数据挖掘技术在电力企业大数据的应用

来源:用户上传      作者:

　　摘要：新世纪下，电力企业在日常经营管理中，每天都会产生大量的数据信息，如输变电设备管理、运行、检修、电网维护等方面的数据。面临如此纷繁复杂的多维大数据集，电力企业常常很难迅速找到需要的有效信息。所以，应积极引进数据挖掘专业技术，来从这些海量的数据集当中，便捷地提取要用到的资料，并加以分析和处理。基于此，本文从电力企业出发，主要探讨了数据挖掘专业技术在大数据方面的应用，仅供参考。
　　关键词：大数据;电力企业;数据挖掘
　　中图分类号：TP311.13 文献标识码：A 文章编号：1007-9416（2020）09-0051-03
　　在大数据时代下，电力企业获得了长足的发展，其中大数据起到的作用也越来越重要[1]。从电力企业角度来看，通过数据挖掘专业技术可以从各种电力大数据中，及时挖掘得到利用价值高的数据信息，不以此为基础来提供给电力企业重要的决策、规划、发展参考依据。
　　1 数据挖掘概述
　　1.1 基本流程
　　（1）商业分析理解。立足商业角度，从商业基础目标着手，全面了解电力业务诉求及其终极目标，再有机结合业务诉求和电力数据挖掘和其结果。（2）数据分析理解。针对电力业务当中形成的真实数据，根据业务场景和诉求，统一评估、选取分析。（3）准备好数据。针对电力业务中，原始的有用数据，根据业务模型，积极组织、清洗，以满足建模方面的要求。（4）规范建模。通过联合诸多种建模技术，来规范校准电力业务数据及建模参数。具体任务是创建数据模型、规则化关联数据、分类聚类和预测、检测异常性等。（5）过程评估。严格检测挖掘的数据结果和电力业务目标之间的吻合性，确定数据模型能不能满足电力业务诉求需要。（6）统一部署。通过统一部署数据模型，以挖掘结果为依据，形成一份专业化的报告。
　　1.2 常用方法
　　（1）异常分析法。通过异常分析法，旨在稽查电力防盗使用。在国家电力系统，非正常运用电力，常常会产生异常或孤点数据[2]。其中异常数据指的是非正常操作下的电力数据，而孤点数据则指的是与正常电力偏离较远的点。在稽查过程当中，电力企业及侦查机关可统一收集分析用户的电力数据，研究数据的异常情况。这么一来，便能从众多用户当中，大幅缩小调查分析范围，及时监控违法行为，令电力使用更加合理合法。（2）关联分析法。在数学、经济等领域的数据分析中，关联分析法属于一种常用的简单方法。从电力企业上看，通过关联分析法旨在分析两个或以上事物之间的关系。然后，利用其他事物来预测其中某事物，进而深挖在事物间隐藏存在的数据联系，得到要用的數据信息。（3）时间序列法。作为动态分析法之一，时间序列法主要通过时间数列、统计等，来处理分析数据。从电力企业来看，通过时间序列法可以统计分析电力的整体使用趋势、变动情况、无序或循环波动等，从而获得要用的数据信息。（4）聚类分析法。通过聚类分析法，旨在分析数据的基本性质及特征，归类性质相近的事物，而性质差异明显的就归入别的种类之中。不同于判别分析的是，这种方法会先按既有事物性质，通过一定的函数法，来判断性质未知的事物，并在性质已知的事物里加以归入。在应用聚类分析法时，往往并不知晓分析对象的具体类别，来分类处理数据信息。（5）分类分析法。分类分析法主要用于分类有关信息，通过分类模型，一般会分析分类集中得到的某些数据，而获得其他的数据，如离散变量预测分类、连续变量预测回归等。
　　2 电力企业内部的大数据现状
　　2.1 结构化与半结构化信息数据
　　在信息时代下，互联网应用具有大幅增长非结构化数据、半结构化数据的特征。据有关统计可知，以上数据已占据超过75%的数据总量。而数据的网络化又迫使这类数据普遍存在复杂关系。此外，这些数据的形式就是数据流，价值化体现和时间之间具有显著相关性，且价值会稍纵即逝。虽然当前的计算机智能化进步明显，但是仅仅可以分析有结构数据或者类结构数据，所以缺失深层次挖掘数据的效果。
　　2.2 收集数据
　　在大数据时代下，电力数据除了涵盖历史内部数据外，还涉及互联网、信息部门的数据。在收集信息时，应附上必要的时空标志，如果有必要还应剔除其中的无效数据。此外，还要尽量收集数据来源各异、结构化水平不一样的数据，并尽量对照企业历史数据，以方便验证数据的真实可靠度，所以存在一定的难度。
　　2.3 数据关系
　　通过观测大量的数据，尽管能够映射出复杂多变的网络，但是这些数据一般孤立存在，不免会映射出片面的数据网络。所以，应有效集成数据，形成一个统一的数据网络。例如，在发电企业中，如果只考虑发电量，则只能得到发电量方面的数据。但发电数据又关乎电压、线损、用电等方面的数据。通过一定的分析法，确定数据之间的关系及复杂网络的联系，是发电企业必须面临的挑战。此外，发供电企业当前缺少统一的信息化系统，所以电力生产、销售等方面的数据往往相互独立存在。为了打破信息孤岛现状，就应融合多方面数据，如发输电、变配用电等的数据。
　　3 在电力企业大数据的数据挖掘技术应用
　　3.1 从数据源头上收集大数据
　　借助现代化设备和技术，如移动设备、自动记录技术、射频识别无线专业技术、互联网等，电力企业将自身的事务型数据与具有决策性作用的外部性质数据，存储到了数据来源层。而为了获得更典型的数据，电力企业还应试着从各种数据源头，收集大数据，以准备好后续数据挖掘的事宜。
　　3.2 在数据管理上的应用
　　在数据仓库中，常常会存储通过整理、转化过来的电力数据。因为电力数据库不同时，储存标准也会不一样，所以应做好整合转化后，方才可在数据仓库中储存，也即应重新设计数据仓库[3]。数据仓库被重新设计后，便能够按主题要求，设计相应的属性集，以降低处理量。就主题各异的数据库，可通过属性归约法，技术删除冗余信息，获得简化后的数据集。再分类规则表示决策树下的数据集，并在规则知识库储存下来。倘若有必要处理新数据样本，还应按某种规则算法了深入匹配识别，得到综合评价，从而管理好数据。 　　3.3 在数据整理上的应用
　　在整理数据时，数据源内部一般会交叉数据内容，因此应根据互动性，来分类整理观测数据。针对原始数据当中存在的噪声、冗余或者缺失的数据等，还应清洗、解析、重构这些数据，并且适当填补数据，以增大待挖掘数据的价值。通过分类后，主要涉及结构化、半结构化数据、非结构化信息。针对结构化数据，应适当过滤数据，及时剔除无效成分，以更加高效地分析;针对半结构化数据、非结构化数据，就应根据一定的标准，妥善加以处理，形成索引或机器语言。譬如，针对用户评论、系统运行资料等，就先应转换成为模糊或者加权逻辑，再向标准值，映射不一样的词语，来统一规范语言。
　　3.4 在数据分析上的应用
　　通过处理后的数据，可利用联机处理专业技术，来支持决策过程，进而转化数据信息，形成可辅助决策的有用信息。因为电力企业往往要求数据具有较高的实时性，所以针对电力数据，应注意分类处理，形成实时性与非实时性这两种数据。就非实时性类型的数据，可利用分布式系统、MapReduce云计算来有效加以处理，或通过Hadoop云计算平台，来有效处理数据。针对诸如电力负荷等实时性数据，电力企业可考虑借助内存计算专业技术，来经由内存运行计算所有数据，以加快计算进程;又或可以考虑在云平台前，统一设置前置机，以接收实时性数据。
　　3.5 可视化电力企业目标
　　在电力企业，通过营销决策体系，借助可视化数据设计，可以通过图形来显示数据中存在的复杂信息，进而可视化数据挖掘得来的成果，并且在电力企业规划设计后续发展时加以灵活运用。通过可视化挖掘深度的数据，可迫使员工充分认知电力企业后续的发展趋势、准确评价决策的正确性。最终结果与实际的符合程度，是挖掘系统成功与否的决定因素。
　　4 应用前景展望
　　4.1 个性化营销
　　从大量的数据信息中，借助数据挖掘专业技术，准确提取用户的基础属性、行为规则，再绘制出用户画像。基于此，电力企业便能够划分好消费群体，并从各种消费群体的基础特性出发，给予个性化的营销服务。另外，通过用户画像，还能帮助使电力企业全方位地了解关键性用户的日常行为规则、用电习惯等，从而为这些重要用户制定服务方略提供必要的依据，以提升服务于关键性用户的质量水平。
　　4.2 客户关系维护
　　伴随电力行业的飞快发展，电力企业也逐步以服务质量成为市场竞争的核心。众所周知，各用户日常的用电习惯、需求等往往不尽一样。所以，电力企业面临海量的电力用户，应注意紧抓用户需求特点，提供更优质的服务，才能赢得更好地发展。借助数据挖掘专业技术，管理客户、用电、检修等方面的信息，能够在同类别中，纳入用电需求一样的用户。再基于此，向这些类别一样的用户，定制有针对性的服务，再投放必要的广告，令客户更加满意、忠诚。
　　4.3 智能化電网
　　智能指的是可以深入分析材料、数据，得到系统、全面的理论知识，来妥善处理特定的问题，进而践行商业战略方面的目标。电力行业的智能，指的就是进一步合理化发电、供电、用电的结构系统、深入优化运行程序、增强综合功效等，而形成的一个智慧系统，也就是智能电网。通过同步传输数据、能源，智能电网深度融合能源和信息专业技术后，现已逐步形成一个能源、数据下的可靠、友好、环保型的能源分析管理网络。在融合大数据和国家电网的过程中，往往囊括自发电一直至用户的能源转换全程及输送电力的整个链条。伴随智能电网的飞快进步，通信和信息专业技术也越来越快地融合电网生产、管理与经营。这个信息通信体系现已变成智能电网当中的“中枢神经”，并且支撑着电网生产、经营、管理向前不断发展。在大力行业，整体结构越科学，内部越少摩擦，相应的系统功效也就越大，智慧水平也就越高。当人们和数据进行互动时，就会更便捷地分析汇总，更好地大力支持决策。在新世纪下，我国电网企业现已初步搭建起国际领先、一流水平的集成信息平台。在普及智能电表后，国家电网也从时效性上，深入丰富、拓展了业务数据。基于广泛覆盖的家庭、企业的数据，在网络上的深度挖掘，可深化智能用电控制管理，为用户提供实时的用电数据信息、在线共享能耗信息，达到高效循环使用能源的目标，从而有效促进节能减排。所以，智能电网的进一步发展，有助于数据挖掘专业技术推广应用到电力行业。
　　4.4 创建信息系统
　　数据资料处理方面，计算机、网络等技术往往更加便捷、高效。所以，为了跟上时代发展的趋势，电力企业也都积极创建信息系统，来统计、分析内外部系统数据，来进一步简化统计用户资料的操作。同时，针对现代化的电力企业，还要注意及时摒弃“围绕产品”的落后管理模式，逐步面向“社会-网民-电力单位”，创新实施“围绕服务”展开的新型“企业网络结构系统”下的管理模式。所以，部分电力企业纷纷开展了新型服务，如网上办电、咨询业务等，并分析、利用了其中产生的信息，而且获益匪浅。在供电企业中，倘若应用这个模型，便能在自组织实时动态监测下，形成一个科学的监测模型，以有效预警、及时妥善处理高峰用电期的问题。在电力企业逐步完善信息系统中，借助数据挖掘专业技术定能达到事半功倍的目标。
　　4.5 能源消耗降低
　　当电力企业提取用户信息、准确预测负荷、维护管理数据库时，常常需要连续不断地扩大数据中心的实际存储规模。所以，在大数据时代下，高能源消耗、高投入现已逐步变成制约进一步展开数据挖掘的关键性瓶颈之一。据有关能耗问题的报道，从Google上看，数据中心的电量消耗3MW左右/年。但其中仅仅科学、合理地利用了6%～12%。从国内电力企业上看，大部分电能服务器其实常常位处闲置态，主要用于处理负荷高峰等方面的情况。所以，作为现代化的电力企业，需要从大量引进低功耗新型硬件、绿色可再生能源，来统一创建一个数据库等，得以有效缓解当前严重的能耗。在时间序列基础下，预测相似性电价等时，积极再利用节约得到的能源，进而从新的渠道上，另辟数据挖掘途径。
　　5 结语
　　总之，通过应用数据挖掘专业技术来处理电力大数据信息，发挥出了越来越显著的作用。所以，作为电力企业，应积极分析自身的大数据现状，灵活运用数据挖掘专业技术，来大幅提升服务质量、赢得可持续发展。
　　参考文献
　　[1] 肖明.大数据时代下数据挖掘技术在企业中的应用[J].中国管理信息化，2015，18（2）：58.
　　[2] 许凡，孙勤红.大数据时代的数据挖掘技术探讨[J].电子技术与软件工程，2015（16）：208.
　　[3] 卢建昌，樊围国.大数据时代下数据挖掘技术在电力企业中的应用[J].广东电力，2014（9）：88-94.
转载注明来源:https://www.xzbu.com/8/view-15348173.htm