数据挖掘在电力调度自动化系统的应用范文

本站小编为你精心准备了数据挖掘在电力调度自动化系统的应用参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

摘要：电力调度自动化系统主要是被应用在线调度生产运行中，能够对数据信息进行分析、控制、传输。数据挖掘技术作为一种人工智能和数据库技术结合的新型技术形式，将其应用到电力调度自动化系统中能够有效解决电力调动自动化系统数据信息应用不合理的问题。文章在阐述数据挖掘和电力调度自动化系统内涵的基础上，结合蚁群算法改进原有周期性数据挖掘方法，旨在进一步提升电力调度自动化系统运行速度，为相关人员的报表制定、事故预警提供帮助。

关键词：数据挖掘；电力调度自动化系统；应用

在大数据技术的不断发展下，人们对数据信息的需求增加，但是现阶段社会发展中缺乏对数据信息进行有效分析、处理的工具。数据库系统也仅仅是对数据信息的简单处理，无法充分挖掘数据信息背后的隐藏信息，因而无法发挥出数据信息在人类社会发展中的重要作用。电力调度自动化系统中包含大量电力数据信息，但是在实际应用中这些信息是很难被完全挖掘出来的。数据挖掘的出现有效解决了信息无法充分挖掘的问题，能够实现对噪声数据、不完全数据的有效处理。在数据挖掘中，关联规则数据是数据挖掘的重要课题，通过关联规则能够发现不同数据库数据信息之间的关联，为数据挖掘提供有力支持。为此，文章重点分析基于关联规则的数据挖掘在电力调度自动化系统中的应用。

1数据挖掘概述

1.1内涵和分类

在信息技术的发展下，我国数据库库存容量急剧扩张，在庞大的数据信息中怎样获取有效的数据信息成为相关人员重点思考的问题。数据挖掘能够从技术层面来分析、处理这些数据信息，通过各种分析工具的利用来找到数据信息和模型构建之间的关联，为相关领域的发展提供重要决策支持。在信息挖掘技术的发展下，出现了不同类型的数据挖掘技术和方法。

1.2关联规则挖掘

关联规则挖掘是数据挖掘的重要分支，是常见的数据挖掘方法，主要是对大量数据之间关联问题的发现和分析，在找到数据联系之后决定哪些事件能够一起发生。数据库中的关联规则描述如下所示：假设I＝｛i1、i2......im｝是由m个不同项目组合形成的集合，项的集合是项集，包括k个项集，给定事务D（交易数据库），事务（交易）T从属于数据项（I），T是唯一的标示符。在X属于T的时候，交易T则是包含项集X，关联规则X＝Y在交易数据库中成立。

2电力调度自动化系统概述

2.1内涵

电力调度自动化系统能够为电网系统安全、稳定运行提供重要支持，并为相关电力人员工作、决策提供有力信息的支持。电力调度自动化系统的组成如下所示：第一，前置机。前置机能够从RTU从完成数据信息的收集整理工作，并能够结合实际对系统的指令进行接收、解释。第二，主备用服务器。主备泳服务器包括数据库和实时库服务器，是电力调度系统的重要组成部件，能够对系统各个工作站的运行进行监督。第三，网络服务器。网络服务器主要是对数据信息分布和数据表整理工作的监督。第四，卫星钟。卫星钟系统将全球定位时间作为系统时间。第五，物理隔离开关。物理隔离开关能够解决数据的隔离应用问题。

2.2电力调度自动化系统对数据挖掘技术的需求

电力导调度自动化系统对数据挖掘技术的需求具体表现在以下几个方面：第一，通过数据挖掘技术减少电力调度自动化系统的工作时间，提高工作效率。第二，数据挖掘能够提高数据挖掘技术的管理应用水平，减少外界因素对电力调度自动化的干扰。第三，能够从不同角度对数据信息进行定量、定性分析。第四，为电网报告的分析和制定提供辅助支持。第五，实现了对数据信息的及时查询，为电力调度自动化工作提供了支持。

3基于蚁群算法的周期性关联规则数据挖掘

3.1周期关联规则

周期性关联规则挖掘是时态约束关联规则的一种，适用于对周期性关联的发现层面，比如每年夏季城市居民用电量的均值比其他季节高，城市居民周末用电量平均值比其他周末时间高等。

3.2蚁群算法

蚂蚁的群体行为表现出一种信息正反馈现象，蚁群算法由转移规则和信息素更新规则组成，具体可以描述成：假设平面上有n个城市，n个城市的TSP问题来找到n个城市的最短路径。假设蚁群系统中蚂蚁的数量是m、d（i，j=1，2，…，n），代表的是城市i到城市j之间的距离，b（t）表示t时刻位于城市i的蚂蚁个数。在初始阶段，各个线路上的信息量是对等的，假设τij（0）＝c，蚂蚁k在运动的过程中根据信息量来选择下一步所走的方向，t时刻蚂蚁k由城市i转移到城市j的概率表示如（1）所示。

3.3基于蚁群算法的周期性关联规则

假设T1、T2，Tmin为系统时间定义单位组成的时间表达式，都比零大，假设T1＜T2，差的绝对值比极小时间值的小，称作T1在T2之前发生。如果T1＝T2，差的绝对值和极小时间值相等，则是说明T1和T2同时发生。假设T1，T2是系统时间定义单位组成的时间表达式，都比零大，int＝［T1、T2］是T1到T2的时间隔。基于蚁群算法的周期性关联规则操作首先需要对数据集进行分类整理，在时间差表满足数据库要求的情况下将数据集按照时间分成多个分块，并按照时态属性进行升序排列，结合每个类别进行周期性关联规则挖掘，形成多个数据集。其次，对各个分类数据集进行周期性数据挖掘分析、改进。最后，对周期性数据集挖掘的改进。对数据信息进行排列整理，如果两个周期性序列相交，以周期小的为主，在数据的时间跨度内对数据的子集进行截取。

4数据挖掘在电力调度自动化系统中的应用

4.1基于周期性关联规则挖掘的数据分析系统平台

在社会经济的发展下，电力调度自动化系统从原来的实时性监控报表查询系统转变为智能调度自动化系统，高级应用软件的应用促进了电力调度系统朝着智能化的方向发展。基于周期性关联规则挖掘的数据分析系统平台选择微软的.net平台，在该平台的支持下为电力调度系统运行提供了丰富数据资源的支持，且具备强大的数据库访问能力。

4.2基于数据桥的数据集成模块设计

在电力调度自动化系统的应用中存在多个标准，这些标准对分布式电力系统发展起到了重要作用，但是在各个数据集成规约不同的影响下，电力企业发展容易出现信息混乱的现象。为了避免这种现象的发生，在数据集成模块中需要进行数据清洗操作。

4.3数据分析功能模块设计

第一，同期数据分析模块。同期数据分析模块一般被人们用在调度自动化数据系统的横纵向比较，通过对同期数据的比对分析能够为电力调度系统数据评估提供更多便利。同期对比分析模块应用了动态生成查询语句，能够对数据信息进行动态化的查询和分析整理。第二，周期性数据分析。周期性数据分析主要是在数据库系统中挖掘具有周期性特点的数据集，从而对数据波动情况进行清晰的反应。在周期性数据分析模块挖掘算法中存在一个最小时间的误差参数，这参数是周期数据集的基础数据，影响周期性数据分析的精确度。第三，数据预警分析。数据预警主要是结合现有的调度自动化系统报警信息和数据挖掘周期数据集来对关联数据进行分析，数据分析系统采取了有限权值分配的方法，预警列表按照预警信息的大小进行有序排列，具体包含报警周期性数据集、预警信息周期性数据集大小、预警模式等内容。

5结束语

综上所述，文章在阐述数据挖掘内涵和电力调度自动化系统内涵的基础上研究了周期性关联规则的数据挖掘算法知识，并将其应用到电力调度自动化系统中，取得了良好的效果。周期性关联规则算法是数据挖掘技术的主流发展方向，在从历史数据中寻找规律的同时能够为电力调度自动化系统运行提供支持，需要引起相关人员的重视。

参考文献：

[1]肖福明.浅析数据挖掘在电力调度自动化系统中的应用[J].通讯世界，2014（17）：58-59.

[2]李阳.数据挖掘在电力调度自动化系统中的应用[D].华北电力大学（河北），2009.

[3]朱维佳，曹坚.电力调度自动化系统中数据挖掘技术的应用[J].电气时代，2015（07）：108-111.

[4]于存水.基于智能电网调度系统的调度监控平台的设计与实现[D].吉林大学，2013.

[5]李艳.关于数据挖掘中关联规则算法的相关问题研究[J].科技创新与应用，2017(33):161+163.

作者：周洋 单位：国网安徽省电力公司定远县供电公司