论文部分内容阅读
摘要：本文主要研究数据挖掘技术及其在电力系统中的应用，首先对数据挖掘的研究现状进行简单介绍，重点分析大数据和数据挖掘技术，在此基础上深入研究数据挖掘技术在电力系统中的应用，希望通过本文的研究能够更加全面的掌握关于数据挖掘技术应用的基本情况，同时业务后期更好的在电力系统中应用数据挖掘技术提供参考。
关键词：数据挖掘；电力系统；大数据
1引言
近年来随着我国电网建设规模的不断扩大，电网建设愈加智能化，各种智能化设备的应用愈加普遍，逐渐形成“源-网-荷”一体化的信息化建设。而且随着大数据等先进技术在各领域的推广使用，电力系统运行中产生的信息数据也不断增加，数据价值也受到人们越来越多的关注。因此在现阶段加强对于数据挖掘技术及其在电力系统中应用的研究具有重要的现实意义，能够更加全面的掌握数据挖掘的研究现状以及大数据和数据挖掘技术的基本情况，从而更好的发挥数据挖掘技术在电力系统中的应用。
2数据挖掘的研究现状
2.1国外研究现状
关于数据挖掘的研究最早起源于上世纪末，由国际知识发现组织展开第一次与数据挖掘相关的学术会议，随着信息技术及计算机等先进技术的发展，数据挖掘在各领域的应用愈加广泛，尤其是银行及商业领域。当前国际上关于数据挖掘的研究主要分为数据挖掘方法研究优化、传统统计学回归法的应用以及数据库和知识发现的结合应用。
2.2国内研究现状
虽然国内关于数据挖掘的研究起步比较晚，但是随着近年来相关研究的不断深入，国内数据挖掘技术愈加成熟，并取得了巨大的发展进步。比如说以模糊集和粗糙集理论为基础的模糊系统识别方法及知识模型，逐渐形成智能专家系统；集合理论体系对海量数据进行处理；概念格式在文本挖掘中的研究；中文文本数据挽救的理论研究的实践应用等。国内数据挖掘技术的应用主要集中在金融服务、互联网服务以及农业发展等领域，在电力系统尤其是火电领域的应用也不断扩大。
3大数据和数据挖掘技术概述
3.1数据挖掘技术概念
数据挖掘技术研究初期主要是用于解决传统数据库的问题，其本质就是对海量数据进行分析研究，挖掘数据信息背后隐藏的、未知的潜在价值。随着信息技术的不断发展，数据信息呈爆炸性增长，逐渐进入大数据时代，各种数据信息的种类、数量越来越多，不同的数据信息之间的联系愈加紧密，而且掺杂繁复、真假难辨，逐渐呈现为“数据爆炸但是知识匮乏”的尴尬现象。数据挖掘技术就是挖掘数据背后隐藏价值的关键。
3.2大数据环境下的数据挖掘
大数据最大的特点是体量大、非结构化数据多、实时分析要求高。基于数量、速度和种类的“3VS”模型基本能够比较全面的反映大数据的基本特征，数据规模庞大、为保证时效性需要对数据进行快速收集分析、而且包含大量的文本、网页等非结构化或者半结构类型的数据。这也对数据挖掘提出更高的要求，在数据挖掘过程中需要利用更智能的算法和更先进的计算机设备，之前计算机领域中应用的模式识别算法、机器学习算法、人工智能算法经过改进升级后能够形成针对数据挖掘的分类分析、聚类分析、关联分析和异常检测等先进技术。
4数据挖掘技术在电力系统中的应用
电力系统是人类社会发展过程中形成的最伟大的人造系统之一，整个电力系统规模庞大、分布广泛，而且运行中会产生类型丰富的数据信息，以电力系统为例进行大数据数据挖掘的研究能够为其他数据挖掘技术的研究提供参考。为了更好的发展电力大数据的研究，在2013年提出“电力大数据”的概念，并建立了基于能量、数据共情、数据交互的“3ES”模型，能够集中反映电力系统的大数据特征，其结构模型如图1所示。电力系统的数据挖掘能够广泛应用于电力系统运行的发电、输电、变电、配电以及用电等各个环节，而且随着智能电网建设的不断推进，数据挖掘的应用也不断扩展，在雷电分析、用户特性识别、电价预测以及设备检测等环节都能应用数据挖掘技术。
4.1数据挖掘技术在输电系统中的应用
输电系统是整个电网的主体架构，结构复杂、规模较大，在运行过程中产生大量的数据，与电网运行有密切的联系。
4.1.1输电线路雷电活动时空分布
在输电线路运行过程中会受到雷电活动的影响，一旦线路遭遇雷击会严重影响电力系统的运行，造成线路跳闸、停电、设备损坏等运行故障。通过分析雷电或者，掌握其时空分布特点能够更加科学的规划设计输电线路，保障电力系统的安全运行。传统模式下是利用统计学的方法进行分析，会消耗大量的人力资源，统计分析结果也不理想。在大数据背景下，利用数据挖掘技术能够更加科学的分析概括雷电活动的时空分布规律。雷电定位系統的基本原理是利用时差法、磁向定位法和等高线程图等分别获取雷击位置和闪点高度，形成三维数据模型。同时检测雷电的类型、日变化特征、海拔高度、二维空间以及雷电强度等指标信息，基于神经网络算法，利用DataCruncher等数据处理软件分析研究模型中不同数据的联系，实现雷电活动时空分布的数据挖掘。
4.1.2输变电系统状态检测
所谓状态检测就是对各种电力设备的运行状态数据进行分析，主要包括数据的采集分析、特征提取以及状态评估等三个阶段。不同的电力设备原始数据的获取方法也各有不同，比如利用绝缘恢复电压法、局部放电检测和低压脉冲法采集变压器内的气体、电流电压、振动信号和油中温湿度等信号。输电系统中的断路器、输电线路等检测对象可以收集大量的数据，结合数据挖掘与专家系统、人工智能以及事件推理等分析方法能够实现对于信息数据的高效处理。
4.2配电网运行状态监测及预警
数据挖掘在配电网中的应用主要包括配电网运行经济性分析、电能质量分析、供电能力分析、供电可靠性分析、运行安全性分析等多个方面。在实际应用中，利用大量的数据能够全面分析配电网运行中的可靠性及安全性，分析判断配电网可能存在的各种风险故障，从而指引维护人员进行操作；通过分析配电网运行产生的累积数据能够分析预测可能出现的风险类型。在此基础上统计分析配电网的运行风险，研究制定科学合理的应对预案，逐渐建立完善风险识别数据库，及时有效的应对各种突发故障。
4.3用户用电特性辨识
通过分析辨识用户特性能够实现用户与电网的双向互动，推进智能化电网的建设。用户用电特性的辨识主要是基于负荷数据进行分析确定，常用的方法有以下三种：其一是关联规则算法，分析大量的负荷数据之间出现最频繁的相互联系，在此基础上分析外在影响因素与负荷特性质之间的联系，从而挖掘用户的负荷特性，其二是利用人工智能算法预测用户行为，尤其适用于短期用户行为的预测以及非线性规律是自适应，其三是聚类分析法，依次对某组数据及影响因素执行数据预处理、聚类过程以及结果验证等步骤。在数据挖掘的基础上能够实现深层挖掘用户的潜在价值，更好的利用用户资源。
5结语
通过本文的分析可知，数据挖掘在电力系统运行中具有重要的作用，能够发挥巨大的价值。
参考文献：
[1]吴奇珂，程帆.数据挖掘技术及其在电力系统中的应用[J].电工电气，2016，（6）：28-32.
[2]廖志伟，孙雅明.数据挖掘技术及其在电力系统中的应用[J].电力系统自动化，2001，（11）：62-66.
[3]廖志伟，孙雅明.数据挖掘技术及其在电力系统中的应用[Z].天津大学.2009.
关键词：数据挖掘；电力系统；大数据
1引言
近年来随着我国电网建设规模的不断扩大，电网建设愈加智能化，各种智能化设备的应用愈加普遍，逐渐形成“源-网-荷”一体化的信息化建设。而且随着大数据等先进技术在各领域的推广使用，电力系统运行中产生的信息数据也不断增加，数据价值也受到人们越来越多的关注。因此在现阶段加强对于数据挖掘技术及其在电力系统中应用的研究具有重要的现实意义，能够更加全面的掌握数据挖掘的研究现状以及大数据和数据挖掘技术的基本情况，从而更好的发挥数据挖掘技术在电力系统中的应用。
2数据挖掘的研究现状
2.1国外研究现状
关于数据挖掘的研究最早起源于上世纪末，由国际知识发现组织展开第一次与数据挖掘相关的学术会议，随着信息技术及计算机等先进技术的发展，数据挖掘在各领域的应用愈加广泛，尤其是银行及商业领域。当前国际上关于数据挖掘的研究主要分为数据挖掘方法研究优化、传统统计学回归法的应用以及数据库和知识发现的结合应用。
2.2国内研究现状
虽然国内关于数据挖掘的研究起步比较晚，但是随着近年来相关研究的不断深入，国内数据挖掘技术愈加成熟，并取得了巨大的发展进步。比如说以模糊集和粗糙集理论为基础的模糊系统识别方法及知识模型，逐渐形成智能专家系统；集合理论体系对海量数据进行处理；概念格式在文本挖掘中的研究；中文文本数据挽救的理论研究的实践应用等。国内数据挖掘技术的应用主要集中在金融服务、互联网服务以及农业发展等领域，在电力系统尤其是火电领域的应用也不断扩大。
3大数据和数据挖掘技术概述
3.1数据挖掘技术概念
数据挖掘技术研究初期主要是用于解决传统数据库的问题，其本质就是对海量数据进行分析研究，挖掘数据信息背后隐藏的、未知的潜在价值。随着信息技术的不断发展，数据信息呈爆炸性增长，逐渐进入大数据时代，各种数据信息的种类、数量越来越多，不同的数据信息之间的联系愈加紧密，而且掺杂繁复、真假难辨，逐渐呈现为“数据爆炸但是知识匮乏”的尴尬现象。数据挖掘技术就是挖掘数据背后隐藏价值的关键。
3.2大数据环境下的数据挖掘
大数据最大的特点是体量大、非结构化数据多、实时分析要求高。基于数量、速度和种类的“3VS”模型基本能够比较全面的反映大数据的基本特征，数据规模庞大、为保证时效性需要对数据进行快速收集分析、而且包含大量的文本、网页等非结构化或者半结构类型的数据。这也对数据挖掘提出更高的要求，在数据挖掘过程中需要利用更智能的算法和更先进的计算机设备，之前计算机领域中应用的模式识别算法、机器学习算法、人工智能算法经过改进升级后能够形成针对数据挖掘的分类分析、聚类分析、关联分析和异常检测等先进技术。
4数据挖掘技术在电力系统中的应用
电力系统是人类社会发展过程中形成的最伟大的人造系统之一，整个电力系统规模庞大、分布广泛，而且运行中会产生类型丰富的数据信息，以电力系统为例进行大数据数据挖掘的研究能够为其他数据挖掘技术的研究提供参考。为了更好的发展电力大数据的研究，在2013年提出“电力大数据”的概念，并建立了基于能量、数据共情、数据交互的“3ES”模型，能够集中反映电力系统的大数据特征，其结构模型如图1所示。电力系统的数据挖掘能够广泛应用于电力系统运行的发电、输电、变电、配电以及用电等各个环节，而且随着智能电网建设的不断推进，数据挖掘的应用也不断扩展，在雷电分析、用户特性识别、电价预测以及设备检测等环节都能应用数据挖掘技术。
4.1数据挖掘技术在输电系统中的应用
输电系统是整个电网的主体架构，结构复杂、规模较大，在运行过程中产生大量的数据，与电网运行有密切的联系。
4.1.1输电线路雷电活动时空分布
在输电线路运行过程中会受到雷电活动的影响，一旦线路遭遇雷击会严重影响电力系统的运行，造成线路跳闸、停电、设备损坏等运行故障。通过分析雷电或者，掌握其时空分布特点能够更加科学的规划设计输电线路，保障电力系统的安全运行。传统模式下是利用统计学的方法进行分析，会消耗大量的人力资源，统计分析结果也不理想。在大数据背景下，利用数据挖掘技术能够更加科学的分析概括雷电活动的时空分布规律。雷电定位系統的基本原理是利用时差法、磁向定位法和等高线程图等分别获取雷击位置和闪点高度，形成三维数据模型。同时检测雷电的类型、日变化特征、海拔高度、二维空间以及雷电强度等指标信息，基于神经网络算法，利用DataCruncher等数据处理软件分析研究模型中不同数据的联系，实现雷电活动时空分布的数据挖掘。
4.1.2输变电系统状态检测
所谓状态检测就是对各种电力设备的运行状态数据进行分析，主要包括数据的采集分析、特征提取以及状态评估等三个阶段。不同的电力设备原始数据的获取方法也各有不同，比如利用绝缘恢复电压法、局部放电检测和低压脉冲法采集变压器内的气体、电流电压、振动信号和油中温湿度等信号。输电系统中的断路器、输电线路等检测对象可以收集大量的数据，结合数据挖掘与专家系统、人工智能以及事件推理等分析方法能够实现对于信息数据的高效处理。
4.2配电网运行状态监测及预警
数据挖掘在配电网中的应用主要包括配电网运行经济性分析、电能质量分析、供电能力分析、供电可靠性分析、运行安全性分析等多个方面。在实际应用中，利用大量的数据能够全面分析配电网运行中的可靠性及安全性，分析判断配电网可能存在的各种风险故障，从而指引维护人员进行操作；通过分析配电网运行产生的累积数据能够分析预测可能出现的风险类型。在此基础上统计分析配电网的运行风险，研究制定科学合理的应对预案，逐渐建立完善风险识别数据库，及时有效的应对各种突发故障。
4.3用户用电特性辨识
通过分析辨识用户特性能够实现用户与电网的双向互动，推进智能化电网的建设。用户用电特性的辨识主要是基于负荷数据进行分析确定，常用的方法有以下三种：其一是关联规则算法，分析大量的负荷数据之间出现最频繁的相互联系，在此基础上分析外在影响因素与负荷特性质之间的联系，从而挖掘用户的负荷特性，其二是利用人工智能算法预测用户行为，尤其适用于短期用户行为的预测以及非线性规律是自适应，其三是聚类分析法，依次对某组数据及影响因素执行数据预处理、聚类过程以及结果验证等步骤。在数据挖掘的基础上能够实现深层挖掘用户的潜在价值，更好的利用用户资源。
5结语
通过本文的分析可知，数据挖掘在电力系统运行中具有重要的作用，能够发挥巨大的价值。
参考文献：
[1]吴奇珂，程帆.数据挖掘技术及其在电力系统中的应用[J].电工电气，2016，（6）：28-32.
[2]廖志伟，孙雅明.数据挖掘技术及其在电力系统中的应用[J].电力系统自动化，2001，（11）：62-66.
[3]廖志伟，孙雅明.数据挖掘技术及其在电力系统中的应用[Z].天津大学.2009.