（珠海派诺科技股份有限公司广东珠海519000）
摘要：近年来，电力数据挖掘在电网内部及各领域间的应用问题得到了业内的广泛关注，研究其相关课题有着重要意义。本文首先对数据挖掘技术相关内容做了概述，分析了电力数据挖掘在电网内部及各领域间的应用，并结合相关实践经验。对电力系统中的应用前景展开了研究，阐述了个人对此的几点看法与认识，望有助于相关工作的实践。
关键词：电力；数据挖掘；电网；应用
1数据挖掘技术概述
数据挖掘技术是人工智能技术与数据库发展相互结合而产生的一门新型学科。他是集统计学、人工智能、数据库、模式识别等众多技术于一体的前沿学科。通过对其的利用，可以有效的从大量模糊、有噪声且不完整的随机性数据中提取出隐含的有用的信息和知识，从而实现数据应用由简单查询到深层挖掘的升级，为企业管理者的决策提供有力依据。
电力营销系统的普及是现阶段我国电力企业发展的核心问题之一，是其实现现代化的必由之路。而高效营销策略的制定需要大量的有用信息作为依据，此外电力企业在其信息化建设中亦积存了大量历史数据有待处理。这就急需在电力营销中引进数据挖掘技术，通过对其的引进可以有效地对电力营销系统产生的大量数据进行分类及优化整合，并根据相关标准提取核心营销信息，从而为营销系统的决策提供有力的数据支撑，进而实现对电力营销决策系统的完善和电力行业经济效益的提高。此外数据挖掘技术的应用还能增强电力企业的核心竞争力，维护国家电网的正常运行，提高对国有资产的保护，实现电力企业的长远可持续发展。
2电力数据挖掘在电网内部及各领域间的应用探讨
2.1大数据挖掘平台的应用
2.1.1在电力系统动态安全评估中的应用
电力系统在线动态安全预防中如何应用决策树技术来测试每个发电调度的动态安全性，并且通过发电再分配来提供正确的指导，优化发电容量，节约发电成本。如何使用Kernel回归树方法在线安全评估和监控电力系统，处理频率稳定性问题。如何描述从决策树学习中提取规则，并利用该规则来获得必要的控制措施，将暂态不安全稳定的电力系统保持安全的动态控制技术。
2.1.2在电力系统负荷预测中的应用
电力负荷预测是电力调度一项非常重要工作，它关系到电厂各机组的运行计划。结合区域电网气象负荷数据库，设计决策树形式的数据挖掘模型，并应用于日负荷预测。以一种运用C4.5和CART算法的基于BP网络加权组合的数据模型，并基于此设计出一种高精度的短期负荷预测系统。运用时间序列模型使用已有的数据序列预测负荷，用自适应决策树对存储在数据库中的用户用电记录、季节、气候等相关属性进行聚类，制定合适的收费表，而且分析出用户与其他属性之间的相关联的一些特点。
2.1.3在电力系统故障诊断中的应用
电力系统故障诊断是通过利用有关电力系统及其保护装置的信息来识别故障元件位置（区域）、类型和误动作装置，其中故障元件识别是关键问题。将基于事件序列的故障诊断模型用于高压输电线系统故障诊断领域，依据故障事件序列在时空特性上的关联性，用动态规划算法的优化相似性原理挖掘事件之间的关联性和蕴含的知识，将诊断问题的求解转化为寻求与实时故障事件序列模式最相似的，运算操作代价最小的标准故障序列模式，以实现对异常事件序列模式中的畸形事件的纠错，保证故障诊断系统的高容错性。基于粗糙集理论的故障诊断决策约简新算法，从而建立故障综合知识库用于电网故障诊断。论述了用数据挖掘技术对变压器油中各种气体成分进行聚类分析，从而可以再预先不知道变压器故障类型的情况下得出变压器油中各种气体成分含量与故障之间的直接关联，为故障诊断提供依据。
2.1.4在工程造价方面的应用
工程造价是一个多变量、非线性的复杂过程，利用已建工程的历史造价资料，将数据挖掘与人工神经网络相结合，构建工程造价模型，并运用在电网工程造价预测和预算审查中，可以克服现有人工审查带来的主观性和片面性影响，提高工程造价预测的准确性。
2.1.5在营销支持方面的应用
基于电力营销的实际数据，从“量（电量）、价（电价）、费（电费）、损（线损）”等方面进行关联规则、聚类挖掘。比如讲用电客户根据其属性特性进行聚类分组，进行信用评价，防范恶意欠费。检测用电异常情况，防着窃电行为发生。
2.2大数据挖掘平台的功能
大数据挖掘技术从数据库到技术的运用过程中有不同的运行步骤，在确定业务对象问题方面可根据数据的准备对所有业务对象进行分析研究处理，保障数据的质量从而为进一步的分析工作做准备。在数据的转换方面应建立一个针对性的分析模型，挖掘数据的成功关键因素，对所得的数据进行预处理，完善挖掘技术的措施，使数据分析工作自动顺利的运行。在数据挖掘技术的结果分析上，应对数据结果做出正确的评估，与知识理念共同分析，完善数据挖掘技术的每一步结构。主要有以下三个方面的功能：
2.2.1监测功能
（1）10千伏配网停运。手动导入Excel数据，对各地市公司10千伏线路停运情况进行汇总统计。
（2）项目预算执行情况。手动导入Excel数据，将项目预算执行情况按照专业和实施单位两个维度分别进行统计。
（3）物资供应链。从数据中心定时抽取ERP数据并进行加工处理，使用Tableau工具对物资供应链全过程进行全面监测。
（4）配网运行。从数据中心定时抽取ERP数据并进行加工处理，使用Tableau工具对低电压、重过载和三相不平衡事件进行全面监测。
2.2.2运营可视化功能
将Tableau报告布局根据各地市大屏合适尺寸进行调整和展示。
2.2.3分析功能
主要功能有统计数据和成果共享两大模块。（1）统计数据：将综合计划执行情况报表、供电单位经营指标完成情况表和生产报表中部分数据填入月报模板，导入到数据库，在页面上根据不同指标生成各类图表。（2）成果共享：将省公司和地市公司每月的运营情况分析报告、专题分析报告、即时分析报告以及资料上传到服务器，供大家交流和参考。
3数据挖掘在电力系统中的应用前景
电力企业建立以数据挖掘技术为核心的信息系统成为数据挖掘在电力系统中发展的方向。网络技术、计算机技术在对数据资料进行处理过程中具有高效性与快捷性，这也使得信息系统在现代企业中被广泛应用。现阶段，大部分企业探索建立了信息系统来辅助自己对内外部数据进行系统统计和精确分析，这样使得电力用户资料统计变得相对简单、易于操作。对于现代电力企业，应该逐渐摒弃“以产品为中心”的传统管理模式，并转变为“以服务为中心”的面向“社会媒体—网民群体—电力企业”的“企业网络生态系统”的新型管理模式。
面对这种发展情况，电力企业开始加强了对电力系统数据挖掘技术的应用，比如进行网上业务咨询、网上购电等服务，同时对于这些服务中获得的信息进行综合分析，将其作为电力企业发展的重要信息资源；电力企业目前正在重构其信息系统以建立新的管理与运营模式，把建立统一的信息平台作为信息化建设的重点项目。同时，根据查阅资料可知，部分电力企业还提出了基于传统的“目标驱动决策”和现代的“数据驱动决策”的技术创新管理双向决策模型，如果供电企业中引进该模型，那么就可以加强对电力系统的实时动态监测，同时加强对用电高峰期的有效预警与处理措施。
4结束语
综上所述，加强对电力数据挖掘在电网内部及各领域间应用的研究分析，对于其良好实践效果的取得有着十分重要的意义，因此在今后的电力数据挖掘应用过程中，应该加强对其关键环节与重点要素的重视程度，并注重其具体实施措施与方法的科学性。
参考文献：
[1]吴冬梅.数据挖掘技术在电力营销系统线损计算中的应用研究[J].城市建设理论研究：电子版.2017（11）：60-62.