基于數據挖掘的電力系統數據分析與決策系統

李揚 談婷婷 潘小勝 張靈元

摘要：在電網調度運行業務進行相應的信息化建設以及電網運行的過程中，相應電力數據系統所產生的大部分數據只能進行刪減或者修改，使得數據之中蘊含的更深層次內容無法被有效發掘。為此，本文針對數據挖掘與構建決策分析系統中的關鍵技術進行深入分析，以此為數據挖掘的電力系統數據分析與決策系統提供一定的參考意見。

關鍵詞：數據挖掘;電網系統數據;決策系統;分析

引言

數據挖掘技術可以有效發現數據庫中蘊含的重要知識，而且在國際研究領域被進行廣泛的應用，數據挖掘可以將相應的人工智能以及數據庫技術進行有效融合，然后在數據庫中對一些具有重要作用的知識進行有效挖掘。在電力系統中數字化技術被進行大范圍的使用，使得相應管理信息系統在電力系統中形成大量的數據，為此，相關單位要對原有的統計分析方法進行不斷的完善與改進，以此對越來越多的數據進行有效分析。

1數據挖掘原理以及相應系統

1.1數據挖掘的原理

數據挖掘是一種全新的信息處理技術，數據挖掘可以有效發現數據庫中存在的深層知識，而數據是在數據庫中汲取深層次的有利信息的過程。所挖掘出的數據具有多種多樣的特點，當下階段我國信息技術飛速發展，而數據挖掘是其中一種非常重要的產物，會對諸多學科知識進行有效結合，其中包含有計算機學、智能監控、數據庫與深度學習等，除此之外，數據挖掘技術還與相應的可視化技術、信息科學與心理學之間存有較為緊密的關聯。

1.2數據挖掘系統

數據挖掘系統只有具備數據庫、知識庫、數據庫服務器、數據挖掘引擎、挖掘算法及人機交互界面等模塊才能被稱作完整，而且數據挖掘系統中還要包括相同的數據清理、集成以及過濾。在進行相應事物設計時，數字庫自身具有儲存實時運行數據的功能，在進行主題設計時，數據倉庫要具備儲存歷史數據的功能。在數據儲存量上數據倉庫要遠遠大于數據庫的數據量。而數據庫以及數據倉庫的服務器都是由一臺或者多臺計算機構成的，可以有效的形成一個向上的數據接口，在將相應的數據接口提供給底層數據庫或者數據庫群，以此有效保障數據庫中存儲的數據可以被隨時有效的調動。在進行數據挖掘過程中，會將接觸到的專業知識與規則以及技術人員自身的經驗與常識放置在數據庫中，在進行數據搜索時具有非常重要的輔助功能。在數據挖掘系統中數據挖掘引擎是其中非常重要的組成部分，可以將數據庫與使用者進行有效連接。數據挖掘引擎自身由各種各樣的模塊組成，這些模塊自身具有一些特點的功能，可以進行有效的聚類分析、偏差分析、特征化等。將人工智能與計算機進行有效結合，可以為使用者和數據挖掘系統提供一定的互動活動，而且自身具備的可視界面可以為用戶數據查詢與定制計劃提供一定的幫助，并且用戶可以應用數據挖掘系統對數據系統的實時狀態進行查看。

2構建決策電力數據分析系統的關鍵技術

2.1數據的變換與清洗

在從業系統或數據來源進行數據提取時，要對其進行有效的清洗以及變換，在完成后在將其放置在相應的數據庫中，這也是數據倉庫中最為基本的原則。在對相應數據進行變換時，可以通過手工編程與使用專門的工具對相應數據進行有效轉換。專門的工具操作相對簡單，對人力資源沒有較高的要求，但這種方法在使用過程中不夠靈活。手工編程自身具有靈活的特性，但實際的操作過程較為復雜，為此，在進行實際使用時，可以將兩種方法進行有效融合，在應用專門工具對相應數據進行轉換時，要增加手工編程的方法。在數據傳送的過程中，這兩種方法都可以對相應數據進行有效的變換與清洗，可以將其在業務相對不擁擠、服務器使用較輕松的晚間進行使用。在OLTP系統中因為相應的數據量較為龐大，需要較長時間對相應業務進行有效處理，使得業余空閑時間無法有效完成相應業務處理。在數據傳送過程中對進行有效的清洗，可以使數據傳送效率得到有效提升。

2.2選擇適宜的存儲格式

當下階段數據立方體的存儲方式包含有多維 OLAP（MO-LAP）、關系 OLAP（ROLAP）與混合 OLAP（HOLAP）。而且不同的存儲方式會對性能產生不一定的影響，但沒有相應定量的標準，只會以其中的相對定性為標準。在相應的文章內容中，會通過實際操作過程中產生的經驗，為不同情況下不同存儲格式提供適宜的性能指標。多維存儲模式可以將分區聚合與其源數據復本以多維結構的形式存儲在分析服務器計算機中;關系存儲模式可以將分區的聚合有效的存儲在關系數據庫的表中。關系存儲模式中的查詢以及響應在正常情況下存有要慢與其他兩種存儲模式。將多維存儲模式與關系存儲模式進行有效的結合，可以形成相應的混合存儲模式。在多維存儲模式中，為了使相應的查詢時間得到有效縮短，會犧牲較多的存儲空間。而關系存儲模式為了使空間得到有效減少，會犧牲一定的查詢時間，混合存儲模式會將這兩種模式進行有效的結合，使得無法對兩者存儲模式性能量化指標進行明確。根據原有的實踐經驗，文章可以為其提供一個相對接近的量化指標：選擇一個大約2G的表，多維存儲模式自身所需要的存儲空間較大，而且大于混合存儲模式以及關系存儲模式。當相應的聚合數出現增高時，關系存儲模式自身便會需要更大的存儲空間。當對其相應的性能產生較高要求時，信息存儲過程中產生額外信息所需空間將接近多維存儲模式。同樣選擇一個大約 2G 的表進行測試，多維存儲模式會將產生的原始數據有效的導入本地，使得處理時間得到有效縮減，當相應聚合小于30%時，關系存儲模式的處理時間會小于多維存儲模式，但相應的處理時間根據聚合數的變化而產生變化。

3結束語

綜上所述，構建相對穩定的電力數據分析系統，可以使數據來源中存在的問題得到有效解決，而且電力數據分析系統可以依據數據主題的不同為其構建不同的數據集合，使得相應搜索查詢更加便捷，構建決策電力數據分析系統的關鍵技術要在實踐過程中進行不斷完善，以此為電力企業的發展提供相應的數據以及技術支持。

參考文獻

[1]王磊，陳青，高洪雨，等.基于大數據挖掘技術的智能變電站故障追蹤架構[J].電力系統自動化，2018，42（3）：84-91.

[2]陳毅波，陳乾，眭建新.基于大數據技術的電網運營分析決策系統研究[J].電力信息與通信技術，2015，13（8）：128-131.

[3]萬順，桂寧，陳家靜，等.大數據下電網數據挖掘技術研究[J].信息通信，2019（1）182-183.

[4]魏艷平.基于大數據平臺的電力營銷分析決策系統的研究與設計[D].成都：西華大學2017.

國網安徽省電力有限公司蕪湖供電公司，安徽蕪湖?241000