大数据挖掘平台在电力运营监测工作应用.docVIP

大数据挖掘平台在电力运营监测工作的应用 　　摘 要：随着科学技术的不断发展，大数据挖掘平台技术在价值利用上被充分的使用，与传统数据分析相比，挖掘出的数据更有效、合理。挖掘数据的方法和数据的处理虽然在方式上有些相同，但在挖掘过程中应根据实际有价值的指标进行研究、分析，以大数据挖掘为平台进行分析，对挖掘技术进行展望，探究大数据挖掘在电力运营监测工作的应用 关键词：数据挖掘；运营监测；电力运行；应用分析 1 数据挖掘技术分析 1.1 大数据挖掘平台的背景 在信息时代的激烈竞争中，作为供电企业，为了提高企业的管理水平，需要通过对公司的运营情况进行分析，全面客观的反映公司整体发展水平，不断提高企业的竞争能力。而进行分析，必须需要大量的数据作为技术支撑，下面，笔者就大数据挖掘平台技术对电力运营监测工作的应用进行探讨 1.2 大数据挖掘平台的现状 大数挖掘平台主要是利用平台系统与供电企业生产、经营、财务、物资、可视化个性展示、ERP、统一视频监控等多个系统中取数，通过接口接入海量数据平台中时行存储历史数据，及时收集当前的数据。任务是对数据（供电量、售电量、售电均价、线损率、电费收入以及其它的各项数据指标）分类以及对信息的预处理数据预测进行分析，可以进行数据的穿透查询，其中信息预处理是以由两个（监测和分析）或两个以上的变量值进行分析，得出两者之间存在的规律，称之为信息预处理。数据预处理有简单处理和复杂处理，目的是对数据库中的隐藏知识进行研究分析，结合相关重要的参数使得挖掘出的数据更符合应用的要求。数据的预测是结合历史的数据总结出数据的规律，对同一类型的数据进行比较，可以运用数据的预测方式使得挖掘技术更好的展现 1.3 大数据挖掘平台的概念 大数据挖掘平台是利用计算机软件应用技术大量收集数据，而人工系统的挖掘数量往往会给企业工作人员造成工作量，工作效率不高，而且不能确保数据的质量。数据挖掘是通过分析每个数据，从大量数据中寻找其规律的技术。近年来，数据挖掘技术引起了信息产业界的广泛关注，其主要原因在于存在大量数据，可以被广泛使用，且迫切需要将这些数据转换成有用的信息和知识。在人工智能领域，数据挖掘也习惯上被称之为数据库中的知识发现，一般应用于商务管理、生产控制、市场分析、工程设计和科学探索等领域 数据挖掘与传统的数据分析（如查询、报表、联机应用分析）的本质区别是数据挖掘是在没有明确假设前提下去挖掘信息、发现知识。数据挖掘所得到的信息应该具有先前未知、有效和可实用三个特征。数据挖掘发现的那些不能靠直觉发现、甚至是违背直觉的信息和知识，挖掘出的信息越是出人意料，就越有可能具有价值 2 大数据挖掘技术的流程展现 2.1 大数据挖掘平台的应用 近年来，数据挖掘在电力系统中的应用还偏重于在一些专业领域的专业分析，成果主要还集中在研究探索阶段，有些领域逐渐的引入了数据挖掘的概念进行了模型设计及验证工作，但还未真正的开始广泛应用。研究领域主要集中在电力系统的动态安全评估、负荷经济调度、负荷预测、故障诊断等方面 2.1.1 在电力系统动态安全评估中的应用 K.R.Niazi等提出了基于人工神经网络和决策树混合方法在电力系统在线安全评估中的应用。文献[1]提出了电力系统在线动态安全预防中如何应用决策树技术来测试每个发电调度的动态安全性，并且通过发电再分配来提供正确的指导，优化发电容量，节约发电成本。如何使用Kernel回归树方法在线安全评估和监控电力系统，处理频率稳定性问题。如何描述从决策树学习中提取规则，并利用该规则来获得必要的控制措施，将暂态不安全稳定的电力系统保持安全的动态控制技术 2.1.2 在电力系统负荷预测中的应用 电力负荷预测是电力调度一项非常重要工作，它关系到电厂各机组的运行计划。文献[2]结合区域电网气象负荷数据库，设计决策树形式的数据挖掘模型，并应用于日负荷预测。以一种运用C4.5和CART算法的基于BP网络加权组合的数据模型，并基于此设计出一种高精度的短期负荷预测系统。运用时间序列模型使用已有的数据序列预测负荷，用自适应决策树对存储在数据库中的用户用电记录、季节、气候等相关属性进行聚类，制定合适的收费表，而且分析出用户与其他属性之间的相关联的一些特点 2.1.3 在电力系统故障诊断中的应用 电力系统故障诊断是通过利用有关电力系统及其保护装置的信息来识别故障元件位置（区域）、类型和误动作装置，其中故障元件识别是关键问题。文献[3]将基于事件序列的故障诊断模型用于高压输电线系统故障诊断领域，依据故障事件序列在时空特性上的关联性，用动态规划算法的优化相似性原理挖掘事件之间的关联性和蕴含的知识，将诊断问题的求解转化为寻求与实时故障事件序列模式最相似的，运算操作