(国网朔州供电公司山西朔州036002)
摘要：目前，中国社会正处于全面深化改革的关键时期，重大经济和社会矛盾的变化进一步增加了人们对智能优质电力的需求。根据现代电力系统的运行要求，数据挖掘技术越来越多地应用于电力调度自动化系统中，体现在电力复制和检查创新能力的不断增强。使用大数据技术来提高电力调度的自动化水平可以提高电力故障的自动处理能力，并最大限度地减少复制和登记过程中的计量错误，确保主要回路的电流、电压及变压器温度得到时时监测，从而实现电力系统的安全、优质、经济运行具有重要作用。
关键词：电力调度；自动化系统；数据挖掘；技术
导言：合理应用数据挖掘技术对电力调度自动化系统至关重要，这是保证电力调度自动化系统充分发挥效用的基础，也是促进现代社会持续稳定发展的关键。在此基础上，相关人员应高度重视数据挖掘技术，使其在电力调度自动化系统中发挥最大的价值和效用，为提高我国国民生活水平奠定基础。本文主要分析电力调度自动化系统中数据挖掘技术运用，具体如下。
1数据挖掘相关概述
从技术角度来看，数据挖掘是用各种分析工具在许多数据中探索数据和模型之间的关系，并通过发现这种关系为决策提供有效的依据。由于数据挖掘的迅速发展，随着多种多样的技术和方法的出现，形成了许多不同的分类。一般来说，数据挖掘可以分为两种知识发现:验证驱动和发现驱动。验证驱动型指的是客户利用多元化工具对自己所提的假设进行查询与检索，来否定或是验证假设的一个过程;而发现驱动型是通过统计或是机器学习等技术来研究新的假设。
2数据挖掘技术及其原理
数据安全研究中心网站对数据挖掘的定义是:基于现实或虚拟的数据处理中心，围绕一个特定的研究对象或一个特别的研究目的，对数据进行采集、保存、分析等数据收集与管理。目前，国网电力公司正在实施“SGl86”工程，正在建设并完善以数据采集、数据共享、数据分析为主要功能的智能型综合业务系统。
服务架构是海量实时数据中心向外界提供的各种服务功能的集合，具体包括数据访问服务、数据采集和基本工具服务。有了大量数据，我们可以访问电力系统中各种业务流程的历史记录，为每个流程提供标准和统一的访问方法，并为跨学科和跨部门的分析和决策提供必要的支持。海量实时数据中心提供了一种标准的服务应用数据访问方法，主要包括以下几个方面。
(1)实时/历史数据通用应用程序访问接口(UAPI)。利用应用程序访问接口将数据写入中心服务平台，以实现实时/历史数据接入。业务应用可以直接使用UAPI直接向实时数据中心写入数据，从而完成实时历史数据的接入。该接入方法可以适用于同在管理信息大区的业务应用接入，生产控制大区的应用由于单向隔离网闸而无法应用。
(2)E格式语言文件。E格式语言文件是国网公司制定的一种通用的实时数据传输标准，实现文本文件在单向隔离网闸的穿越传输，在调度与信息的数据交换领域得到了广泛的应用。该接入方法能够适用于所有业务应用的接入，由业务应用依据需求持续形成E格式文件并输送至实时数据中心的接入服务器，接入服务器负责解析E格式文件并调用UAPI将数据写入实时数据中心。
(3)实时数据接入通用规约。该通用规约基于TC/IP，通过网络通信报文的形式将业务应用的数据传输到实时数据中心的接入服务器，接入服务器负责解析该通用规约并调用UAPI将数据写入实时数据中心。考虑到单向隔离网间的特点，该通用规约在设计时不考虑应答报文，其目的是通过通信规约的形式。
(4)其他标准的规约和接口。对于电力行业及相关行业内比较成熟通用的标准规约和接口，实时数据中心都应提供支持。
3数据挖掘在电力调度自动化系统中的应用方式
3.1以灰色分析法在电力调度自动化系统中进行应用
灰色分析方法的使用也称为灰色预测，当调度所需的数据在某一点时，它可以用来挖掘数据。这是最常见的一种方法，可以预测电力调度自动化系统中出现的数据。它的主要优点是可以预测调度的有限数据和不完整数据。然而，当遇到具有大量数据的数据时，没有办法达到最佳。因此，在电力调度自动化系统中进行数据挖掘分析时，应该对数据进行详细分析，并对数据来源进行分类，看其实电力数据或营销环节数据，找出这些数据之间存在的关系，采用灰色分析方法对数据进行挖掘分析，需要充分了解电力调度中部分数据参数，包含用户用电数据预测、电力营销情况、短期或超短期自动化设备和母线负荷数值等，电力自动化系统可以在以上数据进行深入分析，通过制定电力调度边界值，保证电力调度自动化系统正常运行，使数据的收集更加的安全可靠，为后续的分析奠定坚实的基础。
3.2以聚类分析法在电力调度自动化系统中进行应
聚类分析方法在电力调度自动化系统中得到广泛应用。它类似于类似的分析方法。当不完全相同时，分类方法更关心将数据映射到给定类别。聚类分析方法主要针对相似的数据划分，数据更加全面，这也是该方法被广泛应用的原因。它可以弥补灰色分析方法的不足，使数据更加整洁，减少数据之间的相关性和相似性。例如，电力调度数据中控制和生产管控是两大类，利用聚类分析方法，能将大数据进行聚类划分，主要包含四个数据管理区，管理则包含了电力调度自动化产生的电力生产数据、销售数据、控制数据等。
3.3以神经网络方式在电力调度自动化系统中进行应用
神经网络是一种成熟的技术，它具有自我处理数据、挖掘数据进行存储和高容错性的优点。它非常适合处理模糊、不完整和不准确的数据。利用计算机精确计算功能，可以实现深部开采调度自动化系统数据。通常使用前馈和反馈。映射三种神经网络对于数据整理和分析非常重要。使用这种方法，各种预定数据可以相互关联，以找出数据的逻辑。为此:(1)对电力调度自动化系统基本数据进行处理，虽然这类数据复杂、种类多，但这些数据有紧密的联系，能够整合统一，并形成模式，为后期数据查询、统计、分析等奠定坚实的基础，保证数据的完整性和一致性，使电力调度能够顺利的开展，并形成神经网络系统，方便统一管理。(2)电力调度相关数据，不同环节电力状态和参数准确性不一致，整个过程中会受到一定影响，从而达到数据关联。(3)将神经网络这种方法应用在电力调度自动化中，对所有数据进行整合分析，并供给其他调度工作进行决策分析，实现大范围数据共享，以此来保证电力自动化调度系统的效果。
3.4提高电力调度技术的综合性发展
电力系统的数据挖掘需要通过集成多种技术来进行，包括数理统计知识、大量运算知识、网络技术、计算机编程等。任何技术应用都有特定的领域和技能，每一个环节都密切相关，相互依赖，特定领域的任何信息错误都可能导致无效数据。因此，为了提高数据质量，主要目的是提高调度技术的连接度并共同发展。在此基础上，中国电力调度技术不断改进，数据应用还有很大的发展空间，以近几年的实践情况可以看出，电力用户用电正逐渐朝着综合性、复杂性方向发展，改进调离调度系统迫在眉睫。
结束语
综上所述，要使电力调度自动化系统的价值最大化，相关人员就必须加强数据挖掘技术的应用。因为它是保证电力调度自动化系统稳定的根本因素，也是提升电力调度自动化系统效用的关键。因此，相关部门需要合理应用数据挖掘技术，使其所有功能能够在电力调度自动化系统中得到应用，为进一步提高公众生活水平提供有效的依据。
参考文献:
[1]聂宇，罗超，高小芊，寇霄宇，何宇雄，苑晋沛，李蔚.基于电力调度自动化系统中数据挖掘技术的应用[J].科技创新与应用，2018(03):143-144.
[2]周洋.数据挖掘在电力调度自动化系统中的应用解析[J].科技创新与应用，2017(35):149-150.