国网山西省电力公司长治市屯留区供电公司 山西省长治市 046100
摘要：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。
关键词：电力调度自动化系统；数据挖掘技术；应用
前言：
在电力调度自动化系统中，其数据信息包含了设备信息、电压信息等多种实用信息，对其进行准确查找具有重要意义。文章首先对数据挖掘技术的分类及过程予以说明，然后对数据挖掘技术在电力调度自动化系统中的应用必要性进行分析，之后结合实例，针对电力调度自动化系统中数据挖掘技术的具体应用展开研究。
1数据挖掘技术的含义
数据挖掘技术是近年来应用比较广泛的技术，通过在大量的数据中寻找出关联信息，利用统计、分析、处理等方法，其中对数据挖掘采取以下三个步骤，分别为：数据准备，即将需要的数据挑选出来，并进一步的进行整合；寻找规律，利用一些方法将数据中隐含的规律找出来，对规律的表示，通过寻找规律，将其表达出来，展示给客户，从而达到提升工作效率的目的。此外，分析数据挖掘技术时，其应用领域不同，分类方式也不相同，一般分为以下两种：第一种为验证驱动的数据挖掘，该方式主要通过前期的假设，利用多种手段来实现验证的效果，验证阶段，会依据不同的情况来选择生成器，包含SQL等。第二类为发现驱动，其主要针对学习、统计、整理出新的假设，并进行预测和分析，在整个推理阶段，进行可视化、信息关联、信息统计等环节。预测阶段，应首先将数据统一分类和处理，分类过程中，应根据一定的规则来进行，制定出相应的决策树。通过数据挖掘技术可以得出，将数据挖掘技术应用在电力调度自动化系统中，能够解决非常多的问题，包含调度人员安排电力校验使用、保护电力使用记录等，提高了其数据应用的准确性。采取数据挖掘技术效果十分明显，根据大量的实践调查发现，采用该方法可以有效的分析出数据之间的隐含关系，为下一步调度提供可靠的依据。
2数据挖掘在电力调度自动化系统中的应用方式
2.1以神经网络方式在电力调度自动化系统中进行应用
神经网络是比较成熟的一项技术，本身具有对数据自行处置、挖掘数据进行存储和高度容纳错误等优点，非常适合处理模糊和不完整、不准确的数据，利用计算机精确计算功能，可以实现深度挖掘调度自动化系统数据，一般采用的方法为前馈、反馈。映射三种，使用的神经网络，对数据整理和分析至关重要，采用该方法，可以将调度各类数据进行关联，从而找出数据的逻辑性。为此：①对电力调度自动化系统基本数据进行处理，虽然这类数据复杂、种类多，但这些数据有紧密的联系，能够整合统一，并形成模式，为后期数据查询、统计、分析等奠定坚实的基础，保证数据的完整性和一致性，使电力调度能够顺利的开展，并形成神经网络系统，方便统一管理。②电力调度相关数据，不同环节电力状态和参数准确性不一致，整个过程中会受到一定影响，从而达到数据关联。③将神经网络这种方法应用在电力调度自动化中，对所有数据进行整合分析，并供给其他调度工作进行决策分析，实现大范围数据共享，以此来保证电力自动化调度系统的效果。
2.2以灰色分析法在电力调度自动化系统中进行应用
采用灰色分析法又被叫做灰色预测，在调度需要的数据在一点上时，可以选用该方法来挖掘数据，该方法是最普遍的一种，可以对电力调度自动化系统出现的数据来预测，它最主要的优点就是可以在有限数据及调度不完全数据预测，然而，当遇到数据量比较大的数据，便没有办法达到最优，为此电力调度自动化系统出现数据挖掘分析时，应详细分析数据，并对数据的来源进行分类，看其实电力数据或营销环节数据，找出这些数据之间存在的关系，采用灰色分析方法对数据进行挖掘分析，需要充分了解电力调度中部分数据参数，包含用户用电数据预测、电力营销情况、短期或超短期自动化设备和母线负荷数值等，电力自动化系统可以在以上数据进行深入分析，通过制定电力调度边界值，保证电力调度自动化系统正常运行，使数据的收集更加的安全可靠，为后续的分析奠定坚实的基础。
2.3以聚类分析法在电力调度自动化系统中进行应
聚类分析方法在电力调度自动化系统中应用广泛，它和同类分析法比较相似，当又不是完全相同，分类方法更加关注的为将数据映射到给定的类别中，聚类分析方法主要针对同类数据划分，数据更加全面，且综合新较强，这是该方法应用十分广泛的原因，能对灰色分析法缺点进行弥补，使得数据整理更加整洁，且缩小了数据之间关联度和相似度。例如，电力调度数据中控制和生产管控是两大类，利用聚类分析方法，能将大数据进行聚类划分，主要包含四个数据管理区，管理则包含了电力调度自动化产生的电力生产数据、销售数据、控制数据等。
3数据挖掘在电力调度自动化系统中的应用实践
为提升研究实践价值，本文围绕周期性关联规则挖掘算法建立了基于周期性关联规则挖掘的数据分析系统，这一系统的建立过程如下所示。
3.1开发平台选择
结合系统功能需要，选择了微软的.net平台作为主要系统开发平台，该平台具备的强大数据库访问能力、扩展丰富等特点，能够较好满足系统开发需要。
3.2基于数据桥的数据集成模块设计
考虑到我国当下电力事业的数据集成标准较为复杂、混乱，系统设计采用了自己的数据集成方法，同时应用了清晰数据清洗策略，由此即可实现不完整数据、重复数据、错误数据三类脏数据的清洗，数字数据不完整、日期数据不完整、错误日期型数据、重复数据等仅属于清洗内容，其中除重复数据不予处理外，其他数据均采用修补空值和默认值的方式，如数字数据不完整采用“补0，补null，默认值”的清洗策略。此外，无类型文件数据集成、数据库数据集成、异构数据库数据集成也是这一环节设计的重要内容。
3.3数据库管理模块设计
采用微软公司的SQL Server数据库系统，由此数据库管理被分为层次数建模、数据表管理、数据表导出三部分，其中数据表管理包含数据管理、结构管理、删除三方面功能，而数据表导出则包括文本文件、Excel文件、Access文件、Xml文件、其他数据库五部分内容。
3.4数据分析功能模块设计
数据分析功能模块由同期数据分析、周期性数据分析、数据预警分析、数据关联分析四部分组成，各部分设计如下所示：a.同期数据分析模块设计。该模块的运行流程主要由负荷数据、网损数据、力率数据、有功总加数据对比组成，分析流程可以概括为：“输入所有对比条件→合法→根据条件生成SQL语句→显示查询结果→打印对比图像”。b.周期性数据分析模块设计。围绕报警周期性、负荷周期性、遥测周期性三方面开展数据挖掘，即可完成该模块设计。c.数据预警分析模块设计。分析流程为：“初始化数据集及参数→输入预警分析参数→合法→分析预测→判断预测类型→有无建议→输出报警类型和建议→输出报警类型”。d.数据关联分析模型设计。采用默认用户手动输入数据集方法，程序流程为：“初始化已有周期性数据集→输入参数→合法？→数据集交叉？→计算Conf、Sup→计算下一对数据集→完成”。
4结束语
在电力调度自动化系统中，应用模糊分析法、灰色分析法和神经网络法这些数据挖掘技术，可以让电力调度自动化系统对数据予以有效收集，可以让电力调度工作质量得到提升，让对外供电更为可靠，让电网运行的安全性和稳定性得到提升。
参考文献：
[1]朱维佳，曹坚.电力调度自动化系统中数据挖掘技术的应用[J].电气时代，2015，07：108-111.
[2]肖福明.浅析数据挖掘在电力调度自动化系统中的应用[J].通讯世界，2018，17：58-59.