急演練，從情景設(shè)置、任務(wù)分解、能力準(zhǔn)備等多個角度進(jìn)行針對性評估，進(jìn)一步完善相關(guān)情景構(gòu)建的成果。

從以上情景構(gòu)建的技術(shù)路線可知，相關(guān)“情景-任務(wù)-能力”內(nèi)容是情景構(gòu)建的主要產(chǎn)出。

1.2 數(shù)據(jù)分類與預(yù)測

一般來說，數(shù)據(jù)挖掘的算法主要包括分類、預(yù)測、聚類、關(guān)聯(lián)4種類型，而目標(biāo)變量的類型(離散型或連續(xù)型)則是分類與預(yù)測的主要區(qū)別。從對突發(fā)事件應(yīng)急情景推演的角度來說，大量事故案例數(shù)據(jù)、應(yīng)急演練數(shù)據(jù)等以及情景構(gòu)建產(chǎn)出的“情景”與“任務(wù)”數(shù)據(jù)，顯然可以作為監(jiān)督學(xué)習(xí)的訓(xùn)練集，目前主要的分類算法包括決策樹、邏輯回歸等，預(yù)測算法包括線性回歸、SVM、神經(jīng)網(wǎng)絡(luò)等，而以上模型算法在相關(guān)數(shù)據(jù)挖掘工具或平臺下的實現(xiàn)主要包括：IBM SPSS Modeler、Mahout、Spark MLlib等。

1.3 大數(shù)據(jù)與情景構(gòu)建的對接模式

近幾年，隨著大數(shù)據(jù)技術(shù)，尤其是相關(guān)存儲與管理平臺的快速發(fā)展，大數(shù)據(jù)與各行各業(yè)的結(jié)合速度明顯加快，為了將先進(jìn)、成熟的大數(shù)據(jù)技術(shù)應(yīng)用于應(yīng)急行業(yè)，從業(yè)務(wù)層面上，構(gòu)建大數(shù)據(jù)與情景構(gòu)建的對接模式，如圖1所示。

圖1 大數(shù)據(jù)與情景構(gòu)建間的業(yè)務(wù)邏輯說明Fig.1 Business logic illustration between big data and scenario construction

由圖1可知，安全與應(yīng)急大數(shù)據(jù)是所有業(yè)務(wù)開展的基礎(chǔ)，主要由案例數(shù)據(jù)、演練數(shù)據(jù)以及相關(guān)“情景構(gòu)建”數(shù)據(jù)3方面組成；而經(jīng)過相關(guān)針對性的案例分析、過程評估以及情景分析，生成典型突發(fā)事件案例的情景數(shù)據(jù)集，每個情景數(shù)據(jù)集均需從情景的時間順序和情景狀態(tài)2方面進(jìn)行描述；在經(jīng)過預(yù)處理的情景數(shù)據(jù)集上，綜合運(yùn)用相關(guān)的數(shù)據(jù)挖掘方法與技術(shù)，最終得出典型突發(fā)事件的情景演化規(guī)則。

2 基于電力歷史應(yīng)急大數(shù)據(jù)的應(yīng)急情景庫設(shè)計與實現(xiàn)

基于電力歷史應(yīng)急大數(shù)據(jù)的應(yīng)急情景庫是開展“情景—構(gòu)建”和“情景—應(yīng)對”的基礎(chǔ)和前提，也是開展情景規(guī)則發(fā)現(xiàn)的數(shù)據(jù)基礎(chǔ)和物理前提條件，本文在大量歷史電力應(yīng)急數(shù)據(jù)的基礎(chǔ)上，利用相關(guān)的數(shù)據(jù)挖掘和分析技術(shù)，實現(xiàn)對電力突發(fā)事件發(fā)展和影響規(guī)律進(jìn)行分析，進(jìn)而從事件演化層面(主要指自然災(zāi)情的變化和發(fā)展)、事件后果層面(主要指電力行業(yè)相關(guān)的事故后果)和突發(fā)事件應(yīng)對層面(包含：應(yīng)急指令的發(fā)布、應(yīng)急資源的調(diào)度等)進(jìn)行相關(guān)應(yīng)急情景庫的設(shè)計與構(gòu)建。

2.1 應(yīng)急情景庫的總體架構(gòu)設(shè)計

應(yīng)急情景庫的總體架構(gòu)如圖2所示。

圖2 應(yīng)急情景庫總體架構(gòu)Fig.2 Overall architecture of emergency scenario library

由圖2可知，電力突發(fā)事件的應(yīng)急情景庫主要由“事件演化情景庫”、“事件后果情景庫”和“事件應(yīng)對情景庫”3部分組成；“事件演化”導(dǎo)致了“事件后果”，而“事件后果”和“事件演化”一同導(dǎo)致了“事件應(yīng)對”行為的產(chǎn)生；而“情景集成”主要是通過“事件演化”、“事件后果”以及“事件應(yīng)對”3類數(shù)據(jù)中的“時間”維度進(jìn)行關(guān)聯(lián)，最終得到的“應(yīng)急情景庫”即是進(jìn)一步開展“情景規(guī)則發(fā)現(xiàn)”(匯總統(tǒng)計和數(shù)據(jù)挖掘模型)的對象(輸入)，故在數(shù)據(jù)結(jié)構(gòu)和數(shù)據(jù)質(zhì)量2個方面均需符合相關(guān)方法和模型的要求。

2.2 應(yīng)急情景庫的實現(xiàn)關(guān)鍵要點

在明確了應(yīng)急情景庫的總體架構(gòu)后，需要在邏輯層面、物理層面分別設(shè)計與實現(xiàn)“事件演化情景庫”、“事件后果情景庫”和“事件應(yīng)對情景庫”，而在此過程中，既需要采用關(guān)系模型設(shè)計數(shù)據(jù)“實體—關(guān)系”結(jié)構(gòu)，還需要選擇具體的關(guān)系數(shù)據(jù)管理系統(tǒng)(如：SQLSERVER或ORACLE)進(jìn)行物理實現(xiàn)，同時，有關(guān)業(yè)務(wù)數(shù)據(jù)的抽取、轉(zhuǎn)換與加載(ETL)也是相關(guān)實現(xiàn)的關(guān)鍵要點，限于篇幅本文給出相關(guān)庫表的邏輯結(jié)構(gòu)說明并簡要說明ETL過程。

2.2.1 應(yīng)急情景庫的邏輯結(jié)構(gòu)說明

1)事件演化情景庫

事件演化情景庫主要描述電力突發(fā)事件的發(fā)生、發(fā)展與結(jié)束的全過程，按照時間軸和一定的時間間隔進(jìn)行存儲和表達(dá)，此外，由于本文所指的電力突發(fā)事件主要是指自然災(zāi)害，故還需要有一定時間區(qū)間、一定空間區(qū)域范圍的氣象監(jiān)測數(shù)據(jù)，因此，可以概括為“事件演化情景索引表”和“極端天氣事件演化情景信息表”2個表。其中，事件演化情景索引表包括：事件編號、事件名稱、事件類型、事件開始時間、事件結(jié)束時間、事件影響區(qū)域等數(shù)據(jù)項；極端天氣事件演化情景信息表包括：氣象站站點id、最高溫、最低溫、天氣類型、濕度、風(fēng)力、風(fēng)向、氣壓、降水量等數(shù)據(jù)項。

2)事件后果情景庫

事件后果情景庫主要描述電力突發(fā)事件發(fā)生后給電網(wǎng)的正常運(yùn)行帶來的不良后果，按照后果類型可以大體劃分為：人員傷亡、重要客戶斷電、變電站受損、輸電線路受災(zāi)等，按照時間軸對某次突發(fā)事件的后果進(jìn)行存儲和表達(dá)，包括：后果發(fā)生時間、后果發(fā)生地點、后果發(fā)生地點坐標(biāo)、事件后果類型、死亡人員數(shù)量、重傷人員數(shù)量、輕傷人員數(shù)量、斷電重要客戶名稱、受損變電站名稱、故障輸電線路名稱等數(shù)據(jù)項。

3)事件應(yīng)對情景庫

事件應(yīng)對情景庫主要描述電力突發(fā)事件發(fā)生后，各級應(yīng)急單位(部門)所采取的相應(yīng)應(yīng)對措施，具體表現(xiàn)為相應(yīng)應(yīng)急指令的下達(dá)，按照時間軸對某次突發(fā)事件發(fā)生后的不同應(yīng)急主體所下達(dá)的應(yīng)急指令進(jìn)行存儲和表達(dá)，這里所說的應(yīng)急指令涵蓋了應(yīng)急預(yù)案的啟動、應(yīng)急預(yù)警級別的確定和發(fā)布，應(yīng)急響應(yīng)級別的確定和發(fā)布，應(yīng)急資源的調(diào)動等所有應(yīng)對措施，包括：應(yīng)急指令下達(dá)的時間、下達(dá)應(yīng)急指令的主體、接受應(yīng)急指令的受體、應(yīng)急指令的內(nèi)容、應(yīng)急指令的類型、應(yīng)急資源調(diào)動類型、應(yīng)急資源調(diào)動數(shù)量等數(shù)據(jù)項。

2.2.2 基于應(yīng)急情景庫的數(shù)據(jù)抽取、轉(zhuǎn)換與載入

在應(yīng)急情景庫的邏輯設(shè)計和物理結(jié)構(gòu)實現(xiàn)基礎(chǔ)上，需要在不同來源的數(shù)據(jù)基礎(chǔ)上進(jìn)行抽取、轉(zhuǎn)換，最終得到一定質(zhì)量標(biāo)準(zhǔn)的集成數(shù)據(jù)進(jìn)行批量導(dǎo)入，以氣象監(jiān)測數(shù)據(jù)為例說明如下。

1)數(shù)據(jù)準(zhǔn)備：電網(wǎng)現(xiàn)行的防臺抗臺業(yè)務(wù)系統(tǒng)中，有多個粒度、多個時間區(qū)間、多個地理范圍的氣象信息，為了與相關(guān)的臺風(fēng)信息、電網(wǎng)因災(zāi)(受損)信息等進(jìn)行集成，需要確定“地理區(qū)域”和“時間區(qū)間”2個維度的具體取值范圍，為下一步ETL工作提供數(shù)據(jù)提取的條件，如以2016年9月登陸我國的某臺風(fēng)為例，選擇的“地理區(qū)域”為“福建省”、“時間區(qū)間”為“2016-09-10 14:00”到“2016-09-16 23:00”。

2)基于Kettle的ETL：在上一步得到的氣象監(jiān)測數(shù)據(jù)以及“地理區(qū)域”、“時間區(qū)間”的條件基礎(chǔ)上，利用Kettle輔助工具開展相關(guān)ETL工作，共獲得126條記錄數(shù)據(jù)，如圖3所示。

3 基于電力應(yīng)急情景庫的情景規(guī)則發(fā)現(xiàn)方法

在應(yīng)急情景庫的構(gòu)建實現(xiàn)以后，以“時間”為索引的“災(zāi)情事件—?dú)庀蟊O(jiān)測數(shù)據(jù)—災(zāi)損數(shù)據(jù)—事件應(yīng)對數(shù)據(jù)”的數(shù)據(jù)主線即建立起來，而通過相關(guān)的情景規(guī)則發(fā)現(xiàn)方法進(jìn)一步分析、獲得這些數(shù)據(jù)之間的邏輯關(guān)系(規(guī)則)則是電力應(yīng)急工作更為迫切需要的。為了更清晰地表達(dá)基于應(yīng)急情景庫的情景規(guī)則發(fā)現(xiàn)方法，本文首先提出1個基礎(chǔ)性的電力應(yīng)急情景庫整體邏輯視圖，如表1所示。需要說明的是：表1中的氣象監(jiān)測數(shù)據(jù)、電網(wǎng)災(zāi)損數(shù)據(jù)以及應(yīng)急投入數(shù)據(jù)等大類下的具體數(shù)據(jù)項可以根據(jù)實際應(yīng)用過程中掌握的數(shù)據(jù)進(jìn)行擴(kuò)展，如：在進(jìn)行雨雪冰凍災(zāi)情的情景規(guī)則發(fā)現(xiàn)時，可能會增加“濕度”、“天氣類型”等氣象監(jiān)測數(shù)據(jù)項，以及“融冰裝置”等應(yīng)急投入數(shù)據(jù)項。

圖3 氣象監(jiān)測數(shù)據(jù)ETL結(jié)果Fig.3 ETL results of meteorological monitoring data

表1 電力應(yīng)急情景庫整體邏輯視圖Table 1 Overall logical view of electric power emergency scenario library

從表1可以看出，按照表1結(jié)構(gòu)存儲、載入的各類業(yè)務(wù)數(shù)據(jù)在“時間”維度上進(jìn)行了統(tǒng)一和集成，這些數(shù)據(jù)往往來自于災(zāi)后的匯總統(tǒng)計，具有良好的數(shù)據(jù)質(zhì)量，這就為后面的情景規(guī)則分析與發(fā)現(xiàn)提供了基礎(chǔ)，本文提出的情景規(guī)則分析與發(fā)現(xiàn)方法主要包括：基于數(shù)據(jù)統(tǒng)計的規(guī)則發(fā)現(xiàn)和基于數(shù)據(jù)挖掘的規(guī)則發(fā)現(xiàn)2類。

1)基于數(shù)據(jù)統(tǒng)計的規(guī)則發(fā)現(xiàn)

基于數(shù)據(jù)統(tǒng)計的規(guī)則發(fā)現(xiàn)是指在表1結(jié)構(gòu)下存儲的各類業(yè)務(wù)數(shù)據(jù)基礎(chǔ)上，進(jìn)行多角度的數(shù)據(jù)匯總和統(tǒng)計，并重點提取各類匯總統(tǒng)計結(jié)果在“時間”維度上的實際業(yè)務(wù)意義。如：以某次臺風(fēng)為例，根據(jù)收集到的臺風(fēng)導(dǎo)致的變電站故障數(shù)據(jù)，可以匯總得到如圖4所示的時序圖，其中，橫軸表示時間距離(起始時間為：2014-07-20 02:01:00)，單位：h；縱軸表示變電站故障的總數(shù)，單位：個。從圖4可以看出，在最初的80 h左右(以2014-07-20 02:01:00的故障記錄為原點)，故障變電站的總數(shù)基本在100個左右，且發(fā)展較為緩慢；但從大約80 h以后，故障變電站的數(shù)量激增，直至120 h左右的400個故障點，臺風(fēng)導(dǎo)致的變電站故障數(shù)量增長迅速，相應(yīng)故障點增速可以達(dá)到18.69個/h，這種故障點數(shù)量的增長速度可以為以后同類、相似強(qiáng)度的臺風(fēng)應(yīng)急提供故障點數(shù)量的初步預(yù)測。

圖4 基于時間序列的變電站故障數(shù)量變化(某次臺風(fēng)影響)Fig.4 Quantity change of fault transformer substations based on time sequence (affected by a certain typhoon)

2)基于數(shù)據(jù)挖掘的規(guī)則發(fā)現(xiàn)

基于數(shù)據(jù)挖掘的規(guī)則發(fā)現(xiàn)是指在表1結(jié)構(gòu)下存儲的各類業(yè)務(wù)數(shù)據(jù)基礎(chǔ)上，應(yīng)用相應(yīng)的數(shù)據(jù)挖掘模型和算法，對相應(yīng)的目標(biāo)項進(jìn)行分類和預(yù)測。譬如：用聚類分析模型算法進(jìn)行氣象監(jiān)測數(shù)據(jù)的分類預(yù)測，進(jìn)而得到相應(yīng)的災(zāi)損和應(yīng)急投入預(yù)測，如圖5～7所示。其中，如圖5所示，進(jìn)行聚類分析的臺風(fēng)信息數(shù)據(jù)項包括：登陸時強(qiáng)度等級、登陸最大風(fēng)力(級)、登陸最大風(fēng)速(m/s)、持續(xù)時間(h)和過程降雨量(mm)等；如圖6所示，采用的聚類分析模型算法包括“兩步模型算法”和“K-means模型算法”，模型算法的實現(xiàn)借助IBM SPSS Modeler工具實現(xiàn)；如圖7所示為最終的聚類分析結(jié)果，從中可以看出，本文假設(shè)的“虛擬臺風(fēng)1”被分類為“聚類-1”，可以參考的臺風(fēng)包括“云娜”、“麥莎”等臺風(fēng)。

圖5 用于聚類分析的臺風(fēng)基本信息數(shù)據(jù)集Fig.5 Dataset on basic information of typhoon used in cluster analysis

圖6 臺風(fēng)聚類分析模型構(gòu)建Fig.6 Construction of cluster analysis model on typhoon

圖7 臺風(fēng)聚類分析結(jié)果Fig.7 Result of cluster analysis on typhoon

4 結(jié)論

1)在充分分析現(xiàn)有情景構(gòu)建理論與方法的基礎(chǔ)上，提出將電力歷史大數(shù)據(jù)相關(guān)分析與挖掘技術(shù)應(yīng)用于復(fù)雜電力突發(fā)事件的情景規(guī)則分析與發(fā)現(xiàn)領(lǐng)域，并從業(yè)務(wù)層面給出相關(guān)邏輯對接模式。

2)提出基于電力歷史應(yīng)急大數(shù)據(jù)的應(yīng)急情景庫設(shè)計與實現(xiàn)方法，并圍繞相關(guān)歷史數(shù)據(jù)的抽取、轉(zhuǎn)化和加載(ETL)提供了具體技術(shù)方案。

3)在電力應(yīng)急情景庫的基礎(chǔ)上，提出“基于數(shù)據(jù)統(tǒng)計的規(guī)則發(fā)現(xiàn)”和“基于數(shù)據(jù)挖掘的規(guī)則發(fā)現(xiàn)”2類情景規(guī)則發(fā)現(xiàn)方法，并分別進(jìn)行了舉例說明。