本站小編為你精心準備了數據挖掘在電力調度自動化系統的應用參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

摘要：電力調度自動化系統主要是被應用在線調度生產運行中，能夠對數據信息進行分析、控制、傳輸。數據挖掘技術作為一種人工智能和數據庫技術結合的新型技術形式，將其應用到電力調度自動化系統中能夠有效解決電力調動自動化系統數據信息應用不合理的問題。文章在闡述數據挖掘和電力調度自動化系統內涵的基礎上，結合蟻群算法改進原有周期性數據挖掘方法，旨在進一步提升電力調度自動化系統運行速度，為相關人員的報表制定、事故預警提供幫助。

關鍵詞：數據挖掘；電力調度自動化系統；應用

在大數據技術的不斷發展下，人們對數據信息的需求增加，但是現階段社會發展中缺乏對數據信息進行有效分析、處理的工具。數據庫系統也僅僅是對數據信息的簡單處理，無法充分挖掘數據信息背后的隱藏信息，因而無法發揮出數據信息在人類社會發展中的重要作用。電力調度自動化系統中包含大量電力數據信息，但是在實際應用中這些信息是很難被完全挖掘出來的。數據挖掘的出現有效解決了信息無法充分挖掘的問題，能夠實現對噪聲數據、不完全數據的有效處理。在數據挖掘中，關聯規則數據是數據挖掘的重要課題，通過關聯規則能夠發現不同數據庫數據信息之間的關聯，為數據挖掘提供有力支持。為此，文章重點分析基于關聯規則的數據挖掘在電力調度自動化系統中的應用。

1數據挖掘概述

1.1內涵和分類

在信息技術的發展下，我國數據庫庫存容量急劇擴張，在龐大的數據信息中怎樣獲取有效的數據信息成為相關人員重點思考的問題。數據挖掘能夠從技術層面來分析、處理這些數據信息，通過各種分析工具的利用來找到數據信息和模型構建之間的關聯，為相關領域的發展提供重要決策支持。在信息挖掘技術的發展下，出現了不同類型的數據挖掘技術和方法。

1.2關聯規則挖掘

關聯規則挖掘是數據挖掘的重要分支，是常見的數據挖掘方法，主要是對大量數據之間關聯問題的發現和分析，在找到數據聯系之后決定哪些事件能夠一起發生。數據庫中的關聯規則描述如下所示：假設I＝｛i1、i2......im｝是由m個不同項目組合形成的集合，項的集合是項集，包括k個項集，給定事務D（交易數據庫），事務（交易）T從屬于數據項（I），T是唯一的標示符。在X屬于T的時候，交易T則是包含項集X，關聯規則X＝Y在交易數據庫中成立。

2電力調度自動化系統概述

2.1內涵

電力調度自動化系統能夠為電網系統安全、穩定運行提供重要支持，并為相關電力人員工作、決策提供有力信息的支持。電力調度自動化系統的組成如下所示：第一，前置機。前置機能夠從RTU從完成數據信息的收集整理工作，并能夠結合實際對系統的指令進行接收、解釋。第二，主備用服務器。主備泳服務器包括數據庫和實時庫服務器，是電力調度系統的重要組成部件，能夠對系統各個工作站的運行進行監督。第三，網絡服務器。網絡服務器主要是對數據信息分布和數據表整理工作的監督。第四，衛星鐘。衛星鐘系統將全球定位時間作為系統時間。第五，物理隔離開關。物理隔離開關能夠解決數據的隔離應用問題。

2.2電力調度自動化系統對數據挖掘技術的需求

電力導調度自動化系統對數據挖掘技術的需求具體表現在以下幾個方面：第一，通過數據挖掘技術減少電力調度自動化系統的工作時間，提高工作效率。第二，數據挖掘能夠提高數據挖掘技術的管理應用水平，減少外界因素對電力調度自動化的干擾。第三，能夠從不同角度對數據信息進行定量、定性分析。第四，為電網報告的分析和制定提供輔助支持。第五，實現了對數據信息的及時查詢，為電力調度自動化工作提供了支持。

3基于蟻群算法的周期性關聯規則數據挖掘

3.1周期關聯規則

周期性關聯規則挖掘是時態約束關聯規則的一種，適用于對周期性關聯的發現層面，比如每年夏季城市居民用電量的均值比其他季節高，城市居民周末用電量平均值比其他周末時間高等。

3.2蟻群算法

螞蟻的群體行為表現出一種信息正反饋現象，蟻群算法由轉移規則和信息素更新規則組成，具體可以描述成：假設平面上有n個城市，n個城市的TSP問題來找到n個城市的最短路徑。假設蟻群系統中螞蟻的數量是m、d（i，j=1，2，…，n），代表的是城市i到城市j之間的距離，b（t）表示t時刻位于城市i的螞蟻個數。在初始階段，各個線路上的信息量是對等的，假設τij（0）＝c，螞蟻k在運動的過程中根據信息量來選擇下一步所走的方向，t時刻螞蟻k由城市i轉移到城市j的概率表示如（1）所示。

3.3基于蟻群算法的周期性關聯規則

假設T1、T2，Tmin為系統時間定義單位組成的時間表達式，都比零大，假設T1＜T2，差的絕對值比極小時間值的小，稱作T1在T2之前發生。如果T1＝T2，差的絕對值和極小時間值相等，則是說明T1和T2同時發生。假設T1，T2是系統時間定義單位組成的時間表達式，都比零大，int＝［T1、T2］是T1到T2的時間隔。基于蟻群算法的周期性關聯規則操作首先需要對數據集進行分類整理，在時間差表滿足數據庫要求的情況下將數據集按照時間分成多個分塊，并按照時態屬性進行升序排列，結合每個類別進行周期性關聯規則挖掘，形成多個數據集。其次，對各個分類數據集進行周期性數據挖掘分析、改進。最后，對周期性數據集挖掘的改進。對數據信息進行排列整理，如果兩個周期性序列相交，以周期小的為主，在數據的時間跨度內對數據的子集進行截取。

4數據挖掘在電力調度自動化系統中的應用

4.1基于周期性關聯規則挖掘的數據分析系統平臺

在社會經濟的發展下，電力調度自動化系統從原來的實時性監控報表查詢系統轉變為智能調度自動化系統，高級應用軟件的應用促進了電力調度系統朝著智能化的方向發展。基于周期性關聯規則挖掘的數據分析系統平臺選擇微軟的.net平臺，在該平臺的支持下為電力調度系統運行提供了豐富數據資源的支持，且具備強大的數據庫訪問能力。

4.2基于數據橋的數據集成模塊設計

在電力調度自動化系統的應用中存在多個標準，這些標準對分布式電力系統發展起到了重要作用，但是在各個數據集成規約不同的影響下，電力企業發展容易出現信息混亂的現象。為了避免這種現象的發生，在數據集成模塊中需要進行數據清洗操作。

4.3數據分析功能模塊設計

第一，同期數據分析模塊。同期數據分析模塊一般被人們用在調度自動化數據系統的橫縱向比較，通過對同期數據的比對分析能夠為電力調度系統數據評估提供更多便利。同期對比分析模塊應用了動態生成查詢語句，能夠對數據信息進行動態化的查詢和分析整理。第二，周期性數據分析。周期性數據分析主要是在數據庫系統中挖掘具有周期性特點的數據集，從而對數據波動情況進行清晰的反應。在周期性數據分析模塊挖掘算法中存在一個最小時間的誤差參數，這參數是周期數據集的基礎數據，影響周期性數據分析的精確度。第三，數據預警分析。數據預警主要是結合現有的調度自動化系統報警信息和數據挖掘周期數據集來對關聯數據進行分析，數據分析系統采取了有限權值分配的方法，預警列表按照預警信息的大小進行有序排列，具體包含報警周期性數據集、預警信息周期性數據集大小、預警模式等內容。

5結束語

綜上所述，文章在闡述數據挖掘內涵和電力調度自動化系統內涵的基礎上研究了周期性關聯規則的數據挖掘算法知識，并將其應用到電力調度自動化系統中，取得了良好的效果。周期性關聯規則算法是數據挖掘技術的主流發展方向，在從歷史數據中尋找規律的同時能夠為電力調度自動化系統運行提供支持，需要引起相關人員的重視。

參考文獻：

[1]肖福明.淺析數據挖掘在電力調度自動化系統中的應用[J].通訊世界，2014（17）：58-59.

[2]李陽.數據挖掘在電力調度自動化系統中的應用[D].華北電力大學（河北），2009.

[3]朱維佳，曹堅.電力調度自動化系統中數據挖掘技術的應用[J].電氣時代，2015（07）：108-111.

[4]于存水.基于智能電網調度系統的調度監控平臺的設計與實現[D].吉林大學，2013.

[5]李艷.關于數據挖掘中關聯規則算法的相關問題研究[J].科技創新與應用，2017(33):161+163.

作者：周洋 單位：國網安徽省電力公司定遠縣供電公司