论文部分内容阅读
【摘要】：本文从数据挖掘技术的电力调度操作条件和业务知识为基点，考虑到智能电网的发展趋势，提出了利用数据挖掘技术建设智能电网调度运行分析系统的解决方案，讨论了数据挖掘分析系统模型和业务功能的操作，并介绍了操作业务信息分析系统架构和实现技术的实例。
【关键词】数据挖掘；电网调度；运行分析
0.引言
针对智能电网的建设背景，结合电网调度和业务需求的实际情况，提出了建设应用系统使用数据挖掘技术，解决了大量的数据和信息岛屿分布式数据资源的技术瓶颈难以迅速提取有价值的知识，有效地支持决策的问题。
1.数据挖掘技术的电网调度
作为下一代电网自动化和信息解决方案，智能电网是网格操作和管理的中枢神经系统，被认为是主要的科技创新和电力系统的发展趋势。智能电网的目标是提高现有电网发电、传输、分配和利用的链接更环保，高效和现代电力系统的交互，可以集成处理各种调度自动化数据信息，提供各种智能分析和调度辅助决策工具，高度开放，可用性，和信息安全，可以适应各种标准的调度自动化系统的信息集成框架。
1.1数据挖掘
挖掘海量数据的数据挖掘是一种有价值的信息技术和应用一系列技术的不完整，模糊和随机数据，提取隐含在这一过程中，有用的信息和知识。其工作过程包括数据集成、模型、知识挖掘和分析。数据可以是结构化的，如关系数据库中的数据，也可以是半结构化的，如文本数据，图形，图像，甚至分布在异构数据之间的电力调度各种业务。提取的知识表示的概念、规则、模型和其他形式。
数据挖掘技术在电力调度的处理海量数据有很大的优势，为电力调度业务需求和挖更深的信息，可用于数据挖掘知识的预测模型，多维分析模型，如相关性分析模型构建方法，挖掘模型，实现知识提取。
1.2数据预测
为了把握发展规律的分析对象，需要时间序列数据的数据挖掘和序列数据，使用现有的数据来预测未来的趋势。技术，一般用于电力负荷预测是在充分考虑业务系统操作特点，能力决定，自然环境和社会影响条件下，研究或使用一个系统来处理过去和未来负荷的数学方法，基于因素如温度、湿度预测未来的需求，在满足一定精度要求的前提下，确定一个特定的时刻负荷值，指导电力调度决策。
1.3多维分析
多维信息的概念，基于维度的多维分析，抽象数据分类和统计分析，根据分析对象的性质、特点，建立业务信息分类模型。基于统计理论的多维分析，不同维度之间的相关性的分析数据之后，在电力调度的分析通常由时间和面积进行了分析，和常用的方法如回归分析和方差分析。
1.4关联分析
关联规则反映了事物的依赖或关联的知识，关联规则挖掘的项目信息数据库或知识库或对象相关，相关性，或因果信息，涉及两个最重要的参数是最低最低的支持和信心，支持说规则之前和之后发生的概率数据集内的同时，信任之前说规则形成的时候推出一个规则的部分概率，相对规则之前或之后一个可信的程度。相关性是指某种事情发生其他的事情会发生当一个连接，可以描述相关的支持和信任。
2.调度运行分析功能
安全经济运行，电力必须仔细分析所有收集到的数据，将它转化为直观和简单的知识的操作经验。因此，调度操作基于数据挖掘的知识获取模型，观察结果的分析，提供一个可视化程度高，便于操作人员以获取有价值的信息，迅速和有效地支持实际的调度业务分析。
2.1电网运行情况统计
宏观的分析挖掘电网运行信息，支持网格调度知识发现，据分析，合理安排未来的信息传播计划，充分发挥的潜力区际传播，可以满足当前的电力需求。
业务分析的过程中，可以使用各种复杂的数据源检索各种特征的总体平均值，方差，标准差，中央的时刻，整体偏度，计算总体峰度和电网操作的信息提取。根据故障类型，故障发生时间、严重程度和系统操作模式，人员质量、相关性分析，从而挖掘出更多的经验，实际调度运行业务的操作。
2.2区域负荷趋势
电力负荷变化频繁的特点，不仅按小时变化，每天和每周的变化，根据年度变化，和消极的在同一时间白天费用和单位，有一个较大的周期性，负载变化是一个持续的过程，一般不会有大幅增长，但电力负荷敏感的季节，温度，天气，等等，不同季节，不同部分的气候和温度的变化将是显而易见的对负载的影响。
为了选择合适的供电单元类型和合理的电源结构，还有预测负荷和电力。负荷预测可分为不同的目的根据超短，短期、中期和长期的。包括最大负载功率电力系统负荷预测、负荷容量和负荷曲线的预测。最大负载功率预测来确定容量的电力设备和电力传输和转换设备的电力系统是非常重要的。
2.3电力负荷特性分析
发电优化调度的目标之一是努力减少用户的电力需求高峰负荷期间，允许用户更有效地使用能源，以满足相同的能源服务的同时降低功耗。现在关注高峰切割等措施的实施在一定程度上，改变负载曲线的形状，基于动力特性的分类方法，由用户的系统比较，为电力调度选择用户，以及各种价格措施影响用户行为，提高系统参考负载曲线形状，提高生产经营的效率的电力系统。
3.系统体系架构
系统架构，电力调度操作分析系统全面的数据报告，多维分析和数据挖掘技术，从历史数据中提取信息，调度的分析有价值的知识。系统分为三层，数据层整合各种业务系统的结构化和非结构化数据，构建综合信息平台；应用程序服务层通过集成的业务模块，根据综合业务服务对象的粒度，实现基于知识发现、数据挖掘模型和凝聚力的业务通过消息通信和工作流技术，跨多个应用程序；业务流程集成显示实现的访问级别的集成系统，主要是为客户提供一个统一的交互模式。
智能电网是网格操作和管理的中枢神经系统，被认为是主要的科技创新和电力系统的发展趋势。智能电网的目标是提高现有电网发电、传输、分配和利用的链接更环保，高效和现代电力系统的交互，可以集成处理各种调度自动化数据信息，提供各种智能分析和调度辅助决策工具，高度开放，可用性，和信息安全，可以适应各种标准的调度自动化系统的信息集成框架。
3.1综合信息平台
综合信息平台的基础建设调度业务分析系统，实现数据集成和业务信息的集成，提供了数据模型在企业应用程序集成总线，而不需要点对点转换；集成数据模型基于共同的模式有助于减少数据重复，和企业参与的应用集成操作可以知道数据同时变化。提供灵活的模式定义工具平台，用户可以自定义一些特殊的数据模型。多层客户机/服务器模式的分布式计算环境中，跨平台的特点，通过网络透明的通信框架，实现了电力企业应用软插件的形式插入到软总线实现集成操作。
3.2事务处理
应用平台提供事务处理服务和事务处理，适用于高效的计算性能的系统需求和数据分析能力，能解决实时的系统模型，例如系统接口连接适用性要求。在实现负荷预测等功能和特点分析，经常与嵌套的业务需求，使用嵌套事务模型可以解决这样的问题，该模型允许操作单元嵌入原子操作单元，嵌入原子操作单位可以回来，不影响整个事务的执行效果。事务所的所有事务，如计算该地区的负荷特性，一段时间的历史负荷运动是其交易，如果交易不成功，然后提交历史负荷容量仅为“零”，执行计算负载能力等在最近一段时间，从而实现该地区的主要事务负载特性分析。
4.结论
数据平台集中在统一的数据存储管理方法，可以提供标准的数据接口，一个简单的查询统计工具。和建立一个综合信息平台，除了包含数据平台的功能，而且数据信息的集成。从整体全面规划数据信息，结合业务的需要，使用面向服务的方法建立信息模型、业务模型和服务模型中，知识和应用程序的数据，方便解决问题的沟通信息，完成信息发布、全文搜索、知识提取和应用程序集成。
【参考文献】
[1]·刘洋.数据挖掘技术的电网调度分析[J].电力科技.2011（12）：49-63
[2]·张力.对数据挖掘技术的探究[J].电力科技.2012（09）：167-189
【关键词】数据挖掘；电网调度；运行分析
0.引言
针对智能电网的建设背景，结合电网调度和业务需求的实际情况，提出了建设应用系统使用数据挖掘技术，解决了大量的数据和信息岛屿分布式数据资源的技术瓶颈难以迅速提取有价值的知识，有效地支持决策的问题。
1.数据挖掘技术的电网调度
作为下一代电网自动化和信息解决方案，智能电网是网格操作和管理的中枢神经系统，被认为是主要的科技创新和电力系统的发展趋势。智能电网的目标是提高现有电网发电、传输、分配和利用的链接更环保，高效和现代电力系统的交互，可以集成处理各种调度自动化数据信息，提供各种智能分析和调度辅助决策工具，高度开放，可用性，和信息安全，可以适应各种标准的调度自动化系统的信息集成框架。
1.1数据挖掘
挖掘海量数据的数据挖掘是一种有价值的信息技术和应用一系列技术的不完整，模糊和随机数据，提取隐含在这一过程中，有用的信息和知识。其工作过程包括数据集成、模型、知识挖掘和分析。数据可以是结构化的，如关系数据库中的数据，也可以是半结构化的，如文本数据，图形，图像，甚至分布在异构数据之间的电力调度各种业务。提取的知识表示的概念、规则、模型和其他形式。
数据挖掘技术在电力调度的处理海量数据有很大的优势，为电力调度业务需求和挖更深的信息，可用于数据挖掘知识的预测模型，多维分析模型，如相关性分析模型构建方法，挖掘模型，实现知识提取。
1.2数据预测
为了把握发展规律的分析对象，需要时间序列数据的数据挖掘和序列数据，使用现有的数据来预测未来的趋势。技术，一般用于电力负荷预测是在充分考虑业务系统操作特点，能力决定，自然环境和社会影响条件下，研究或使用一个系统来处理过去和未来负荷的数学方法，基于因素如温度、湿度预测未来的需求，在满足一定精度要求的前提下，确定一个特定的时刻负荷值，指导电力调度决策。
1.3多维分析
多维信息的概念，基于维度的多维分析，抽象数据分类和统计分析，根据分析对象的性质、特点，建立业务信息分类模型。基于统计理论的多维分析，不同维度之间的相关性的分析数据之后，在电力调度的分析通常由时间和面积进行了分析，和常用的方法如回归分析和方差分析。
1.4关联分析
关联规则反映了事物的依赖或关联的知识，关联规则挖掘的项目信息数据库或知识库或对象相关，相关性，或因果信息，涉及两个最重要的参数是最低最低的支持和信心，支持说规则之前和之后发生的概率数据集内的同时，信任之前说规则形成的时候推出一个规则的部分概率，相对规则之前或之后一个可信的程度。相关性是指某种事情发生其他的事情会发生当一个连接，可以描述相关的支持和信任。
2.调度运行分析功能
安全经济运行，电力必须仔细分析所有收集到的数据，将它转化为直观和简单的知识的操作经验。因此，调度操作基于数据挖掘的知识获取模型，观察结果的分析，提供一个可视化程度高，便于操作人员以获取有价值的信息，迅速和有效地支持实际的调度业务分析。
2.1电网运行情况统计
宏观的分析挖掘电网运行信息，支持网格调度知识发现，据分析，合理安排未来的信息传播计划，充分发挥的潜力区际传播，可以满足当前的电力需求。
业务分析的过程中，可以使用各种复杂的数据源检索各种特征的总体平均值，方差，标准差，中央的时刻，整体偏度，计算总体峰度和电网操作的信息提取。根据故障类型，故障发生时间、严重程度和系统操作模式，人员质量、相关性分析，从而挖掘出更多的经验，实际调度运行业务的操作。
2.2区域负荷趋势
电力负荷变化频繁的特点，不仅按小时变化，每天和每周的变化，根据年度变化，和消极的在同一时间白天费用和单位，有一个较大的周期性，负载变化是一个持续的过程，一般不会有大幅增长，但电力负荷敏感的季节，温度，天气，等等，不同季节，不同部分的气候和温度的变化将是显而易见的对负载的影响。
为了选择合适的供电单元类型和合理的电源结构，还有预测负荷和电力。负荷预测可分为不同的目的根据超短，短期、中期和长期的。包括最大负载功率电力系统负荷预测、负荷容量和负荷曲线的预测。最大负载功率预测来确定容量的电力设备和电力传输和转换设备的电力系统是非常重要的。
2.3电力负荷特性分析
发电优化调度的目标之一是努力减少用户的电力需求高峰负荷期间，允许用户更有效地使用能源，以满足相同的能源服务的同时降低功耗。现在关注高峰切割等措施的实施在一定程度上，改变负载曲线的形状，基于动力特性的分类方法，由用户的系统比较，为电力调度选择用户，以及各种价格措施影响用户行为，提高系统参考负载曲线形状，提高生产经营的效率的电力系统。
3.系统体系架构
系统架构，电力调度操作分析系统全面的数据报告，多维分析和数据挖掘技术，从历史数据中提取信息，调度的分析有价值的知识。系统分为三层，数据层整合各种业务系统的结构化和非结构化数据，构建综合信息平台；应用程序服务层通过集成的业务模块，根据综合业务服务对象的粒度，实现基于知识发现、数据挖掘模型和凝聚力的业务通过消息通信和工作流技术，跨多个应用程序；业务流程集成显示实现的访问级别的集成系统，主要是为客户提供一个统一的交互模式。
智能电网是网格操作和管理的中枢神经系统，被认为是主要的科技创新和电力系统的发展趋势。智能电网的目标是提高现有电网发电、传输、分配和利用的链接更环保，高效和现代电力系统的交互，可以集成处理各种调度自动化数据信息，提供各种智能分析和调度辅助决策工具，高度开放，可用性，和信息安全，可以适应各种标准的调度自动化系统的信息集成框架。
3.1综合信息平台
综合信息平台的基础建设调度业务分析系统，实现数据集成和业务信息的集成，提供了数据模型在企业应用程序集成总线，而不需要点对点转换；集成数据模型基于共同的模式有助于减少数据重复，和企业参与的应用集成操作可以知道数据同时变化。提供灵活的模式定义工具平台，用户可以自定义一些特殊的数据模型。多层客户机/服务器模式的分布式计算环境中，跨平台的特点，通过网络透明的通信框架，实现了电力企业应用软插件的形式插入到软总线实现集成操作。
3.2事务处理
应用平台提供事务处理服务和事务处理，适用于高效的计算性能的系统需求和数据分析能力，能解决实时的系统模型，例如系统接口连接适用性要求。在实现负荷预测等功能和特点分析，经常与嵌套的业务需求，使用嵌套事务模型可以解决这样的问题，该模型允许操作单元嵌入原子操作单元，嵌入原子操作单位可以回来，不影响整个事务的执行效果。事务所的所有事务，如计算该地区的负荷特性，一段时间的历史负荷运动是其交易，如果交易不成功，然后提交历史负荷容量仅为“零”，执行计算负载能力等在最近一段时间，从而实现该地区的主要事务负载特性分析。
4.结论
数据平台集中在统一的数据存储管理方法，可以提供标准的数据接口，一个简单的查询统计工具。和建立一个综合信息平台，除了包含数据平台的功能，而且数据信息的集成。从整体全面规划数据信息，结合业务的需要，使用面向服务的方法建立信息模型、业务模型和服务模型中，知识和应用程序的数据，方便解决问题的沟通信息，完成信息发布、全文搜索、知识提取和应用程序集成。
【参考文献】
[1]·刘洋.数据挖掘技术的电网调度分析[J].电力科技.2011（12）：49-63
[2]·张力.对数据挖掘技术的探究[J].电力科技.2012（09）：167-189