论文部分内容阅读
摘 要：由于社会的进步，让很多行业都得到了一定程度的发展。而其中电力企业能够对我国的经济发展起到推动作用，因此其发展的情况得到了社会的普遍重视。而电力调度工作是电力供应的关键环节，如果在此环节中能够采用数据挖掘技术的话，就可以起到非常不错的供电效果。此项技术的作用在于能够收集大量的相关数据，并可以进行完善的分析，因此一定要得到相关工作者的高度重视。
关键词：电力调度自动化系统；数据挖掘技术；应用
电力调度自动化系统运用数据挖掘技术非常的重要，可以全面的展现出电力调度自动化系统的使用效果，更为重要的是可以带动社会的可持续建设。所以，有关工作者要全面研究数据挖掘数，让其能够在电力调度自动化系统当中展现出最大的应用价值，这样就会提升带动我国的经济发展。
一 数据挖掘技术的含义
在这些年以来，随着经济的发展，让数据挖掘技术得到了普遍的应用。此项技术主要是在众多的数据当中找到有关系的信息，然后采用统计、分析等方式进行处理。而在挖掘数据的工作中，主要包括以下步骤：首先是做好数据准备工作，也就是筛选出要使用的数据，然后进行有效的处理；其次是分析规律，并展现到用面前，这样就可以提高工作质量。如果能够把数据挖掘技术合理的运用到电力调度自动化系统中，可以解决大量所存在的问题，其中主要包括调度工作者安排电力校验使用、维护电力运用记录等，这样一来就可以确保有关数据的精准度。总之使用数据挖掘技术具有非常突出的效果，在通过实践后了解到，运用数据挖掘技术能够全面的掌握数据间的隐秘关系，并可以给接下来的调动工作带来有价值的依据。
二 数据挖掘技术的分类和过程
数据挖掘技术主要分为两个种类，分别是发现驱动的数据挖掘技术以及验证驱动的数据挖掘技术。发现驱动的数据挖掘技术是指客户在采用机器学习期间，能够挖掘出全新的假设，在此期间需要相关工作者的积极配合。而验证驱动的数据挖掘技术指的是用客户对此前自己所提出的假设，使用有关的技术来给假设采取验证。而数据挖掘的过程则包括：对数据的选用、预处理、转化、发掘、分析和同化，在确立业务目标以后，就要对数据采取处理。而在此期间，要收集与业务目标有关的数据信息，之后选用符合要求的数据，紧接着分析数据的质量，并确立采用哪种数据挖掘技术，最后在对要使用的数据进行转换，最终构成一个能够进行算法挖掘的分析模型。
三 数据挖掘技术的具体应用
（一）模糊分析法在电力调度自动化系统中的应用
模糊分析法是指在聚类和研究已知数列，以此让分类的数据能够具有全面行，并提高分类结果的综合性。在电力调度自动化系统当中，采用模糊分析法能够全面展现出大数据的功能，并还可以符合数据的整理要求。比如我国一些地区的电网备用调度项目的电力调度自动化系统就运用了模糊层次感分析综合法，在此系统当中结合了一体化系统，能够实现数据的采集和互换，这样一来就可以做好对数据通信链路的管理。
（二）灰色分析法在电力调度自动化系统中的应用
要是在时间线上，电力数据之间具有一定的关联性，在这样的情况下就可以采用灰色分析法来对电力数据进行预测。在收集电力调度系统数据的时候，会普遍采用灰色分析法，就算数据不具备完善性，那么也可以采用灰色分析法来对数据进行分析。不过与模糊分析法进行比较后能够发现，此类方式无法全面展现出大数据的功能。在电力调度的过程中，对电力负荷的预测是一项非常重要的工作。在数据处理模块里，要融合原始负荷数据、预测数据等，并要把预测数据转化成文本。数据清理模块能够确保系统的运行速率，符合预测的数据通常能够保持在5年左右的时间，而合理的清除历史数据则能够确保查询的效果。在负荷预测模块中，能够容纳所在地区的全部情况，然后采用灰色模型、多变量灰色模型来采取负荷预测，其中后者能够通过有關资料来进行预测。而在数据显示模块里，可以利用列表和图形的形式来展现出历史数据，这样相关工作者就能够掌握当天的数据情况和气象信息。在设计数据库的时候，里面主要包括了历史负荷数据库、预测数据库、气象资料数据库等等。在采用该系统的过程中，可以对所在地的数据状况进行具体的分析，预测过程为采用普通灰色模型来进行自动预测，之后再做好检测工作，如果自动预测精度能够保持在95%以上，则表明预测具有非常理想的精准度。
（三）以聚类分析法在电力调度自动化系统中的应用
此分析法在电力调度自动化当中得到了普遍的使用，其类似于同类分析法，但并不是全部相同，分类法更多的是注重把数据运用到给定的种类当中，而聚类分析法则主要是给同类数据进行划分，数据具备完善性和综合性，也正因为如此，该分析法才得到了普遍的使用。此外聚类分析法可以针对灰色分析法所存在的不足之处进行改善，从而能够让数据更加的完善，同时还可以减少数据间的联系。比如，在电力调度数据当中，主要包括两种类型，分别为控制以及生产管控，而采用聚类分析法，可以对大数据采取聚类划分，其中主要包括电力生产数据、销售数据等。
（四）神经网络方式在电力调度自动化系统中的应用
神经网络方式已经相当的完善，其自身就可以给数据进行处理、挖掘和保存，比较适合用到对模糊、不精准的数据的处理工作当中。运用电脑准确运算的功能，能够得到调度自动化系统数据，而主要采用的方式包括前馈、反馈等。运用神经网络能够把调度的各种数据进行连接，进而分析出数据的逻辑性。而想要达到这样的效果，那么就要做好以下的工作：（1）整理电力调度自动化系统的数据。尽管此类数据比较繁琐，类型也很多，不过它们之间有着密切的联系，可以整合统一，构成相应的模式，从而就能够为以后的数据搜寻、统计等工作打下良好的基础，并可以确保数据的完整性，这样就会让电力调度工作得到良好的开展，以此构成神经网络系统。（2）电力调度有关数据，各种环节电力状态和参数的精准性不一致，很容易造成影响，进而达到数据关联。（3）把神经网络方式运用到电力调度自动化当中，来处理全部的数据，并做好分析工作，另外还要对其余的一些调度工作做好决策，以此来对数据进行共享，这样就可以确保电力自动化调度系统的完善性。
四 对电力调度技术的展望
电力系统数据挖掘要结合多项技术，其中主要包括数学统计知识、高数运算知识、网络技术等，所有的技术都具备属于自身的领域，并且各个环节都保持着密切的联系。而在指定的领域里，其中一个信息出现错误的话，那么就会对整个数据造成影响。所以，加强数据效果，目的在于提升调度技术联系程度，并实现协同发展。这样一来，我国电力调度技术要能够得到进一步完善，而且所使用的数据也会获得发展空间。通过这些年的发展情况来看，电力用户用电正迈入到综合性、复杂性的方向，所以一定要对调度系统改善。
结束语：
在电力调度自动化系统中，采用模糊分析法、灰色分析法等数据挖掘技术，能够使得电力调度自动化系统收集到完善的数据，同时还可以确保电力调度的效果，这样就会让供电更加的稳定，并使得电网运行更加具有安全性和平稳性。
参考文献：
[1]李琳，李淼，王志宏，刘紫玲，高永俊，韩明彤，张成，丁宝帅.电力调度自动化系统中数据挖掘技术运用分析[J].山东工业技术，2018（21）：163.
[2]李小丕.浅析电力调度自动化系统中数据挖掘技术[J].低碳世界，2018（08）：123-124.
[3]聂宇，罗超，高小芊，寇霄宇，何宇雄，苑晋沛，李蔚.基于电力调度自动化系统中数据挖掘技术的应用[J].科技创新与应用，2018（03）：143-144.
[4]周洋.数据挖掘在电力调度自动化系统中的应用解析[J].科技创新与应用，2017（35）：149-150.
关键词：电力调度自动化系统；数据挖掘技术；应用
电力调度自动化系统运用数据挖掘技术非常的重要，可以全面的展现出电力调度自动化系统的使用效果，更为重要的是可以带动社会的可持续建设。所以，有关工作者要全面研究数据挖掘数，让其能够在电力调度自动化系统当中展现出最大的应用价值，这样就会提升带动我国的经济发展。
一 数据挖掘技术的含义
在这些年以来，随着经济的发展，让数据挖掘技术得到了普遍的应用。此项技术主要是在众多的数据当中找到有关系的信息，然后采用统计、分析等方式进行处理。而在挖掘数据的工作中，主要包括以下步骤：首先是做好数据准备工作，也就是筛选出要使用的数据，然后进行有效的处理；其次是分析规律，并展现到用面前，这样就可以提高工作质量。如果能够把数据挖掘技术合理的运用到电力调度自动化系统中，可以解决大量所存在的问题，其中主要包括调度工作者安排电力校验使用、维护电力运用记录等，这样一来就可以确保有关数据的精准度。总之使用数据挖掘技术具有非常突出的效果，在通过实践后了解到，运用数据挖掘技术能够全面的掌握数据间的隐秘关系，并可以给接下来的调动工作带来有价值的依据。
二 数据挖掘技术的分类和过程
数据挖掘技术主要分为两个种类，分别是发现驱动的数据挖掘技术以及验证驱动的数据挖掘技术。发现驱动的数据挖掘技术是指客户在采用机器学习期间，能够挖掘出全新的假设，在此期间需要相关工作者的积极配合。而验证驱动的数据挖掘技术指的是用客户对此前自己所提出的假设，使用有关的技术来给假设采取验证。而数据挖掘的过程则包括：对数据的选用、预处理、转化、发掘、分析和同化，在确立业务目标以后，就要对数据采取处理。而在此期间，要收集与业务目标有关的数据信息，之后选用符合要求的数据，紧接着分析数据的质量，并确立采用哪种数据挖掘技术，最后在对要使用的数据进行转换，最终构成一个能够进行算法挖掘的分析模型。
三 数据挖掘技术的具体应用
（一）模糊分析法在电力调度自动化系统中的应用
模糊分析法是指在聚类和研究已知数列，以此让分类的数据能够具有全面行，并提高分类结果的综合性。在电力调度自动化系统当中，采用模糊分析法能够全面展现出大数据的功能，并还可以符合数据的整理要求。比如我国一些地区的电网备用调度项目的电力调度自动化系统就运用了模糊层次感分析综合法，在此系统当中结合了一体化系统，能够实现数据的采集和互换，这样一来就可以做好对数据通信链路的管理。
（二）灰色分析法在电力调度自动化系统中的应用
要是在时间线上，电力数据之间具有一定的关联性，在这样的情况下就可以采用灰色分析法来对电力数据进行预测。在收集电力调度系统数据的时候，会普遍采用灰色分析法，就算数据不具备完善性，那么也可以采用灰色分析法来对数据进行分析。不过与模糊分析法进行比较后能够发现，此类方式无法全面展现出大数据的功能。在电力调度的过程中，对电力负荷的预测是一项非常重要的工作。在数据处理模块里，要融合原始负荷数据、预测数据等，并要把预测数据转化成文本。数据清理模块能够确保系统的运行速率，符合预测的数据通常能够保持在5年左右的时间，而合理的清除历史数据则能够确保查询的效果。在负荷预测模块中，能够容纳所在地区的全部情况，然后采用灰色模型、多变量灰色模型来采取负荷预测，其中后者能够通过有關资料来进行预测。而在数据显示模块里，可以利用列表和图形的形式来展现出历史数据，这样相关工作者就能够掌握当天的数据情况和气象信息。在设计数据库的时候，里面主要包括了历史负荷数据库、预测数据库、气象资料数据库等等。在采用该系统的过程中，可以对所在地的数据状况进行具体的分析，预测过程为采用普通灰色模型来进行自动预测，之后再做好检测工作，如果自动预测精度能够保持在95%以上，则表明预测具有非常理想的精准度。
（三）以聚类分析法在电力调度自动化系统中的应用
此分析法在电力调度自动化当中得到了普遍的使用，其类似于同类分析法，但并不是全部相同，分类法更多的是注重把数据运用到给定的种类当中，而聚类分析法则主要是给同类数据进行划分，数据具备完善性和综合性，也正因为如此，该分析法才得到了普遍的使用。此外聚类分析法可以针对灰色分析法所存在的不足之处进行改善，从而能够让数据更加的完善，同时还可以减少数据间的联系。比如，在电力调度数据当中，主要包括两种类型，分别为控制以及生产管控，而采用聚类分析法，可以对大数据采取聚类划分，其中主要包括电力生产数据、销售数据等。
（四）神经网络方式在电力调度自动化系统中的应用
神经网络方式已经相当的完善，其自身就可以给数据进行处理、挖掘和保存，比较适合用到对模糊、不精准的数据的处理工作当中。运用电脑准确运算的功能，能够得到调度自动化系统数据，而主要采用的方式包括前馈、反馈等。运用神经网络能够把调度的各种数据进行连接，进而分析出数据的逻辑性。而想要达到这样的效果，那么就要做好以下的工作：（1）整理电力调度自动化系统的数据。尽管此类数据比较繁琐，类型也很多，不过它们之间有着密切的联系，可以整合统一，构成相应的模式，从而就能够为以后的数据搜寻、统计等工作打下良好的基础，并可以确保数据的完整性，这样就会让电力调度工作得到良好的开展，以此构成神经网络系统。（2）电力调度有关数据，各种环节电力状态和参数的精准性不一致，很容易造成影响，进而达到数据关联。（3）把神经网络方式运用到电力调度自动化当中，来处理全部的数据，并做好分析工作，另外还要对其余的一些调度工作做好决策，以此来对数据进行共享，这样就可以确保电力自动化调度系统的完善性。
四 对电力调度技术的展望
电力系统数据挖掘要结合多项技术，其中主要包括数学统计知识、高数运算知识、网络技术等，所有的技术都具备属于自身的领域，并且各个环节都保持着密切的联系。而在指定的领域里，其中一个信息出现错误的话，那么就会对整个数据造成影响。所以，加强数据效果，目的在于提升调度技术联系程度，并实现协同发展。这样一来，我国电力调度技术要能够得到进一步完善，而且所使用的数据也会获得发展空间。通过这些年的发展情况来看，电力用户用电正迈入到综合性、复杂性的方向，所以一定要对调度系统改善。
结束语：
在电力调度自动化系统中，采用模糊分析法、灰色分析法等数据挖掘技术，能够使得电力调度自动化系统收集到完善的数据，同时还可以确保电力调度的效果，这样就会让供电更加的稳定，并使得电网运行更加具有安全性和平稳性。
参考文献：
[1]李琳，李淼，王志宏，刘紫玲，高永俊，韩明彤，张成，丁宝帅.电力调度自动化系统中数据挖掘技术运用分析[J].山东工业技术，2018（21）：163.
[2]李小丕.浅析电力调度自动化系统中数据挖掘技术[J].低碳世界，2018（08）：123-124.
[3]聂宇，罗超，高小芊，寇霄宇，何宇雄，苑晋沛，李蔚.基于电力调度自动化系统中数据挖掘技术的应用[J].科技创新与应用，2018（03）：143-144.
[4]周洋.数据挖掘在电力调度自动化系统中的应用解析[J].科技创新与应用，2017（35）：149-150.