朱宇
（国网江苏省电力有限公司淮安供电分公司江苏淮安223000）
摘要：在现代化信息网络数据加工层面，数据挖掘技术的应用能够更好地完成数据的处理和采集工作，有效提升数据在传输和存储过程中的控制和管理水平。数据挖掘技术不但可以通过高级功能的计算将数据资源合理利用，同时能通过一些高科技的技术来进行数据的挖掘，从大量显示和隐藏的数据中找到我们所需要的正确的数据信息。在电力调度自动化系统中引用数据挖掘技术，必然会推动生产企业的创新和发展，并在一定程度上提高经济效益具有重要的作用。本文对数据挖掘技术进行了介绍，并对数据挖掘在电力调度自动化系统中的应用进行了论述。
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。
一、数据挖掘技术概述
随着当今世界科学及时水平的不断发展，目前数据库的容量已经达到了难以想象的水平，面对如此庞大的数据信息，如何能够准确地从中找到精准的所求的信息呢？答案就是利用信息挖掘技术。从技术层面上讲，信息挖掘技术就是指：
通过利用各种有效的工具和采取各种有效的措施，在海量的数据库中，获得数据与模型之间的关系，并通过两者之间存在的这种关系的分析发现来对企业的决策提供依据。伴随着信息挖掘技术的快速发展，也相继出现了许多的不同类型的方法和技术，也直接导致了现在的信息挖掘技术形成了很多的分类。一般情况下，信息挖掘技术分为了发现驱动型和验证驱动型两类。发现驱动型就是指通过机器的学习发现新的假设；而验证驱动型就是用户来验证或者否定自己假设的一种方法，前提就是通过各种工具对自己的假设进行多方面的检索查询。
二、数据挖掘技术的分类
伴随着信息挖掘技术的发展，许多不同类型的数据挖掘技术和方法相继产生，类型种类极其繁多，造成了信息挖掘的混乱，因此，对信息挖掘技术进行有条理的分类是很有必要的。通常情况下，信息挖掘技术就是分为了验证的驱动挖掘技术和发现驱动的数据挖掘两种类型，验证驱动的数据挖掘就是用户对于自己之前提出的假设，通过各种技术手段进行信息的索引来完成对假设的验证和否定的一个过程，而在假设的验证过程中，一般都会用到结构化的语言SQL和结构化的生成器，查询工具和OLAP两部分又组成了结构化的查询生成器。
发现驱动的数据挖据就是指：用户通过使用机器进行学习，统计和数据可视化的各类技术来发现新的假设。这些知识对于未知领域新知识的发现具有重要的意义，然而这个过程并非就是完全独立的，在过程中还是需要分析人员的参与的。发现驱动型数据挖掘包含了“推述型”和“预测型”两种，推述型的数据挖掘技术包括了可视化、聚焦、关联分析及统计方面的技术；预测的数据挖掘技术主要包括规则归纳法，神经网络和决策树技术三方面。通常所说的信息挖掘技术指的就是“推述型”和“预测型”的发现驱动型的挖掘技术。
三、数据挖掘的过程和步骤及需求
1、确定业务对象。对于数据挖掘工作，要有计划地进行探索，保证数据挖掘的有效性。在进行数据挖掘工作时，必须要做好的基础工作就是，对业务问题有一个清楚明了的认识，明确数据挖掘工作的目的。
2、准备数据
这一数据处理步骤，又有以下三个层面的工作。
1）选择数据。对于所有的与业务对象相关的数据信息进行搜索，并从搜索出来的数据之中选择适合应用数据挖掘的数据。
2）数据预处理工作。对第一步选择出来的数据进行质量研究，并为下一步的数据分析工作做好准备，并确定数据挖掘的具体技术类型。
3）转换数据。将数据转换成为一个针对于挖掘算法的分析模型。
3、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。
四、数据挖掘在电力调度自动化系统中的应用
1、神经网络。作为应用较为广泛的一种人工智能研究方法，神经网络早已在我国实现了较为广泛的应用，电力调度自动化系统的数据挖掘也是其应用的重要领域，由于数据自行处理、数据分布存储、高度容错性是神经网络的应用优势所在，这就使得神经网络较为适用于模糊、不完整、不准确数据的处理。在电力调度自动化系统的数据挖掘中，神经网络主要通过关联分析的方式实现数据逻辑处理，具体处理可以分为以下方面：整合统一基础数据。由于电力调度自动化系统包含的数据具备庞大复杂、种类繁多的特点，因此神经网络的应用需要通过整合统一使相关数据形成结构模型，通过神经网络系统实现数据统一管理。实现不同环节电力调度的关联。应用数据挖掘神经网络方法整理不同环节的电流状态和参数，并保证相关数据信息的整合性，即可实现不同环节电力调度的关联。分析与决策。结合神经网络整理的整合数据，即可开展分析、决策以及数据共享。
2、灰色分析法。灰色分析法能够较好分析电力调度过程出现的不完整数据，但不适用于较为庞大的数据是该数据挖掘方法存在的不足。一般情况下，灰色分析法的应用需要深入了解设备数据参数，如用户用电情况预测、母线负荷数据值、电力销售情况预测等，结合分析确定电力调度边界电量，即可提升数据收集的可靠性，电力调度自动化系统的运行也将由此获得较为有力的支持。
3、关联规则。作为数据挖掘的重要分支，关联规则能够通过发觉大量数据项集之间的有趣关联和相互联系实现信息的高质量分析，刚刚提到的神经网络严格意义上也属于关联规则范畴，不过本文关于关联规则的研究主要围绕周期性关联规则挖掘算法展开。周期性关联规则挖掘算法具备扫描数据库次数较少、避免扫描数据库的时间开销、连接程序中相同项目的比较次数较少、数据项集频度统计速度较高等优势，由此实现的周期性数据集挖掘、关联规则挖掘便能够大大降低电力调度自动化系统的事故发生概率。
总之，随着科技的不断进步，我国针对电力调度自动化系统的使用情况进行了创新，而数据挖掘技术在其中应用成功的与否，还需要专业的人员继续进行探究和实验，以确保我国电力调度自动化系统的升级和改造，进一步促进我国电力调度自动化系统的发展，实现真正的智能电网时代。
参考文献：
[1]王谦，李烽.电力调度的自动化网络安全分析及实现[J].电子技术与软件工程，2017（21）：116.
[2]刘宾，朱亚奇，吴莎.数据挖掘在电力调度自动化系统中的应用[J].电子技术与软件工程，2017（20）：158.
[3]曹铁生.电力调度自动化系统应用现状与发展趋势研究分析[J].硅谷，2014，7（23）：74+76.
[4]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.
[5]李梦鸣.大数据挖掘平台在电力运营监测工作的应用[J].科技创新与应用，2016（26）：21-22.