论文部分内容阅读
[摘要]随着全球信息时代的来临，网络信息技术不断的被应用到我们的生产生活当中，并逐步改变着我们的生活。在电力系统中，信息技术也扮演着非常重要的角色，信息技术不仅提高了电力系统的工作效率，还保证了供电的质量和安全，但是随着信息技术的不断普及，在电力系统中累积了大量的数据，如何从庞大的数据储存中找到我们所需要的信息成为了电力企业亟待解决的问题，在这种情况下，数据挖掘技术应运而生。
[关键词]电力资源；数据信息；挖掘分析
1.引言
电力系统本身是一个综合性很高的行业，它是将自然界的一次性能源通过发电动力装置转化成电能，再经输电、变电和配电将电能供应到各用户的过程，在这个过程中要对电能进行测量、调节、控制、保护、通信和调度等工作，因此，电力系统所产生的数据量是非常庞大的，而要想在这些数据中找到我们需要的知识，必须采用科学有效的数据处理方法。
2.数据挖掘技术概述
自从新中国成立以来，我国就十分重视电力行业的发展，经过电力企业几十年的不断创新和发展，我国的电力行业已经形成了一套具有我国特色管理模式和行业体系。随着数字化、信息化技术的不断应用和普及，我国的电力行业将会迎来新的发展机遇。但现阶段，我国的电力行业发展还存在着一些问题，尤其是电力数据处理问题，严重影响着我国电力系统的正常运行。电力行业是一个综合性很高的行业，它包含了电力的发电、配电、输电、用电等一系列的过程，因此，电力系统每天都会产生数以万计的数据资料，当这些数据累积到一定程度之后，就会对数据的查找工作产生很大影响，甚至使得一些数据资料成为了信息孤岛。此外，一些电力企业缺乏有效的数据查找和处理方法，当需要查找电力数据时，往往是敷衍了事，或者是单凭经验来判断，这样不仅无法保障用户的用电质量，还会留下安全隐患，因此，电力企业必须找到科学有效的方法来简化数据查找工作。数据挖掘技术是现在普遍被应用在电力行业的数据处理技术，它能从数量庞大的、信息不完全的数据中提取隐含在其中的对电力系统有用的数据和信息，再通过计算机技术对所得到的数据信息进行分析和整理，形成一套电力数据的分析报告，使电力管理者了解电力系统的运行状况，帮助其进行决策。
3.数据挖掘的方法
在电力行业中，常用的数据挖掘方法有关联分析、时间序列分析、 聚类分析、分类分析、异常分析五种，这几种方法是从不同的角度对电力数据进行分析，因此，电力企业要依据本企业的特点进行选择。
3.1关联分析。关联分析是一种简单、实用的分析技术，广泛应用在数学、经济等行业中。它是依据电力系统中两个或两个以上事物之间存在的联系，通过其他的事物对其中一个事物进行预测的方法，关联分析的主要目的是挖掘隱藏在不同数据间的相互联系，从而找到所要查找的数据信息。
3.2时间序列分析。时间序列分析是一种动态数据处理的统计方法。它是利用时间数列，应用数理统计方法加以处理，以预测未来事物的发展。时间序列分析通常是对电力系统的趋势、季节变动、循环波动和不规则波动等因素进行分析，然后得出相关的数据信息。
3.3聚类分析。聚类分析是直接比较各事物之间的性质，将性质相近的归为一类，将性质差别较大的归入不同的类。判别分析则先根据已知类别的事物的性质，利用某种技术建立函数式，然后对未知类别的新事物进行判断以将之归入已知的类别中。聚类分析是在不知道分析对象的类别的情况下，对数据信息进行分类。聚类分析的应用范围非常广泛，它是电力行业最常用的数据分析方法。
3.4分类分析。分类分析是对电力系统中的相关信息进行分类的方法，分类模型以分析数据集中的某些数据得到另外的数据结果，主要分为预测离散变量的分类，预测的连续变量的回归，数据挖掘中广泛使用的分类方法有决策树，神经网络、径向基础函数等。
3.5异常分析。电力数据的异常分析常被应用到电力企业防止用户盗用电力资源的稽查工作中，电力系统中异常数据或者是孤点数据都是各种不正行为的反映，孤点就是离正常状态下的大量状态点较远的点，电力检查机关在稽查盗电案件时，可以对用户一段时间内的用电数据进行收集和分析，选择电力数据异常的用户进行稽查，这样不仅可以减小稽查的范围，还可以有效的防止非法盗取电力资源案件的发生，保障电力系统的正常运行。
4.电力行业中数据挖掘的研究
数据挖掘技术作为一种发现大量数据中潜在信息的数据处理方法，已经成为处理电力行业信息化建设过程中积累的大量历史数据的重要手段，数据挖掘技术的应用不仅可以解决供电企业运营管理中关键和突出的问题，还会为电力企业带来更大的发展空间。
4.1负荷预测。电力负荷预测包括对未来电力需求量的预测和对未来用电量的预测以及对负荷曲线的预测。其主要工作是预测未来电力负荷的时间分布和空间分布，为电力系统规划和运行提供可靠的决策依据，负荷预测结果的准确度直接影响电力企业的生产效益和经济效益。用户用电负荷规律具有一定的随时间变化规律性，可以采时间序列模型，在对历史用电数据进行挖掘后，对电力负荷进行预测，用决策树按时间、区域、气候等相关因素对用电记录进行聚类分析，可以为调度部门做出相关决策提供有力的帮助。
4.2电力设备状态检修。我国的电力设备检修一般遵循着事后维修、预防性计划检修的模式，传统的检修模式具有临时检修频繁、维修不足、过剩维修、盲目维修等缺点。为了解决这些不足，电力系统需要改变现在的检修模式，向状态检修体制发展。状态检修是一种通过收集电力设备状态数据，并以数据为基础、预测电力设备状态未来发展趋势为根据的电力设备检修体制。状态检修通过收集电力设备的日常检查数成、定期重点检查数据、在线状态检测数据、故障诊断数据等，经过数据挖掘系统分析处理，通过挖掘的结果来预判设备的健康和性能优劣状况及其性能发展变化趋势，确定设备的维修状态和隐藏的安全隐患，从而科学的安排检修工作。
4.3电力营销策略支持。通过利用数据挖掘技术，对固定时间里电力系统中电能用量与时间变化的关系数据进行挖掘，掌握数年内电能需求的时间序列反映的方向和趋势，进行预测和推断。采用聚类技术来进行电力客户细分。分析用户的数据情况和根据分析需要，采取不同聚类算法来进行客户细分。利用关联规则分析市场环境与销售电量水平的关联度，寻找不同市场环境中影响电量销售变化的因素。
5.结论
随着电力行业的不断发展，电力系统所产生的数据信息也会越来越多，在如此庞大的数据信息量中查找到所需的知识，传统的数据处理方法是无法做得的，因此，数据挖掘技术是现阶段我国电力行业数据查找和处理的首选方法。电力企业要意识到数据挖掘的重要性，从而保障电力系统的健康发展。
参考文献
[1]张志磊电力信息系统中单一登录和访问控制方法的研究[D].华北电力大学（保定），2007.
[2]史小梅.数据挖掘在电力决策支持系统中的应用[J].上海电力学院学报，2010（4）.
[3]西安美林电子有限责任公司，大话数据挖掘[M].清华大学出版社，2013（1）.
[关键词]电力资源；数据信息；挖掘分析
1.引言
电力系统本身是一个综合性很高的行业，它是将自然界的一次性能源通过发电动力装置转化成电能，再经输电、变电和配电将电能供应到各用户的过程，在这个过程中要对电能进行测量、调节、控制、保护、通信和调度等工作，因此，电力系统所产生的数据量是非常庞大的，而要想在这些数据中找到我们需要的知识，必须采用科学有效的数据处理方法。
2.数据挖掘技术概述
自从新中国成立以来，我国就十分重视电力行业的发展，经过电力企业几十年的不断创新和发展，我国的电力行业已经形成了一套具有我国特色管理模式和行业体系。随着数字化、信息化技术的不断应用和普及，我国的电力行业将会迎来新的发展机遇。但现阶段，我国的电力行业发展还存在着一些问题，尤其是电力数据处理问题，严重影响着我国电力系统的正常运行。电力行业是一个综合性很高的行业，它包含了电力的发电、配电、输电、用电等一系列的过程，因此，电力系统每天都会产生数以万计的数据资料，当这些数据累积到一定程度之后，就会对数据的查找工作产生很大影响，甚至使得一些数据资料成为了信息孤岛。此外，一些电力企业缺乏有效的数据查找和处理方法，当需要查找电力数据时，往往是敷衍了事，或者是单凭经验来判断，这样不仅无法保障用户的用电质量，还会留下安全隐患，因此，电力企业必须找到科学有效的方法来简化数据查找工作。数据挖掘技术是现在普遍被应用在电力行业的数据处理技术，它能从数量庞大的、信息不完全的数据中提取隐含在其中的对电力系统有用的数据和信息，再通过计算机技术对所得到的数据信息进行分析和整理，形成一套电力数据的分析报告，使电力管理者了解电力系统的运行状况，帮助其进行决策。
3.数据挖掘的方法
在电力行业中，常用的数据挖掘方法有关联分析、时间序列分析、 聚类分析、分类分析、异常分析五种，这几种方法是从不同的角度对电力数据进行分析，因此，电力企业要依据本企业的特点进行选择。
3.1关联分析。关联分析是一种简单、实用的分析技术，广泛应用在数学、经济等行业中。它是依据电力系统中两个或两个以上事物之间存在的联系，通过其他的事物对其中一个事物进行预测的方法，关联分析的主要目的是挖掘隱藏在不同数据间的相互联系，从而找到所要查找的数据信息。
3.2时间序列分析。时间序列分析是一种动态数据处理的统计方法。它是利用时间数列，应用数理统计方法加以处理，以预测未来事物的发展。时间序列分析通常是对电力系统的趋势、季节变动、循环波动和不规则波动等因素进行分析，然后得出相关的数据信息。
3.3聚类分析。聚类分析是直接比较各事物之间的性质，将性质相近的归为一类，将性质差别较大的归入不同的类。判别分析则先根据已知类别的事物的性质，利用某种技术建立函数式，然后对未知类别的新事物进行判断以将之归入已知的类别中。聚类分析是在不知道分析对象的类别的情况下，对数据信息进行分类。聚类分析的应用范围非常广泛，它是电力行业最常用的数据分析方法。
3.4分类分析。分类分析是对电力系统中的相关信息进行分类的方法，分类模型以分析数据集中的某些数据得到另外的数据结果，主要分为预测离散变量的分类，预测的连续变量的回归，数据挖掘中广泛使用的分类方法有决策树，神经网络、径向基础函数等。
3.5异常分析。电力数据的异常分析常被应用到电力企业防止用户盗用电力资源的稽查工作中，电力系统中异常数据或者是孤点数据都是各种不正行为的反映，孤点就是离正常状态下的大量状态点较远的点，电力检查机关在稽查盗电案件时，可以对用户一段时间内的用电数据进行收集和分析，选择电力数据异常的用户进行稽查，这样不仅可以减小稽查的范围，还可以有效的防止非法盗取电力资源案件的发生，保障电力系统的正常运行。
4.电力行业中数据挖掘的研究
数据挖掘技术作为一种发现大量数据中潜在信息的数据处理方法，已经成为处理电力行业信息化建设过程中积累的大量历史数据的重要手段，数据挖掘技术的应用不仅可以解决供电企业运营管理中关键和突出的问题，还会为电力企业带来更大的发展空间。
4.1负荷预测。电力负荷预测包括对未来电力需求量的预测和对未来用电量的预测以及对负荷曲线的预测。其主要工作是预测未来电力负荷的时间分布和空间分布，为电力系统规划和运行提供可靠的决策依据，负荷预测结果的准确度直接影响电力企业的生产效益和经济效益。用户用电负荷规律具有一定的随时间变化规律性，可以采时间序列模型，在对历史用电数据进行挖掘后，对电力负荷进行预测，用决策树按时间、区域、气候等相关因素对用电记录进行聚类分析，可以为调度部门做出相关决策提供有力的帮助。
4.2电力设备状态检修。我国的电力设备检修一般遵循着事后维修、预防性计划检修的模式，传统的检修模式具有临时检修频繁、维修不足、过剩维修、盲目维修等缺点。为了解决这些不足，电力系统需要改变现在的检修模式，向状态检修体制发展。状态检修是一种通过收集电力设备状态数据，并以数据为基础、预测电力设备状态未来发展趋势为根据的电力设备检修体制。状态检修通过收集电力设备的日常检查数成、定期重点检查数据、在线状态检测数据、故障诊断数据等，经过数据挖掘系统分析处理，通过挖掘的结果来预判设备的健康和性能优劣状况及其性能发展变化趋势，确定设备的维修状态和隐藏的安全隐患，从而科学的安排检修工作。
4.3电力营销策略支持。通过利用数据挖掘技术，对固定时间里电力系统中电能用量与时间变化的关系数据进行挖掘，掌握数年内电能需求的时间序列反映的方向和趋势，进行预测和推断。采用聚类技术来进行电力客户细分。分析用户的数据情况和根据分析需要，采取不同聚类算法来进行客户细分。利用关联规则分析市场环境与销售电量水平的关联度，寻找不同市场环境中影响电量销售变化的因素。
5.结论
随着电力行业的不断发展，电力系统所产生的数据信息也会越来越多，在如此庞大的数据信息量中查找到所需的知识，传统的数据处理方法是无法做得的，因此，数据挖掘技术是现阶段我国电力行业数据查找和处理的首选方法。电力企业要意识到数据挖掘的重要性，从而保障电力系统的健康发展。
参考文献
[1]张志磊电力信息系统中单一登录和访问控制方法的研究[D].华北电力大学（保定），2007.
[2]史小梅.数据挖掘在电力决策支持系统中的应用[J].上海电力学院学报，2010（4）.
[3]西安美林电子有限责任公司，大话数据挖掘[M].清华大学出版社，2013（1）.