數據挖掘技術及其在電力行業過程監控中的應用

李田

?

數據挖掘技術及其在電力行業過程監控中的應用

李田

（南京國電南自軌道交通工程有限公司，江蘇 南京 210032）

隨著信息科技的發展，數據挖掘技術已經融入到各個各業的不同領域中，并以自身特性發揮出至關重要的作用。在電力行業中，為了滿足日常生產生活中的用電需求、降低電網負擔、增強管理水平，也應當對技術方法進行開發，并嘗試在電網運營監管的過程中使用數據挖掘技術，順應時代發展規律，實現管理方法升級。

數據挖掘技術；電力行業；過程監控；計算機信息技術

1 數據挖掘的概述

數據挖掘（Data Mining，簡稱“DM”），是一種基于現代化計算機信息技術基礎上的數據處理技術。該技術可以實現有效數據的自動篩選。在數據庫的基礎上，可以自動、智能地將有效的信息篩選出。而這種作用可以分為兩個方面，一方面，數據挖掘可以在大量的、紛繁復雜的數據中將有價值的數據篩選出來；另一方面，數據挖掘可以在不完全、模糊的數據中提取出對我們有價值的潛在的數據。可以說，它是所有信息處理工作的第一步，任何的信息處理工作都需要對有效信息進行一次篩選，這樣可以節省一定的時間，提高信息處理的效率。比如數據的統計分析、知識的發現。當然這兩種工作中數據挖掘的具體作用不同，在統計分析中，他所對應的數據一般是具有一定統計規律的。而在知識的發現中，主要是利用數據挖掘來挖掘一些隱藏的有價值的數據。

2 數據挖掘的需求

2.1 主要業務

人力資源管理信息系統建設的核心是全面支撐人資集約化，主要體現在ERP系統中，通過人力資源各個模塊的管理，最終實現人事、勞動等相關方面報表的數據統計。分析數據挖掘在電網運營管理中的主要業務，需要從ERP系統的各個管理方面入手。在系統中，除了人力資源管理，最重要的就是財務管理。員工的工資、成本管理、資產監控等模塊的財務統計分析是財務管理中的數據挖掘統計需求。財務的系統管理可以提高企業的財務運轉能力，提高企業的運營效益。此外，物資管理也是企業管理的一個重要部分，而物資集約化管理也是主要業務之一。其中，包括物資的計劃、采購、庫存、配送和廢舊回收，一定程度上對業務的標準進行了完善，對業務的具體執行方法進行了統一規范，這樣使企業的整個管理體系更加完善。

2.2 運營監控平臺概述

要想全面實現數據挖掘功能模塊，就需要使用大量的數據。所以，需要在電力企業的所有管理系統中提取數據，主要是ERP系統、生產管理系統、物資分析評估等。進行完數據的提取后，就要對物料的使用情況進行分析。對各個等級的電網系統各方面的物資使用情況分別進行分析，而且根據不同等級地區的不同特點，各個模塊所包含的內容也有所不同，但都包含公司代碼、維修日期、電壓等級等基本參數。根據需要，我們以時間為順序進行數據挖掘，可以實現對數據的統計分析和預測分析等多種分析方式。

2.3 系統需求

系統的需求分為功能需求和非功能需求。在功能需求中，終端客戶可以根據一定的條件進行檢索，在自動檢索中，要根據不同的檢索形式、不同的檢索要求設置不同的程序算法，而且根據數據挖掘的功能和目的來設置過濾的數據條件，對數據進行篩選。除了這些基礎設置，我們還要采取一定的系統支持，主要采用ETL系統支持，最終選用合適的展現終端，終端可以根據對清晰度的要求來自行選擇，整個系統就可以進行自動的運算與執行，達到我們所要求的目的。而系統的非功能需求就是指除了系統的基本運行之外的，主要是單個系統與國家電網數據庫的結合，完成不同層次的數據庫建設。而在建設中，主要要遵守通用性原則、適應性原則以及高效性的原則，這樣就可以滿足不同背景下不同客戶的需求，并且在一定程度上縮短工作時間，提高工作效率。

3 數據挖掘技術的應用

3.1 構建系統框架

在電力企業的運營監控平臺內，通過數據挖掘技術，將各層面、各角度的數據信息進行整合，并在數據通道的連接作用下，傳導到數據處理中心，利用顯示終端設備對其進行分析與處理。在這一數據處理的過程中，主要覆蓋了源數據、數據倉庫、顯示終端這三個部分，并在其連接與配合的作用下，發揮出系統的功能優勢，構建起了科學的數據系統框架。源數據在經由數據通道傳導到終端顯示設備，并完成數據挖掘處理的這一過程，可以對所有涵蓋的信息資料進行篩選，并從中剔除無效數據，精選出具有優勢指導性的數據內容，實現在終端設備上的合理利用。在數據挖掘技術的作用下，使企業在監控過程中的信息處理效率得到強化，并完成了整體系統管理工作中的核心環節，實現了運行信息的高效整合。值得注意的是，在對挖掘、篩選出的數據信息進行分析處理的工作中，要根據實際情況對終端處理系統進行選擇，在系統監測、營運分析、協調控制、綜合管理、全景展示這五個方面，對篩選的數據資料進行處理，在完成不同的工作內容的同時，滿足過程監控中的不同需求。

3.2 建立數據倉庫

數據倉庫作為系統框架下的內容，屬于非功能性需求，但也在具體的監控工作中發揮著一定的作用。在結構上由操作數據存儲（ODS）與數據倉庫/數據挖掘（DW/DM）兩部分組成。在功能上，ODS將業務國際內容作為基礎，并通過實體-聯系（E-R）模型對其操作過程進行處理，形成事物數據與主數據兩部分。在結構上，ODS層應與原系統保持一致性，在表格的設計中，將兩者的數據內容進行整合，以滿足監控工作中的特殊需要。DW/DM在結構上，屬于多維度的數據庫，在不同的數據需求內容中，表現出差異性的工作方式。然而，在基本的概念內容上，所有維度中的根數據關系都以包含的關系為設計基礎，使檢索和應用具有較高的簡便性。

3.3 設計數據挖掘的模型與過程

在完成整體框架結構的設計工作后，為了保證數據挖掘工作的順利展開，應當對數據挖掘的計算方法進行確認，并重點關注選擇的方法與設計的科學性，使系統能正常的發揮功能作用。在數據挖掘的過程中，可以根據流程順序將其劃分為具體的兩個部分，即從數據源傳輸到ODS層、從ODS層傳導到DW/DM層，這個兩個步驟下的傳導都是在ETL工具的作用下實現的。從系統的角度進行分析，在完成數據傳輸的過程中，需要在數據源、映襯關系、數據目標，三點要素的共同作用下完成。在內容上，數據源是待處理的數據信息，總量大，種類豐富，但其中包含了有效信息與無用信息；映襯關系是進行數據處理過程中的計算方法，指代實現數據目標的篩選過程；數據目標是指通過數據計算剔除無效數據之后得到的具體數據表格，其中，只會對有效數據源進行規則陳列。

4 大數據時代電力監控系統的數據處理

4.1 監控數據的類型

4.1.1 基礎型數據

電力運營監控系統中的基礎數據是指在系統運行過程中形成的基礎數據信息，其主要內容有電流大小、電能大小以及電流穩定性等。

4.1.2 電力企業的運營數據

運營數據是指電力企業的生產過程中形成的數據信息，其中包括電力銷售量、電量交易價格以及用電數據等。電力企業通過對這些數據的分析處理，可以發現電力系統運行過程中需要著重關注的問題。

4.1.3 電力企業管理數據

管理數據主要是指ERP、協同辦公等數據，這些數據通常只能在特定的條件下同步與共享，對這些數據的分析處理能夠方便各部門供電服務工作的有序開展。

4.2 對于監測異動數據的處理

在電力系統運行時，異常情況的產生會進一步形成異常數據，所以，必須要及時對異常數據進行處理，這樣有利于提升電力企業供電服務以及電力管理的工作效率，對發現的問題及時采取措施解決。電力系統出現數據異常通常表現在以下幾個方面：①業務方面的異動。業務方面出現的異動一般是指在電力業務方面，部分電力數據出現異常的變化，進而產生問題。②接口方面的異動。在數據傳輸時，如果發現數據接口產生異常，接口就會發生異動。③數據質量方面的異動。按照配置規則，及時并準確地對數據接入進行校驗，針對校驗結果，形成的異動信息。

5 電力企業一體化整合集成平臺

在十九大提出的“推動信息化與工業化深度融合”的背景下，各個電力企業都積極融入大數據時代，通過信息化手段提升電力企業的核心業務模式。電力系統信息化與智能電網建設相輔相成，電網信息化在大數據時代的背景下已逐漸顯現出頑強的生命力與較大的發展潛力，許多電力企業通過建立集團統一的信息化生產管理平臺，在信息化的基礎上，逐步將大數據處理統一應用于集團層面，建立了完備的統一生產系統與多業務平臺。這種生產系統與多業務平臺從本質上來說均屬于大數據時代背景下的數據集成分析處理平臺。從系統架構層面看，無論是涉及數據存儲的數據架構，還是涉及數據分析處理的技術和應用架構及上層業務架構，均與大數據的抽取與集成、分析、解釋技術密切相關。因此，大數據時代的電力企業信息化建設需要分別從上述角度進行深入考慮，使大數據集成和分析平臺高效、易用并且可擴展。

6 結論

在電網運營監控的建設過程中，應用數據挖掘技術，可以通過構建系統框架、建立數據倉庫、設計數據挖掘的模型與過程，實現對電力行業過程監控的升級，實現電力企業管理內容與科學性提升的同時，提升了管理的效率水平，為加快電力行業的現代化建設作出了顯著貢獻。

［1］宣黎強，周宏，孫鵬，等.電力施工現場全過程監控系統的設計與實現［J］.現代國企研究，2017（18）：154.

2095－6835（2019）02－0144－02

TP311.13

A

10.15913/j.cnki.kjycx.2019.02.144

〔編輯：張思楠〕