随着大电网、大运行体系建设的不断深入,各调控业务系统间的联系日益紧密,调度控制系统中的数据规模、种类快速增长且数据复杂度高,具有大数据的典型特征。在调度控制系统中引入大数据分析挖掘技术,关注隐藏在调控大数据中的信息和知识,为新的智能调度业务需求提供决策支持。在电力大数据的时代背景下,大数据分析处理方法为电力系统中重要问题研究提供了全新的思维模式。迅速积累的调度控制系统大数据为电网设备风险分析提供了充足的条件,本文在分析调度控制系统大数据特性的基础上,给出具有普遍适用性的调度控制系统大数据分析的总体架构,并针对在电网风险管控中的应用,提出基于高风险模式树(High Risk Tree,HR-Tree)的高风险设备集挖掘方法。设备风险影响度为高风险设备集挖掘提供了基础条件。本文从分析设备风险的影响因素的角度出发,结合设备重要度和设备隐患对设备风险的影响,定义了设备风险影响度,构建了综合考虑设备重要度和设备隐患的设备风险影响度计算指标体系,利用设备相对重要度矩阵和设备相对隐患矩阵构建设备风险影响度计算模型以获取设备的风险影响度,以辨识出对电网可靠、稳定和安全运行具有巨大影响的高风险设备。以设备风险值为目标进行高风险设备集挖掘,通过构建HR-Tree,保留原始事务数据库中各设备风险值及设备风险先验知识信息,根据HR-Tree的路径信息输出满足一定风险阈值的高风险设备集。以调度控制系统的海量历史告警数据为基础进行了仿真,结果表明,HR-Tree可以在告警数据中迅速挖掘出满足条件的高风险设备集,并且能够反映出高风险设备组合之间存在的潜在关联性,为后续的电网风险管控制定决策提供参考依据。