基于電力調度自動化系統中數據挖掘技術的應用

郭達波

摘 要：由于社會的進步，讓很多行業都得到了一定程度的發展。而其中電力企業能夠對我國的經濟發展起到推動作用，因此其發展的情況得到了社會的普遍重視。而電力調度工作是電力供應的關鍵環節，如果在此環節中能夠采用數據挖掘技術的話，就可以起到非常不錯的供電效果。此項技術的作用在于能夠收集大量的相關數據，并可以進行完善的分析，因此一定要得到相關工作者的高度重視。

關鍵詞：電力調度自動化系統；數據挖掘技術；應用

電力調度自動化系統運用數據挖掘技術非常的重要，可以全面的展現出電力調度自動化系統的使用效果，更為重要的是可以帶動社會的可持續建設。所以，有關工作者要全面研究數據挖掘數，讓其能夠在電力調度自動化系統當中展現出最大的應用價值，這樣就會提升帶動我國的經濟發展。

一 數據挖掘技術的含義

在這些年以來，隨著經濟的發展，讓數據挖掘技術得到了普遍的應用。此項技術主要是在眾多的數據當中找到有關系的信息，然后采用統計、分析等方式進行處理。而在挖掘數據的工作中，主要包括以下步驟：首先是做好數據準備工作，也就是篩選出要使用的數據，然后進行有效的處理；其次是分析規律，并展現到用面前，這樣就可以提高工作質量。如果能夠把數據挖掘技術合理的運用到電力調度自動化系統中，可以解決大量所存在的問題，其中主要包括調度工作者安排電力校驗使用、維護電力運用記錄等，這樣一來就可以確保有關數據的精準度?？傊褂脭祿诰蚣夹g具有非常突出的效果，在通過實踐后了解到，運用數據挖掘技術能夠全面的掌握數據間的隱秘關系，并可以給接下來的調動工作帶來有價值的依據。

二 數據挖掘技術的分類和過程

數據挖掘技術主要分為兩個種類，分別是發現驅動的數據挖掘技術以及驗證驅動的數據挖掘技術。發現驅動的數據挖掘技術是指客戶在采用機器學習期間，能夠挖掘出全新的假設，在此期間需要相關工作者的積極配合。而驗證驅動的數據挖掘技術指的是用客戶對此前自己所提出的假設，使用有關的技術來給假設采取驗證。而數據挖掘的過程則包括：對數據的選用、預處理、轉化、發掘、分析和同化，在確立業務目標以后，就要對數據采取處理。而在此期間，要收集與業務目標有關的數據信息，之后選用符合要求的數據，緊接著分析數據的質量，并確立采用哪種數據挖掘技術，最后在對要使用的數據進行轉換，最終構成一個能夠進行算法挖掘的分析模型。

三 數據挖掘技術的具體應用

（一）模糊分析法在電力調度自動化系統中的應用

模糊分析法是指在聚類和研究已知數列，以此讓分類的數據能夠具有全面行，并提高分類結果的綜合性。在電力調度自動化系統當中，采用模糊分析法能夠全面展現出大數據的功能，并還可以符合數據的整理要求。比如我國一些地區的電網備用調度項目的電力調度自動化系統就運用了模糊層次感分析綜合法，在此系統當中結合了一體化系統，能夠實現數據的采集和互換，這樣一來就可以做好對數據通信鏈路的管理。

（二）灰色分析法在電力調度自動化系統中的應用

要是在時間線上，電力數據之間具有一定的關聯性，在這樣的情況下就可以采用灰色分析法來對電力數據進行預測。在收集電力調度系統數據的時候，會普遍采用灰色分析法，就算數據不具備完善性，那么也可以采用灰色分析法來對數據進行分析。不過與模糊分析法進行比較后能夠發現，此類方式無法全面展現出大數據的功能。在電力調度的過程中，對電力負荷的預測是一項非常重要的工作。在數據處理模塊里，要融合原始負荷數據、預測數據等，并要把預測數據轉化成文本。數據清理模塊能夠確保系統的運行速率，符合預測的數據通常能夠保持在5年左右的時間，而合理的清除歷史數據則能夠確保查詢的效果。在負荷預測模塊中，能夠容納所在地區的全部情況，然后采用灰色模型、多變量灰色模型來采取負荷預測，其中后者能夠通過有關資料來進行預測。而在數據顯示模塊里，可以利用列表和圖形的形式來展現出歷史數據，這樣相關工作者就能夠掌握當天的數據情況和氣象信息。在設計數據庫的時候，里面主要包括了歷史負荷數據庫、預測數據庫、氣象資料數據庫等等。在采用該系統的過程中，可以對所在地的數據狀況進行具體的分析，預測過程為采用普通灰色模型來進行自動預測，之后再做好檢測工作，如果自動預測精度能夠保持在95%以上，則表明預測具有非常理想的精準度。

（三）以聚類分析法在電力調度自動化系統中的應用

此分析法在電力調度自動化當中得到了普遍的使用，其類似于同類分析法，但并不是全部相同，分類法更多的是注重把數據運用到給定的種類當中，而聚類分析法則主要是給同類數據進行劃分，數據具備完善性和綜合性，也正因為如此，該分析法才得到了普遍的使用。此外聚類分析法可以針對灰色分析法所存在的不足之處進行改善，從而能夠讓數據更加的完善，同時還可以減少數據間的聯系。比如，在電力調度數據當中，主要包括兩種類型，分別為控制以及生產管控，而采用聚類分析法，可以對大數據采取聚類劃分，其中主要包括電力生產數據、銷售數據等。

（四）神經網絡方式在電力調度自動化系統中的應用

神經網絡方式已經相當的完善，其自身就可以給數據進行處理、挖掘和保存，比較適合用到對模糊、不精準的數據的處理工作當中。運用電腦準確運算的功能，能夠得到調度自動化系統數據，而主要采用的方式包括前饋、反饋等。運用神經網絡能夠把調度的各種數據進行連接，進而分析出數據的邏輯性。而想要達到這樣的效果，那么就要做好以下的工作：（1）整理電力調度自動化系統的數據。盡管此類數據比較繁瑣，類型也很多，不過它們之間有著密切的聯系，可以整合統一，構成相應的模式，從而就能夠為以后的數據搜尋、統計等工作打下良好的基礎，并可以確保數據的完整性，這樣就會讓電力調度工作得到良好的開展，以此構成神經網絡系統。（2）電力調度有關數據，各種環節電力狀態和參數的精準性不一致，很容易造成影響，進而達到數據關聯。（3）把神經網絡方式運用到電力調度自動化當中，來處理全部的數據，并做好分析工作，另外還要對其余的一些調度工作做好決策，以此來對數據進行共享，這樣就可以確保電力自動化調度系統的完善性。

四 對電力調度技術的展望

電力系統數據挖掘要結合多項技術，其中主要包括數學統計知識、高數運算知識、網絡技術等，所有的技術都具備屬于自身的領域，并且各個環節都保持著密切的聯系。而在指定的領域里，其中一個信息出現錯誤的話，那么就會對整個數據造成影響。所以，加強數據效果，目的在于提升調度技術聯系程度，并實現協同發展。這樣一來，我國電力調度技術要能夠得到進一步完善，而且所使用的數據也會獲得發展空間。通過這些年的發展情況來看，電力用戶用電正邁入到綜合性、復雜性的方向，所以一定要對調度系統改善。

結束語：

在電力調度自動化系統中，采用模糊分析法、灰色分析法等數據挖掘技術，能夠使得電力調度自動化系統收集到完善的數據，同時還可以確保電力調度的效果，這樣就會讓供電更加的穩定，并使得電網運行更加具有安全性和平穩性。

參考文獻：

[1]李琳，李淼，王志宏，劉紫玲，高永俊，韓明彤，張成，丁寶帥.電力調度自動化系統中數據挖掘技術運用分析[J].山東工業技術，2018（21）：163.

[2]李小丕.淺析電力調度自動化系統中數據挖掘技術[J].低碳世界，2018（08）：123-124.

[3]聶宇，羅超，高小芊，寇霄宇，何宇雄，苑晉沛，李蔚.基于電力調度自動化系統中數據挖掘技術的應用[J].科技創新與應用，2018（03）：143-144.

[4]周洋.數據挖掘在電力調度自動化系統中的應用解析[J].科技創新與應用，2017（35）：149-150.