数据挖掘在电力企业中的应用

2022-02-18左涛

科技创新与应用 2022年4期

左涛

（国家能源集团广东电力有限公司，广东广州 510000）

近几年来，电力企业的电力系统在实际运行中产生许多数据，包括运营管理、电网设备、运行检修等，如何利用已有技术充分对复杂繁多的数据进行挖掘，发现数据中存在的实际价值，从而实现降低企业运营成本，提高企业经济效益和管理水平的基本目标。这也是现阶段电力企业在发展过程中，亟需重点解决的问题，在互联网信息技术不断发展的背景下，电力企业需要在各项设备运行中有效地应用数据挖掘技术，将数据挖掘存在的价值充分地发挥，这也是企业发展的重点内容。

1 数据挖掘技术

1.1 数据挖掘技术概述

数据挖掘技术最早出现于20世纪80年代后期，是在数据库、人工智能、数据整理、数据统计以及数据可视化等基础上发展的全新交叉学科，因此数据挖掘技术中含有多种不同专业的理论知识和专业技术。数据挖掘技术主要是利用机器学习的方法，从数据库中寻找和发现全新的知识，以此来作为解决实际问题的重要依据，预测未来数据发展趋势，为决策问题提供更有力的保障和依据[1]。

1.2 数据库和数据挖掘技术

传统数据库技术实现对数据的收集和管理工作，基本实现数据的一致性和准确性等相关要求。数据库系统可以实现对数据的记录、查询以及统计等相关功能，但是无法实现数据中的关系和规则，无法根据现有的数据资料对未来发展趋势进行预测，缺少数据挖掘的手段。数据挖掘就是对传统的数据库技术进行创新和完善，对现实中存在的数据内容进行识别，更加具有有效性、新颖性，形成对前存的数据进行处理的全新模式。数据挖掘技术让数据库技术进入全新的发展阶段，不仅能对历史数据进行查询，还能找出历史数据之间存在的链接，从数据中发现模式，从而找到内在未知的技术内容，让数据真正实现与物质、能源相媲美的资源形式[2]。

1.3 数据挖掘技术的工作流程

数据挖掘的基本原则是为计算配置数据结构，处理数据并发现数据结果，将处理的数据结果以可以理解的方式进行提交。数据挖掘技术在工作的过程中，经常会分为数据准备阶段、数据发掘阶段以及解释评价阶段，其中数据准备阶段中可以实现对数据的筛选、变换和处理，数据发掘阶段主要是根据任务自身的特点，建立对应的模型，选择有效的计算方式对数据进行挖掘，而解释评价阶段可以对模式进行合理的解释和评价，更好地帮助工作人员对数据信息进行解析。

1.4 数据挖掘的任务

关联分析。关联分析主要是显示数据之间存在的关系，如果2个或者多个数据项目的取值重复出现并且概率较高的情况下，数据之间必定存在某种关联，关联分析的目的就是找出数据中隐藏的关系。在大型数据库中，这种存在关联的数据信息较多，一般会选择支持度与可信度2个阈值来对数据关联规则进行评价。

分类和预测。分类是数据挖掘技术中应用较为广泛的技术类型，主要是找出描述并区分数据类型或者概念的模型，以此来确保模型预测类标记位置的数据分类。分类也可以对位置数据进行预测，这样的功能也被称为预测功能。尽管现阶段预测对象可以是类标记或者数据值，但是通常预测范围仅在数据值预测内，并且预测技术与分类技术有着明显的区别。预测技术主要包括对可用数据分布趋势的识别，对数据未来走向的评估[3]。

聚类。聚类可以将数据分成多个类别或者子集。与分类问题不同，在聚类分析中，类的数量是未知不可预测的，因此聚类通常分成3个步骤进行。首先发现合适的类，其次形成每个类的基本模型，最后对所有数据项目进行类聚。

演化分析。演化分析描述对象的行为随时都会出现变化，变化也具有一定的规律和趋势，因此需要建立相应的模型。演化分析包括与时间相关的序列数据分析，序列或者周期模型的匹配程度，在类似性的基础上对数据进行分析。

偏差检测。偏差检测是聚类分析中的特例，数据库中经常会出现一些异常的数据内容，大多数数据挖掘技术都会将这些异常数据进行丢弃，但是在一些特殊的情况下，从数据库中检测的偏差数据具有重要的意义。偏差检测的基本方法就是对观测结果进行寻找，与参照值之间进行差别对比。

1.5 数据挖掘的方法

机器学习方法主要包括范例和归纳学习2种方法，这也是数据挖掘技术中常见的方法之一。

统计方法主要包括回归分析、判别分析、聚类分析和探索性分析4种，在回归分析中主要有多元回归、自动回归等；判别分析包括贝叶斯判别、费歇尔判别、非参数判别等；聚类分析主要有系统、动态聚类等；探索分析包括主元分析、相关分析等。

数据库方法包括多维度的数据分析或者在线的数据分析处理等，同时还有面向属性的归纳方式等。

神经网络方法有前向神经网络和自动组织神经网络等，需要根据挖掘数据的不同进行适当的选择[4]。

在数据挖掘技术中，还包括遗传算法、近似和不确定推力等方法，主要是根据数据库中数据形态的不同进行选择，以此来更好地保证数据挖掘的精准性和良好性。

2 数据挖掘在电力企业中应用的价值分析

数据挖掘技术的应用主要是源于商业价值的直接需要，因此数据挖掘技术在各行业中都有着较为广泛的应用价值。本文根据电力行业特点来阐述数据挖掘技术在电力企业中应用的价值。

2.1 指导设备的更新

在电力设备更新的过程中，主要有2种方式，首先是电力设备意外损坏，针对这样的情况需要及时进行更新，这种更新需要通过对电力设备进行实时监控，或者通过安装监控系统的及时发现，然后对损坏设备进行维修或者更换。其次是对老化的电力设备进行更新，现阶段主要是通过工作人员常年工作积累的经验对电力设备老化情况进行判断，比如提供使用年限来判定设备老化程度等[5]。但是凭借工作经验对设备进行判断也会存在一定的误差问题，比如一些设备已经达到使用期限，但是设备的养护措施完善，依旧可以继续进行使用，但是评价工作经验认定设备需要进行更换，造成不必要的浪费，或者部分设备没有达到使用年限，但是各种参数已经不能满足使用要求，却没有得到及时更换，导致电力资源出现大量的损耗问题。数据挖掘技术的有效应用，能够对经验判断方式存在的问题进行改善，通过数据挖掘将存在故障问题的设备进行确定，对设备故障检修记录、电力损耗情况以及各种参数进行分析，从而判定设备故障和老化的实际情况，电力企业将此作为基本的标准，最终决定设备是否需要进行更新。

2.2 对业绩进行评估

在电力企业发展的过程中，集团公司对一个子公司的业绩进行评价，一直以来都是集团企业业绩总结中较为困难的问题。只针对利润方面对子公司业绩进行分析，受到地区影响的子公司，利润也会有所变化。并且电力资源关系到国民的升级问题，安全与其余方面都比利润更加重要，因此以利润对子公司业绩进行分析，较为片面，不能全面概括子公司发展的实际情况。数据挖掘技术能在最大程度上对子公司业绩进行评价，综合多方面的因素进行考虑，通过对利润进行分析，将利润增长概率与同行业进行比较等数据进行组合，从而对某一个地区内的子公司经营情况进行分析。同时，利用最为直观的方式将分析结果进行展示，比如图表，更加方便领导人员对子公司的业绩进行最终评估。

2.3 对电力企业建设规划进行指导

近几年来，我国电力行业的发展较为紧张，电力企业电力供应情况不能很好地满足社会对电力资源的基本需求，出现这样的问题主要是因为电力企业没有掌握好市场发展的基本趋势，无论是电站建设，还是电网建设都没有很好地跟随时代发展的趋势。而针对这样的情况数据挖掘技术就能发挥出良好的作用，通过对新增用户、现有用户、用户位置、用电情况以及国家建设规划等方面的数据进行分析，能够对电力企业未来的发展和建设提供指导，更好地保证电力企业供电的实际效果，在满足市场基本需求的基础上，更好地促进电力企业的稳定发展，在电厂和电网中安装更大容量的电力设备等。

2.4 对电力生产和购买进行指导

自从我国提出电力企业改革的相关方案，为电力企业的改革与发展奠定更好的基础，随着电力企业改革的逐渐完善，许多全新的问题出现在电力企业发展的过程中。比如对电力设备的购买，传统的电厂和电网都属于一个集团企业，电网和电厂的实际发电效率都会进行上报[6]。可是在改革之后，电力的特殊性和供电的效率都是很复杂的情况。因此，数据挖掘技术能够给电力企业的发展提供更多帮助，通过对数据进行挖掘，解决设备采购和电力生产的相关问题，同时也能对电力企业的生产规划进行指导。

3 数据挖掘技术在电力企业中的应用

3.1 有效降低电力设备检修的成本投入

电力设备的检修工作主要分为日常检修和故障检修，日常检修主要是检修人员定期对电力设备进行检查，及时发现设备存在的问题，不同检修工作人员对设备检修的效果存在偏差。故障检修可以分为意外故障检修和设备老化损失检修，设备故障检修可以通过监控系统及时对问题进行发现并快速处理；设备老化检修主要还是依靠检修人员的专业知识和设备使用年限来进行判断，这样的判断也会存在失误的情况，造成设备的浪费。通过使用检测设备和数据挖掘诊断技术，对设备出现的故障进行分析，挖掘设备中存在的各项参数问题，然后及时发出警报提醒检修技术人员对设备进行检查，这样才能够及时发现设备存在的故障问题。针对故障问题的类型安排专业的检修人员对设备进行检修，从而有效降低设备检修的成本投入，提升电力设备实际使用的效率、效果和质量。

3.2 为电网规划和决策提供指导

电网设备的选址工作是电网规划中最为重要的规划内容，根据现阶段国家电网建设计划、地区城乡发展规划来对建设场地进行选择，但是设备选址依旧存在不合理、不科学、重复建设及设备利用效率较低等问题。有效地使用数据挖掘技术，将国建电网建设规划、污染、地形地质以及用户信息进行全面整理和组合，针对不同地区的情况进行分析，不同时间段的国家建设规划，需要根据地区发展规划和电量使用情况进行划分，从而更好地对设备运行情况进行分析，为电网规划建设提供全面的参考信息[7]。

3.3 对电力调度、电力交易进行指导

电网调度的主要目的是对电网内部电力设备的基本能力进行充分挖掘，在满足电网负荷要求的基础上，确保电网设备安全稳定的运行，数据挖掘技术能对电网变压器符合效率进行分析，这些数据资料都能为电网高峰调度提供数据参考和数据支持。电力交易的主要目的是减少电力企业的支出，提升电力企业的经济效益。数据挖掘技术将电价信息、煤电联动信息以及地区用电情况等数据进行组合，为电力交易提供决策，制定具有全面性和完善性的决策数据信息，为电力企业后续的发展奠定更加扎实的基础，更好地促进电力企业的发展和进步，确保电力企业能够符合市场发展的实际需求[8]。