相关热词搜索：
【摘 要】：本文阐述了详细的数据挖掘算法，并基于电力管理分析的特点，重点地讨论了聚类分析的算法，基于电力数据的管理分析系统，数据的挖掘技术在本文设计的过程当中，以其采用了混合型的数据并且获得了良好的挖掘效果，并论述了数据挖掘技术在电力管理与分析中的应用，以供同行借鉴。
【关键词】：电力管理；数据挖掘；管理分析
1 引 言
在电力管理系统中，不论是调度室、变电所还是发电厂，都是记录着大部分的关于电能信息和电气元件等多个方面的数据，因为我国电力市场进行了改革，每个发电厂每三十分钟都得向电力公司进行一次电能价格及发电量的报价，这样可以参加竞价上网，所以有着非常大的市场信息数据将有待分析及处理。面对这些数据的不断增加，数据挖掘的技术也是近几年以来应运而生的一门新的学科。这个利用现有的计算机技术以及各种相关的领域知识，这样可以把这些数据积累下来作为研究的对象，进而可以找出藏在这些数据的背后有用的知识，进而可以为人们的决策提供了有力的依据。
2 数据挖掘技术
数据的挖掘有狭义及广义之分，从狭义上说，数据的挖掘就是发现，建立一些重要的、有用的模型。数据的挖掘理论基础，可以为开发及研究提供了指导的方针。而从广义上说，数据的挖掘就是从大量的信息当中发现一些内在的、隐藏的及有用的信息或者知识。众所周知，开发数据挖掘涉及到了很多相关的学科，数据的挖掘涉及了专家系统、高性能计算、数据可视化、知识获取、智能数据库、统计、模式识别以及机器学习等领域。数据的挖掘就是数据的分析深层次的方法。这个思想平台或者是称数据库的存理论是数据的仓库或者是数据的集市。数据的挖掘系统主要可以分为三个结构。第一个是数据源，其包括数据仓库及数据库。数据的挖掘不一定是在数据的仓库基础之上的。但是数据的仓库将很大地提高了数据挖掘的效率。第二个就是利用数据挖掘工具方法对数据库中的数据进行分析，其中包括聚类分析、分类分析、序列模式分析、关联分析等。第三个就是用户的界面显示所得到的信息方法，用户可以方便观察和理解，还可以使用一些可视化的工具。
3 在电力管理及分析中数据挖掘的应用
近几年以来，信息受到了越来越多的人们所重视，信息也是企业发展的核心。而在这个全新的信息时代，企业的赢家常常都能够成功地理解、分析、收集信息并且提出那些基于信息的决策。在快速发展的信息同时，信息化的建设在电力工业当中也得到了广泛的应用和大力的发展。电能使用营销管理信息的系统，客户的服务系统也继承积累了大多数的历史数据，并且包括客户的资料。为了处理这些分析的系统及有效的数据，这就可以利用了数据的挖掘技术服务电力的系统，可以为那些决策者提供有利的依据。在电力的管理及分析的系统中，数据的挖掘可以收集各种各样的零散客户的数据，并且建立了各种各样的主题数据库，客户关系、功率供应及售电等让市场的营销主管及企业的高级主管掌握。特别是那些重要的客户，经营风险、成本，重要客户的价值，销售，收入及利润结构，以及其他的信息和一些变化。大部分的数据挖掘过程当中一定要在深刻认识的基础上挖掘的对象，对于那些不同的对象，应该使用不同的数据挖掘技术。
4 在电力系统负荷预测中数据挖掘的应用
电力的负荷预测就是能量管理的系统以及配电的管理系统重要的组成部分，是运行调度和电力系统规划的依据，这个也是电力的市场化商业的运营所必需的基本内容。而负荷预测工作的重点在于收集大部分的历史数据，并且建立一个科学有效的预测模型，还应该采用有效的算法，例如，以历史的数据为基础，就应该进行大量的试验性进行研究，总结一些经验，不断地修正模型及相关的算法，这几可以真正地反映负荷变化的规律。
4.1 选择相关的算法
选择聚类法又可以称为聚类分析法，这个是对一组负荷影响的因素数据进行了一些聚类的方法，聚类以后的数据也就构成了一组分类。而聚类的标准也是可以依照数据的表象，也就是数据的属性值为依据的，而聚类的工具也是把一组的数据按照表象以及将类似的归并成类，最后形成很多干个类，在类以内的数据具有表象的相似性，而且类间的数据应该具有表象的不同性。也有很多的聚类的算法，例如基于网格的方法、基于密度的方法、层次法、划分法、有遗传的算法等。
4.2 建立负荷预测的模型
负荷预测的模型就是统计的资料轨迹的概括，预测的模型也是多种多样的，所以，对于具体的资料应该选择合适的预测模型，这就是负荷预测的过程中非常重要的一步。当由于模型选择不合适的时候而造成了预测误差比较大的时候，这就需要更换模型，需要的时候，还应该同时采用几种数学的模型进行相关的运算，这样也就方便了选择、对比。
4.3 整理历史资料
一般而言，因为预测的质量不应该会超过所用到资料的质量，因此应该对所收集的和负荷相关的统计资料进行一系列的审核以及必要的时候进行加工整理，这样可以确保资料的质量，进而为保证预测的质量打下了良好的基础，即应该注意资料的完整性，数字的准确性，反映的都应该是正常状态下的水平，而在资料当中也没有特别的分离项，还应该注意资料的补缺，并且对那些不可靠的资料应该加以核实及调整。通过了建立数据的一致性以及完整性约束模型，进而建立大量的数据集可以为后面的数据挖掘做了更好、更充分的准备。
4.4 负载数据的预处理
经过初步的整理，还应该用于数据分析的预处理，平滑的异常值历史的数据以及缺失数据的大部分是垂直的、水平的方法附录。而正在分析数据以前的负载数据和分析数据以后的负载数据作为基准，这样可以设置要处理数据的时候，应该处理数据的范围当中变化最大的数据，而处理的水平超过了这个范围的时候，则它就被认为一个是坏的数据，应该使用平均法进行平滑变化，而垂直负载的数据预处理当中的数据处理在考虑其24小时小循环，也就是，在同一时间，不同的日期的负载应该具有相似性，与此同时负载值应该确保在一定范围之内，而在校正以外，并且范围内的数据进行一系列的处理。
4.5 调查及选择历史负荷数据的资料
很多方面的调查收集资料，包括电力企业外部的资料及内部的资料，从大部分的资料当中挑选出比较有用的一个部分，也就是把资料缩小到最小量。挑选资料的时候标准应该可靠、直接并且是还是最新的资料。假如资料的选择及收集得不好，就会直接地影响到负荷预测的质量。而通过建立计算机的数据管理系统，并且利用计算机软件的系统可以自动地管理数据。
5 结束语
综上所述，作为一种数据分析的技术和方法，在一个非常大的信息库当中找出潜在的信息，数据挖掘已经成为了社会关注的焦点。而在电力管理的电力信息化建设过程当中有着大量的历史数据，现在应该应用数据的挖掘技术，开发一个分析决策系统，去解决电力关了中重要的问题。数据挖掘分技术在电力管理及分析中的运用, 其主要在于表述及预测。表述则是着眼于找到一个可以被理解的模型来描述数据之间的相互关系，而预测研究的则是根据历史的数据来预测未知的信息。
参考文献：
［1］ 陈章良. 基于数据挖掘的电力营销预测决策模型应用与研究［J］. 电力信息技术，2011（6）：98～100.
［2］ 王佳，史雪飞. 在电网中应用数据挖掘技术的探讨［J］. 商情，2011（45）：68～69.
［3］ 路广，张伯明，孙宏斌等. 数据仓库与数据挖掘技术在电力系统中的应用［J］.电网技术，2011（25）：54～57.
