電力管理與分析中數據挖掘技術的運用研究

◎匡晰

引言：信息數據管理在電力行業的發展中重要性不斷增加，數據技術也已經得到廣泛的應用。在電力系統中，各種繼電保護系統、故障在線監測系統以及其他電力輔助設施的數量巨大，而其產生的數據信息也非常多。如何對各設施系統所產生的大量數據進行有效管理與分析，成為當前研究的熱點問題。在對這些電力工程管理數據時，充分利用所產生的電力信息，并對這些信息進行分析處理來獲得有用的價值。為了解決數據分析處理技術滯后的問題，數據挖掘技術得到了發展。數據挖掘技術逐步成熟，面向廣闊的市場應用，基于對海量數據的分析來探索其中存在的規律，并進一步將其用于電力工程的管理與分析，促進電力工程管理與分析領域的發展。

一、電力工程管理與分析的發展現狀

電力工程管理的模式通常包括業主自建、分析監理、分析CM、分析PMC以及EPC等五種模式，其中各個模式的內容和特點存在一定的差別。

1.業主自建模式。在業主自建模式中，電力的自我管理模式直接受電力項目建設和管理，缺乏相應的專業管理機構來進行電力的管理。這種模式存在著專業知識的限制，而使得電力項目建設的成本較高，資源并未能夠完全利用而造成浪費。隨著技術與經濟的發展，這種模式已經不再符合當前形勢的要求，逐漸被替換。

2.分析監理模式。電力工程管理中，為了解決業主自建模式中存在的業主知識受限、資源的浪費以及經驗的匱乏等不足，規范電力項目的管理，因此建立并完善了電力項目的監管體制。這類電力工程項目分析監理管理模式包含業主、施工方與監理方，進行三方相互協商對電力工程項目的開展和管理進行負責。

3.分析 CM、PMC與 EPC 模式。首先，電力管理的分析CM模式是指基于CM模型而產生的一種管理模式，業主通過將電力項目的管理委托至專業的管理機構和設計人員，進而與施工方進行協商對電力工程進行管理，最終以最快的速度建設和管理電力工程項目。其次，分析PMC（ProjectmanageCompany）模式是指承包商建設電力工程項目的全過程和全電力工程要素與管理合同需要保持相符，對于電力項目的施工安排、原材料的采購都需要依據合同進行實施。最后，分析EPC（EngineeringProcurementConstruction）模式是目前相對成熟的電力管理模式，指管理人員是由專業的業主群體所組成，直接對電力項目進行管理，其專業的知識和經驗能夠滿足電力管理的需要。這主要表現為對電力工程的施工設計、原料采購以及電力設備調試方面自主進行，既滿足了施工的要求，也能夠符合各相關方之間的關系。

二、數據挖掘技術

數據挖掘技術是通過采用人工智能的方法來對海量的數據進行管理與分析處理來獲取數據庫中有效的數據，并進一步總結出規律來指導事務的發展前景。利用數據挖掘技術對數據庫進行分析處理，所挖掘的數據可以某種概念、規則或者模式等歸納為類似的數據，用于信息數據的管理和查詢、數據的優化、決策的支持以及維護等過程。通常情況下，數據挖掘的內容包括問題的提出，數據的收集與預處理分析，數據的挖掘，數據分析結果的評價，獲得規律。

1.關聯分析。數據挖掘分析中的關聯分析方法一般是指兩個事物之間如果存在相互聯系，因此一個事情就可以有與其相關聯的數據進行推測，其目的在于分析處理兩者之間存在的某種隱藏的聯系。在對數據挖掘的過程中，關聯和順序貫模型是指關聯分析中對數據庫中所有的大小數據進行檢索，并找到出現頻率高的數據，進一步分析其關聯。

2.時間序列分析。時間序列分析（Timeseriesanalysis）是一類基于對動態數據進行分析的統計處理技術。這種統計技術通過在隨機過程理論和數理統計學方法的基礎上，對數據庫中的隨機數據序列進行歸納分析，并尋找到這些海量數據所符合的相關的統計學規律，并最終應用于實際問題的解決領域。

3.聚類分析。聚類分析是把數據進行分類處理，將類似對象群依據規則組成多類進行分析處理，其廣泛應用于數學、統計學以及經濟學等領域。在聚類分析中，需要找到數據源之間的屬性，從而將其歸類用來，用來描述數據。

4.分類分析。分類分析是指對數據庫中相關的信息按照一定的信息屬性進行分類，建立數據模型對數據進行分類梳理得到數據結果，包含預測離散變量的分類和連續變量的回歸。

5.異常分析。異常分析是指建立一定的規則來判斷數據的有效性，信息數據在不同的條件下，其可能是重要的信息也可能是無效信息，因此數據一項分析能有效分析信息數據的有效性。例如，電力企業可依據用電群體的常年用電數據進行收集分析，在以此為參考依據篩選明顯數據異常的用戶，進而進行深入檢查是否存在盜電的行為。

三、數據挖掘技術在電力管理與分析中運用分析

1.負荷預測。數據挖掘技術在電力領域中的應用，首先可用于預測電力負荷。電力調度作為電力系統中非常重要的功能，需要預測電力負荷的數據來進行支撐。數據挖掘技術通過按照某時段地區的用電數據，并對其進行數據追蹤，研究該地區的歷史用電記錄，采用時間序列模型形成相應的數據庫，依據時間區段、天氣因素等進而采取聚類分析方法對該地區的用電負荷進行分析處理，獲取相應的電力情況，并最終將該數據反饋至相應的電力調度部門。

2.電力設備狀態檢修。數據挖掘技術還可用于電力設備的狀態檢修。通過對電力設施的日常監測數據、在線收集的數據以及歷史故障原因以及診斷數據進行收集，采取相應的分類分析方法對數據極性分析處理，尋找關鍵數據來對設備的狀況進行評估，參考歷史故障數據及原因對現有數據進行比對，發現數據異常時可以提前預測設備的狀況。因此，采用數據挖掘就似乎對電力設備的數據分析，發現故障數據規律，及時發現問題并快速對故障設施進行合理判斷并維修。例如，對于電力設施中的變壓器的檢修中，采集正常情況設備運行時產生的各種氣體濃度數據，并以此標準為依據，采用異常分析法來對比數據，確定設備的情況是否正常。這能克服傳統模式中出現故障再停機檢查維修而導致檢修頻繁以及盲目維修等的問題。

3.電力營銷策略支持。數據挖掘技術還可應用于電力營銷中，對時間段細分，研究電能用量與時間的相互關系進行分析，把握用電量與時間區段的關系，并進行歸納和總結，用于指導電力營銷決策。可以采用聚類分析和分類分析的方法進行對用戶的區分，綜合分析用戶的用電需求來進行合理的電能供應，避免電能的過剩浪費。另外，采用關聯分析來研究市場環境和電能銷售的關系，綜合考慮各個因素對電能的影響，對電力營銷進行指導支持。

結束語：電力設備運行產生的數據非常多，數據挖掘技術能夠獲取其中有效的數據并尋找相關規律，用于電力管理和分析中。本文通過電力管理和分析的發展現狀，簡要介紹數據挖掘技術的特點與方法，從而分析其在電力管理和分析中的應用，以便于為城電力管理和分析領域提供可借鑒的意義。