（内蒙古电力(集团)有限责任公司包头供电局内蒙古包头014030）
摘要：近年来我国科技水平的提升，电力行业的施工技术在不断的提高。目前，我国各个生产制造类企业中都涉及数据挖掘技术。数据挖掘技术是互联网技术下衍生的一种大数据技术，能有效对庞大数据群体进行管理、分析、分类及汇总，并结合互联网管理技术对有用数据进行筛选和罗列。电力调度自动化系统中运用大数据挖掘技术，将会对电力事业产生深远影响。目前，我国正处于经济转型过渡期，很多传统企业急需要改变产业结构，深化内部控制。电力企业应用数据挖掘技术，将进一步推动企业向现代化生产过渡，提升企业竞争优势。相关数据挖掘技术也将结合企业发展特性做出相关调整与改进，以加快我国经济建设。本文就电力调度自动化系统挖掘技术的应用展开探讨。
关键词：电力调度；自动化系统；挖掘技术
电力数据收集、整理质量直接影响电力调度自动化系统的控制和管理水平，但由于很多价值较高的数据信息往往位于隐藏的数据之中，这就使得传统方法不能较好满足电力调度自动化系统需要，而为了解决这一问题，正是本文就数据挖掘在电力调度自动化系统中应用展开具体研究的原因所在。
1数据挖掘技术的概述
1.1数据挖掘相关含义
从技术层面讲，数据挖掘便是在诸多数据中，利用多种分析工具探寻数据同模型间的关系，并通过此种关系的发现为决策提供有效依据。由于数据挖掘的飞速发展，随着出现了许多多元化的技术与方法，基于此便形成了多种不同的分类。通俗的讲，能够把数据挖掘分为验证驱动性和发现驱动型这两种知识发现。验证驱动型指的是客户利用多元化工具对自己所提的假设进行查询与检索，来否定或是验证假设的一个过程；而发现驱动型是通过统计或是机器学习等技术来研究新的假设。
1.2数据挖掘的特点分析
电力系统下的挖掘技术也指数据开挖技术。数据开挖技术具有如下特点。（1）实用性。面对现有信息互联网下庞大的数据信息群体，挖掘技术也在不断创新和完善。现在的挖掘技术迎合了时代发展，对相关数据的收集变得越来越快，相关反馈效果也更加及时、有效，给企业或者团体提供了重要信息参考依据。（2）数据量庞大。基于互联网资源下的数据，正在高速增长，随着5G等通信网络的布置，信息数据量还会进一步高速增长。（3）应用性。数据挖掘技术的出现主要是源于人们对信息资源庞大的需求，而数据挖掘也就成了人们的实际应用需求。该技术将对数据进行相关挖掘筛选，再过滤，然后应用于现实生活中，完成实际项目的决策。（4）动态性。大数据下的信息资源并不是稳定不变的，而是随着时代发展不断增加、改变。因此，数据挖掘结果具有时间属性。随着时间的推移，数据挖掘结果涉及的相关数据将发生改变，需及时更新数据。（5）集合性。目前，对于数据挖掘的算法以及相关建模的手段有很多，如专家系统、人工智能以及分析统计等。它们在对数据做相关收集时，并不是通过单一数据进行相关检索，而是通过多种集合方式实现功能化的应用。（6）具有价值意义。对大数据信息的挖掘是具有价值意义的。为促进企业发展，需合理挖掘信息数据。
2数据挖掘技术的具体应用
2.1模糊分析法
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。
2.2灰色分析法
在对时间线上相关联的数据进行分析时会应用到灰色分析法，通过应用一定的数学方法，把数据中的白色部分当作主要依据，找出它同黑色部分有关联的地方，进而实现数据灰色化。在挖掘电力数据时，灰色分析法为最普遍的利用方法之一，主要把其应用到电力数据预测及分析中。它的优点为尽管数据不完整或是数据有限皆能够应用与分析，但其不足为不能将大数据的使用价值充分的发挥出。
2.3神经网络
作为应用较为广泛的一种人工智能研究方法，神经网络早已在我国实现了较为广泛的应用，电力调度自动化系统的数据挖掘也是其应用的重要领域，由于数据自行处理、数据分布存储、高度容错性是神经网络的应用优势所在，这就使得神经网络较为适用于模糊、不完整、不准确数据的处理。在电力调度自动化系统的数据挖掘中，神经网络主要通过关联分析的方式实现数据逻辑处理，具体处理可以分为以下几个方面：a.整合统一基础数据。由于电力调度自动化系统包含的数据具备庞大复杂、种类繁多的特点，因此神经网络的应用需要通过整合统一使相关数据形成结构模型，通过神经网络系统实现数据统一管理。b.实现不同环节电力调度的关联。应用数据挖掘神经网络方法整理不同环节的电流状态和参数，并保证相关数据信息的整合性，即可实现不同环节电力调度的关联。c.分析与决策。结合神经网络整理的整合数据，即可开展分析、决策以及数据共享。
2.4关联分析法
庞大的数据信息虽然种类繁多、复杂，甚至很多没有任何参考意义，但是数据信息存在于互联网下必然会与相关事物存在密不可分的联系。当某一些事件一旦发生，相联系的事件也必将出现一定反应。这种反应也就是信息数据间存在的关联属性。基于此，对于数据挖掘需求，关联分析就是通过对事物与事物间存在的某种依赖或者关联信息来找寻事物本身存在的联系规矩，从而又利用这种规矩来对信息数据进行相关挖掘。目前，关联分析法在数据挖掘中具有重要应用价值，能快速找到相关信息数据。
2.5以聚类分析法
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。
2.6分类和预测法
问题预测的两种表现形式可分为分类与数值预测两种。分类就是预测分类，可利用连续值函数模型表现现有已知训练数据集合的特征，以实现各类别描述的内容，并由此找到用户需要的信息资源。预测分类法也是监督学习的一个过程，它能依据训练数据来精准表达和划分有价值的信息数据。
结语
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，2016，17：58-59.
[3]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.
[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.