大数据挖掘平台在电力运营监测工作的应用

大数据挖掘平台在电力运营监测工作的应用

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。

标签：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，运算操作代价最小的标准故障序列模式，以实现对异常事件序列模式中的畸形事件的纠错，保证故障诊断系统的高容错性。基于粗糙集理论的故障诊断决策约简新算法，从而建立故障综合知识库用于电网故障诊断。论述了用

数据挖掘技术对变压器油中各种气体成分进行聚类分析，从而可以再预先不知道变压器故障类型的情况下得出变压器油中各种气体成分含量与故障之间的直接关联，为故障诊断提供依据。

2.1.4 在工程造价方面的应用

工程造价是一个多变量、非线性的复杂过程，利用已建工程的历史造价资料，将数据挖掘与人工神经网络相结合，构建工程造价模型，并运用在电网工程造价预测和预算审查中，可以克服现有人工审查带来的主观性和片面性影响，提高工程造价预测的准确性。

2.1.5 在营销支持方面的应用

基于电力营销的实际数据，从“量（电量）、价（电价）、费（电费）、损（线损）”等方面进行关联规则、聚类挖掘。比如讲用电客户根据其属性特性进行聚类分组，进行信用评价，防范恶意欠费。检测用电异常情况，防着窃电行为发生。2.2 大数据挖掘平台的功能

大数据挖掘技术从数据库到技术的运用过程中有不同的运行步骤，在确定业务对象问题方面可根据数据的准备对所有业务对象进行分析研究处理，保障数据的质量从而为进一步的分析工作做准备。在数据的转换方面应建立一个针对性的分析模型，挖掘数据的成功关键因素，对所得的数据进行预处理，完善挖掘技术的措施，使数据分析工作自动顺利的运行。在数据挖掘技术的结果分析上，应对数据结果做出正确的评估，与知识理念共同分析，完善数据挖掘技术的每一步结构。主要有以下三个方面的功能：

2.2.1 监测功能

（1）10千伏配网停运。手动导入Excel数据，对各地市公司10千伏线路停运情况进行汇总统计。

（2）项目预算执行情况。手动导入Excel数据，将项目预算执行情况按照专业和实施单位两个维度分别进行统计。

（3）物资供应链。从数据中心定时抽取ERP数据并进行加工处理，使用Tableau工具对物资供应链全过程进行全面监测。

（4）配网运行。从数据中心定时抽取ERP数据并进行加工处理，使用Tableau工具对低电压、重过载和三相不平衡事件进行全面监测。

2.2.2 运营可视化功能

将Tableau报告布局根据各地市大屏合适尺寸进行调整和展示。

2.2.3 分析功能

主要功能有统计数据和成果共享两大模块。（1）统计数据：将综合计划执行情况报表、供电单位经营指标完成情况表和生产报表中部分数据填入月报模板，导入到数据库，在页面上根据不同指标生成各类图表。（2）成果共享：将省公司和地市公司每月的运营情况分析报告、专题分析报告、即时分析报告以及资料上传到服务器，供大家交流和参考。

3 结束语

随着信息的高速发展，数据挖掘技术在高速的社会发展下面临着诸多挑战，需要对数据挖掘技术必须作出优化处理措施，维护数据挖掘中的各种问题，完善数据挖掘技术的运用手段，使数据挖掘能够长久地在未来时代中持续发展。

参考文献

[1]Karapidakis E S， Hatziargyriou N D. Online preventive dynamic security of isolated power systems using decision trees [J].IEEE Transactions on Power System s， 2002，17（2）：297-304.

[2]朱六璋，袁林，黄太贵.短期负荷预测的实用数据挖掘模型[J].电力系统自动化，2004，28（3）：49-52.

[3]赵冬梅，韩月，高曙.电网故障诊断的决策表约简新算法[J].电力系统自动化，2004，28（4）：63-66.

[4]李永明，王玉斌，王颖，等.数据挖掘和神经网络技术的电力工程造价应用[J].重庆大学学报，2008（6）.

作者简介：李梦鸣（1979-），男，湖北咸丰人，国网湖北省恩施供电公司，本科学历，研究方向：电气工程及自动化。