信息通信调度资料管理系统研究

陈柯++张兴++朱韵攸

摘 要：信息通信调度系统在电力系统中占据了重要地位，调度系统产生的数据包含了信息通信网络的运营状态、设备管理、调度电话资源等重要信息，如果能够结合数据挖掘技术对调度资料进行分析，可以得出一些传统手段不能发现的规律，从而为电力系统的调度和建设提供重要的参考依据。该文在现有的信息通信调度资料管理系统的基础上设计支持调度资料分析的信息通信资料管理系统。

关键词：数据挖掘 电力系统 信息通信调度

中图分类号：TM73 文献标识码：A 文章编号：1672-3791（2014）11（b）-0019-01

信息通信调度资料中包含了很多有价值的信息，如果能够通过数据挖掘利用好这些信息，可以为信息通信调度增加很大的灵活性和主动性，并优化IT资源的分配。

1 信息通信调度资料管理系统的发展现状

信息通信调度资料一直以来都是采用专人负责，以纸质文档的方式加以管理。随着信息通信调度越来越受重视，相应的文档特别是电子文档也随之大量增加，这就要求有一个类似但不同于文档管理的系统来对所有调度资料、部分调度常用资源加以科学管理，为科学调度提供可靠的专业化支撑。

2 信息通信调度资料分析

数据挖掘技术是在计算设备的计算能力大幅度提升和数据量大规模增长的背景下出现的一种信息资源利用技术，通过对数据进行建模分析从中提取出有价值的信息或者预测未知事件的方法，是一种以信息为资源的使用方式。信息通信调度过程中产生的大规模数据包含了信息网络的各种数据，如果能够有效地利用这些数据中包含的信息，将可以为信息通信调度以及通信网络的建设提供重要依据和指导。

2.1 数据挖掘的主要阶段

跨行业数据挖掘标准流程CRISP-DM从商业的角度给出对数据挖掘方法的理解，目前大部分的数据挖掘系统都是遵循CRISP-DM。该模型以数据挖掘技术的应用为目标，将数据挖掘划分为6个主要的阶段。

（1）商业理解阶段（Business Understan ding）。在这个阶段，要深入分析企业的性质和需求，根据不同的需求和性质确定数据挖掘的目标和要解决的问题。

（2）数据理解（Data Understanding）。在这个阶段，首先要根据所需数据的特征，从数据集中提取出数据挖掘所需的数据，为后续阶段的分析提供正确的数据。

（3）数据预处理（Data Preparation）。在该阶段，要在上一阶段中产生的数据集基础上对数据进行进一步的预处理，包括一些干扰数据的清洗等。

（4）模型（Modeling）。该阶段需要在数据理解阶段和数据预处理阶段中产生数据集的基础上，以商业理解阶段产生目标和问题为依据，建立相关的模型对数据进行分析。

（5）评估（Evaluation）。根据商业理解阶段产生的目标和问题，对模型阶段所建立的模型质量进行分析和评估，确认是否考虑了所有重点问题，以及模型是否能够正确地解决问题。

（6）实施（Deployment）。在实施阶段，主要任务是产生可重复使用的技术文档和操作流程，以及后期的维护计划等。

3 支持数据挖掘的信息通信调度资料管理系统的设计

3.1 数据挖掘模块的主要实现

根据CRISP-DM所定义的数据挖掘的主要阶段，可以将数据挖掘模块的主要功能划分为四个层次：数据采集层，数据预处理层，数据模型分析层，用户界面层。

数据采集层主要用于实现数据理解阶段，从数据库中提取出符合所需数据特征的数据，并且将数据复制到指定的数据集中。

数据预处理层主要用于实现数据预处理阶段，将数据集中的数据进行预处理，使其能够满足数据挖掘过程中的需求。而电力调度资料中很多数据并不是所需要的数据，或者一些数据存在不完整、不一致和冗余等问题，因此在此阶段要选择适合电力调度资料的数据处理算法。

数据分析层，该部分是调度资料分析的核心部分，根据预先设计的模型对数据进行分析，并将分析结果返回给用户界面。根据电力系统的特殊需求和数据特征，需要分析和测试来选择合适的模型和参数，例如使用关联模型提取数据项之间的关联规则，该模型可以提取出传统方法无法得到的关联关系。例如，文献论述了使用预测算法模型对电网用电量、某地区电力负荷变化趋势、某节点可能发生故障的时间等进行预测。

用户界面层的主要功能是与用户的交互，接受用户的请求，并且根据不同的请求调用不同的模块，与数据分析相关的请求将调用数据分析模块，并且将数据分析的结果显示给用户。显示结果可以以各种图标的形式动态显示，以形象的表现趋势。

3.2 支持数据挖掘分析的调度资料管理系统

在该方案中，采取将数据挖掘分析模块单独出来的方式，以实现对原系统最小的改变。对于数据分析相关的操作，只需要调用数据分析模块。在计算中心和存储中心方面，由于考虑到随着电网的智能化可能面对海量的数据和智能化的数据处理，因此可以考虑使用云计算技术来提高服务器的利用效率，降低维护成本。通过使用云存储技术，来提供可靠的数据存储。

其中，存储中心中的数据来自各节点采集的数据，又数据采集模块进行处理后存储在存储中心，由于数据采集模块在传统的信息通信调度系统中已经实现，因此在该方案中使用原有的采集模块。

Web服务器根据不同的请求调用不同的模块来响应用户的请求，对于传统应用响应模块，可以使用现有的信息通信调度资料管理系统的实现。

4 结语

智能调度资料管理能够有效的对调度资料进行分析，可以在电力系统调度、维护和故障处理方面提高主动性和灵活性。但是，目前数据挖掘技术在电力系统中的利用并不是很成熟，需要进一步去探索针对复杂的、全面的调度资料数据的数据挖掘算法。

参考文献

[1] 高智，徐政.数据挖掘技术在电力系统中的应用[J].华东电力，2001，29（12）：13-16.

[2] 史小梅.数据挖掘在电力决策支持系统中的应用[J].上海电力学院学报，2010，26（4）：374-378.

[3] Azevedo， A. and Santos， M. F.KDD. SEMMA and CRISP-DM： a parallel overview[C].The IADIS European Conference on Data Mining，2008.endprint