论文部分内容阅读
[摘 要]随着经济的快速发展，科技的不断进步，电力调度自动化系统被应用于线调度生产运行中，电力系统运行的稳定性与安全性及其供电质量与电力调度自动化水平不可分割。为满足人们对高质量电能的客观需求，除了引进先进的电力设备、配备足够的供电负荷、采用电力调度自动化系统，积极利用大数据技术来提升电力数据挖掘水平也是一項非常关键措施。本文首先分析了数据挖掘技术的基本概念及特征，然后分析如何运用数据挖掘技术来更好的服务于电力调度的自动化运行，希望能够对相关技术人员提供帮助。
[关键词]电网调度 自动化系统 数据挖掘
中图分类号：TB 文献标识码：A 文章编号：1009-914x（2018）47-0342-01
引言
数据挖掘技术主要指的是一种数据库技术与人工智能技术结合的技术，利用一定算法，可以从大量的数据信息中搜索到所需信息。在电力调度自动化控制系统中应用数据挖掘技术具有重要意义，对于电力企业的发展和创新具有推动作用，同时可以让电力企业的经济效益得到提升。
1、数据挖掘技术的含义
数据挖掘技术是未来一项非常重要的技术，是从大量数据中找出有特殊关联信息的一个过程，通过统计、分析、处理、检索、识别等方式得以实现，其中数据挖掘的实施一共有三个步骤，分别表现为：数据准备，将一些所需要的数据从相关数据中挑选出来，并进行整合；规律寻找，通过某种方法将挑选出来的数据中所含的规律找出；以及规律表示，则是将找出的规律通过简单能够理解的方式，展现给需要观看的客户或工作人员，以此提升工作的效率。另外，在对数据挖掘技术进行分析的同时发现，数据挖掘技术根据不同的领域其分类的方式也有所不同，大致分为两大类，分别为验证和发现两种驱动的数据发掘，验证驱动主要是针对之前提出的一些假设，通过各种手段方法对其进行验证的过程，在验证的过程中，会根据不同的情况选择不同的生成器，包括SQL和其生成器两种，其SQL生成器又可以分为查询以及在线分析处理两种工具；而发现驱动主要针对的是使用者通过学习、统计、整理等提出新的假设，并对新提出的假设进行推述和预测，在推述的过程中，进行信息的可视化、信息聚焦、对信息进行关联分析以及信息的统计四个环节；在预测的过程中，先将信息进行分类处理和统计回归的处理，在信息分类的处理中，需要将信息根据规则和神经元进行归纳，并制定出相对应的决策树。由数据挖掘技术的分析，可以得出，通过数据挖掘在电力调度自动化系统的应用，可以解决很多问题，包括电力调度的人员安排情况、校验电力使用情况、保护电力使用记录等，提高了数据信息的准确性。
2、数据挖掘技术及其原理
2.1实时/历史数据通用应用程序访问接口（UAPI）
利用应用程序访问接口将数据写入中心服务平台，以实现实时/历史数据接入。业务应用可以直接使用UAPI直接向实时数据中心写入数据，从而完成实时历史数据的接入。该接入方法可以适用于同在管理信息大区的业务应用接入，生产控制大区的应用由于单向隔离网闸而无法应用。
2.2 E格式语言文件
E格式语言文件是国网公司制定的一种通用的实时数据传输标准，实现文本文件在单向隔离网闸的穿越传输，在调度与信息的数据交换领域得到了广泛的应用。该接入方法能够适用于所有业务应用的接入，由业务应用依据需求持续形成E格式文件并输送至实时数据中心的接入服务器，接入服务器负责解析E格式文件并调用UAPI将数据写入实时数据中心。
2.3实时数据接入通用规约
该通用规约基于TC/IP，通过网络通信报文的形式将业务应用的数据传输到实时数据中心的接入服务器，接入服务器负责解析该通用规约并调用UAPI将数据写入实时数据中心。考虑到单向隔离网间的特点，该通用规约在设计时不考虑应答报文，其目的是通过通信规约的形式。
3、数据挖掘在电力调度自动化系统中的应用
3.1“坏数据”智能过滤
电网高效智能分析与预测是建立在长期大量的可靠数据基础上的，但在现有环境中，数据采集装置在采集数据的过程中往往会受到外界天气、辐射、人为等因素的干扰。这些不能真正反映电网真实运行状况的数据我们称为“坏数据”，这些“坏数据”在后期对设备运行情况进行统计分析时影响非常大。电力信息数据库中存储的数据类型是复杂多样的，针对系统中不同类型的数据需要采取不同的修正方法，编写不同的数据修正函数和修正系数。在实时数据库中将数据按照设备进行分类：电压数据、负荷数据、主变压器数据、线路数据、电容电抗数据等。以电力负荷数据为例，电力负荷的“坏数据”通常有两类情况：①“毛刺数据”，即由于通道错误、远程终端单元故障等原因导致的数据反常态势，包括数据缺失、毛刺等；②特殊事件，如当设备处于故障、停运等状态或因受天气、限电、大用户、大事件冲击等原因作用下而形成的个别时间的负荷曲线波动。所有这些异常数据都可以称为“坏数据”。负荷波动情况具有横向与纵向的类似特征。横向相似性的概念是相近时间内负荷在日常状态下变化不明显。
3.2以模糊分析法在电力调度自动化系统中进行应用
模糊分析法主要指的是对聚类已知数列与分析已知数列，进而使得分类的数据更为全面，让分类结果的综合性得到提升。在在电力调度自动化系统中，应用模糊分析法可以让大数据功能得到发挥，可以让客观数据整理需求得到满足。如在我国太原地县级电网备用调度项目的电力调度自动化系统中就采用了模糊层次分析综合方法，该系统提供了备调一体化系统，可以让数据采集和数据交换得到贯通和共线，具有数据通信链路管理以及数据发布的功能。
3.3以聚类分析法在电力调度自动化系统中进行应用
聚类分析法在电力调度自动化系统中的应用，同分类法有所类似但两者的目的不同，分类法更注重的是将数据项映射到给定的数据类别中，但是聚类分析法更多的是针对数据同异进行类别划分，更期望数据的全面性和综合性效果，因此这种方式的应用也比较广泛，将灰色分析法的缺点进行了弥补，使庞大数据量的整理更加的整洁，并且缩小了不同类别之间数据的相似性和关联性。比方说，电力调度数据中的生产管理和控制两大数据管理，就是通过聚类分析法的方式，将大数据聚类划分，分为了四个子数据管理区，其中管理方面包括了电力调度自动化系统中有关电力的生产数据、电力出售的相关数据等；控制方面分为了三个子数据区：（1）电力调度的计划数据，包括电力厂发电的能力数据值、用户发电用电的数据等，（2）安全管理的数据，通过计算机对一些电压数据值、电压数据值等进行有效的监控，以确定自动化系统的正常运转，（3）监控数据，包括电量数据、实时电量、输出量等数据，以此提升对数据。
3.4基于周期性关联规则挖掘的数据分析系统平台
在社会经济的发展下，电力调度自动化系统从原来的实时性监控报表查询系统转变为智能调度自动化系统，高级应用软件的应用促进了电力调度系统朝着智能化的方向发展。基于周期性关联规则挖掘的数据分析系统平台选择微软的.net平台，在该平台的支持下为电力调度系统运行提供了丰富数据资源的支持，且具备强大的数据库访问能力。
结语
总而言之，随着科技的不断进步，我国针对电力调度自动化系统的使用情况进行了创新，而数据挖掘技术在其中应用成功的与否，还需要专业的人员继续进行探究和实验，以确保我国电力调度自动化系统的升级和改造，进一步促进我国电力调度自动化系统的发展，实现真正的智能电网时代。
参考文献
[1]郭洋洋，李宇涛.分析电力调度自动化系统实用化应用[J].科技与创新，2017（05）：153-154.
[2]李艳.关于数据挖掘中关联规则算法的相关问题研究[J].科技创新与应用，2017（33）：161+163.
[3]王谦，李烽.电力调度的自动化网络安全分析及实现[J].电子技术与软件工程，2017（21）：116.
[关键词]电网调度 自动化系统 数据挖掘
中图分类号：TB 文献标识码：A 文章编号：1009-914x（2018）47-0342-01
引言
数据挖掘技术主要指的是一种数据库技术与人工智能技术结合的技术，利用一定算法，可以从大量的数据信息中搜索到所需信息。在电力调度自动化控制系统中应用数据挖掘技术具有重要意义，对于电力企业的发展和创新具有推动作用，同时可以让电力企业的经济效益得到提升。
1、数据挖掘技术的含义
数据挖掘技术是未来一项非常重要的技术，是从大量数据中找出有特殊关联信息的一个过程，通过统计、分析、处理、检索、识别等方式得以实现，其中数据挖掘的实施一共有三个步骤，分别表现为：数据准备，将一些所需要的数据从相关数据中挑选出来，并进行整合；规律寻找，通过某种方法将挑选出来的数据中所含的规律找出；以及规律表示，则是将找出的规律通过简单能够理解的方式，展现给需要观看的客户或工作人员，以此提升工作的效率。另外，在对数据挖掘技术进行分析的同时发现，数据挖掘技术根据不同的领域其分类的方式也有所不同，大致分为两大类，分别为验证和发现两种驱动的数据发掘，验证驱动主要是针对之前提出的一些假设，通过各种手段方法对其进行验证的过程，在验证的过程中，会根据不同的情况选择不同的生成器，包括SQL和其生成器两种，其SQL生成器又可以分为查询以及在线分析处理两种工具；而发现驱动主要针对的是使用者通过学习、统计、整理等提出新的假设，并对新提出的假设进行推述和预测，在推述的过程中，进行信息的可视化、信息聚焦、对信息进行关联分析以及信息的统计四个环节；在预测的过程中，先将信息进行分类处理和统计回归的处理，在信息分类的处理中，需要将信息根据规则和神经元进行归纳，并制定出相对应的决策树。由数据挖掘技术的分析，可以得出，通过数据挖掘在电力调度自动化系统的应用，可以解决很多问题，包括电力调度的人员安排情况、校验电力使用情况、保护电力使用记录等，提高了数据信息的准确性。
2、数据挖掘技术及其原理
2.1实时/历史数据通用应用程序访问接口（UAPI）
利用应用程序访问接口将数据写入中心服务平台，以实现实时/历史数据接入。业务应用可以直接使用UAPI直接向实时数据中心写入数据，从而完成实时历史数据的接入。该接入方法可以适用于同在管理信息大区的业务应用接入，生产控制大区的应用由于单向隔离网闸而无法应用。
2.2 E格式语言文件
E格式语言文件是国网公司制定的一种通用的实时数据传输标准，实现文本文件在单向隔离网闸的穿越传输，在调度与信息的数据交换领域得到了广泛的应用。该接入方法能够适用于所有业务应用的接入，由业务应用依据需求持续形成E格式文件并输送至实时数据中心的接入服务器，接入服务器负责解析E格式文件并调用UAPI将数据写入实时数据中心。
2.3实时数据接入通用规约
该通用规约基于TC/IP，通过网络通信报文的形式将业务应用的数据传输到实时数据中心的接入服务器，接入服务器负责解析该通用规约并调用UAPI将数据写入实时数据中心。考虑到单向隔离网间的特点，该通用规约在设计时不考虑应答报文，其目的是通过通信规约的形式。
3、数据挖掘在电力调度自动化系统中的应用
3.1“坏数据”智能过滤
电网高效智能分析与预测是建立在长期大量的可靠数据基础上的，但在现有环境中，数据采集装置在采集数据的过程中往往会受到外界天气、辐射、人为等因素的干扰。这些不能真正反映电网真实运行状况的数据我们称为“坏数据”，这些“坏数据”在后期对设备运行情况进行统计分析时影响非常大。电力信息数据库中存储的数据类型是复杂多样的，针对系统中不同类型的数据需要采取不同的修正方法，编写不同的数据修正函数和修正系数。在实时数据库中将数据按照设备进行分类：电压数据、负荷数据、主变压器数据、线路数据、电容电抗数据等。以电力负荷数据为例，电力负荷的“坏数据”通常有两类情况：①“毛刺数据”，即由于通道错误、远程终端单元故障等原因导致的数据反常态势，包括数据缺失、毛刺等；②特殊事件，如当设备处于故障、停运等状态或因受天气、限电、大用户、大事件冲击等原因作用下而形成的个别时间的负荷曲线波动。所有这些异常数据都可以称为“坏数据”。负荷波动情况具有横向与纵向的类似特征。横向相似性的概念是相近时间内负荷在日常状态下变化不明显。
3.2以模糊分析法在电力调度自动化系统中进行应用
模糊分析法主要指的是对聚类已知数列与分析已知数列，进而使得分类的数据更为全面，让分类结果的综合性得到提升。在在电力调度自动化系统中，应用模糊分析法可以让大数据功能得到发挥，可以让客观数据整理需求得到满足。如在我国太原地县级电网备用调度项目的电力调度自动化系统中就采用了模糊层次分析综合方法，该系统提供了备调一体化系统，可以让数据采集和数据交换得到贯通和共线，具有数据通信链路管理以及数据发布的功能。
3.3以聚类分析法在电力调度自动化系统中进行应用
聚类分析法在电力调度自动化系统中的应用，同分类法有所类似但两者的目的不同，分类法更注重的是将数据项映射到给定的数据类别中，但是聚类分析法更多的是针对数据同异进行类别划分，更期望数据的全面性和综合性效果，因此这种方式的应用也比较广泛，将灰色分析法的缺点进行了弥补，使庞大数据量的整理更加的整洁，并且缩小了不同类别之间数据的相似性和关联性。比方说，电力调度数据中的生产管理和控制两大数据管理，就是通过聚类分析法的方式，将大数据聚类划分，分为了四个子数据管理区，其中管理方面包括了电力调度自动化系统中有关电力的生产数据、电力出售的相关数据等；控制方面分为了三个子数据区：（1）电力调度的计划数据，包括电力厂发电的能力数据值、用户发电用电的数据等，（2）安全管理的数据，通过计算机对一些电压数据值、电压数据值等进行有效的监控，以确定自动化系统的正常运转，（3）监控数据，包括电量数据、实时电量、输出量等数据，以此提升对数据。
3.4基于周期性关联规则挖掘的数据分析系统平台
在社会经济的发展下，电力调度自动化系统从原来的实时性监控报表查询系统转变为智能调度自动化系统，高级应用软件的应用促进了电力调度系统朝着智能化的方向发展。基于周期性关联规则挖掘的数据分析系统平台选择微软的.net平台，在该平台的支持下为电力调度系统运行提供了丰富数据资源的支持，且具备强大的数据库访问能力。
结语
总而言之，随着科技的不断进步，我国针对电力调度自动化系统的使用情况进行了创新，而数据挖掘技术在其中应用成功的与否，还需要专业的人员继续进行探究和实验，以确保我国电力调度自动化系统的升级和改造，进一步促进我国电力调度自动化系统的发展，实现真正的智能电网时代。
参考文献
[1]郭洋洋，李宇涛.分析电力调度自动化系统实用化应用[J].科技与创新，2017（05）：153-154.
[2]李艳.关于数据挖掘中关联规则算法的相关问题研究[J].科技创新与应用，2017（33）：161+163.
[3]王谦，李烽.电力调度的自动化网络安全分析及实现[J].电子技术与软件工程，2017（21）：116.