（国网山东省电力公司淄博供电公司山东255000）
摘要：近年来，为了实现我国经济高速发展的要求，电力系统得到了快速发展。自动化技术水平逐渐提升，电力调度自动化系统在当前电力系统中获得了普遍应用，实现在电力系统中采集和监控数据信息的目的，同时也是电力调度完全自动化实现的基础。其中，在电力调度自动化系统中应用数据挖掘，可以专业化的完成数据采集和分析，对于电力系统发展有着积极的意义。本文将对电力调度自动化系统中数据挖掘的应用进行深入探讨。
关键词：电力调度自动化系统；数据挖掘；应用
引言
对于传统电力调度而言，仅对电力设备以及电量等信息进行必要的数据管理，并且仅可以提供常规性的简单信息和数据检索等功能，难以满足现阶段数据分析与决策等要求，所以将数据挖掘技术应用在复杂的电力管理和决策中就显得极为重要。然而，由于部分电力调度管理人员对于数据挖掘技术缺乏细致的了解与掌握，在电力调度自动化系统中没有将数据挖掘技术的作用充分发挥出来，制约了数据挖掘技术的发展。因此，相关电力调度人员应积极对数据挖掘技术进行研究，有助于电力调度自动化系统更好的应用在电力系统当中，对电力系统的发展有着积极的意义。
一、数据挖掘技术的概述
为了从大量数据中检索、分析、处理、统计以及识别出具有特殊属性的相关信息，需要借助新兴的数据挖掘技术得以实现。与此同时，在应用数据挖掘技术过程当中，通常需要遵从下列三个步骤，即：（1）数据准备。从相互关联的数据当中挑选所需要的数据，并对挑选出来的数据进行重新整合。（2）寻找规律。运用相关公式或方法来选择所挑选数据中的规律；（3）规律表示。所谓规律表示指的是通过相关规律或者容易被人理解的方式将规律展现给相关人员，从而提升数据分析工作的效率。此外，在分析数据挖掘技术过程当中，按照相关领域的不同，数据挖掘技术所具有的分类形式也存在区别。通常可以将数据挖掘技术分为两大类，即验证和发现驱动的数据挖掘。验证驱动指的是对预先做出的假设条件，运用某种方式来对其进行验证的过程。在验证环节中，可依据情况的不同而选择有针对性的生成器，而对于SQL生成器而言，可分为查询和在线分析两种处理工具。发现驱动则是指相关人员在学习、统计以及整理等过程中而总结出新的假设，并对此进行预测和推述的过程。其中，信息的可视化、信息聚焦、信息关联分析和信息统计是推述过程中的主要四个环节。在对假设进行预测过程中，需要根据规则与神经元来将信息归纳，从而制定科学合理的决策树，以便提升假设预测的准确性。因此，在电力调度自动化系统当中应用数据挖掘技术，可以有效的解决电力调度人员的安排、电力使用情况的校验、电力使用记录的保护等问题，从而有助于提升数据信息的有效性与准确性。
二、数据挖掘在电力调度自动化系统中的应用方式
1、神经网络方法在电力调度自动化系统中进行应用
作为一项现代化的新型智能技术，神经网络方法可以独立的完成数据处理，数据分布存储等功能，由于神经网络方法具有高度容纳错误数据的特征，可以有效的对不完整、模糊且存在错误的数据信息进行处理。此外，通过最大程度的运用计算机精算能力，可以深入的挖掘与分析电力调度自动化系统当中的数据信息。其中，前馈式、反馈式以及映射式是神经网络方法常用的三种神经网络模型，首先，在使用神经网络方法过程中，应对数据分析与整理的准确性加以重点关注，神经网络方法可以关联分析电力调度中的各类数据信息，提升了数据之间的逻辑性。在电力调度自动化系统当中，包含数量庞大、种类多、复杂且具有某种紧密联系的基础数据信息，所以数据的整合统一需要借助数据挖掘技术得以实现，从而构建合理的数据结构模式，方便相关人员对数据进行检索、统计以及分析等，有助于保证数据的完整性与一致性，确保可以顺利的完成与电力调度有关的工作。随着神经网络系统构建的逐步成熟，数据可以得到有效的统一管理；其次，在电力调度过程当中，与之有关的任务数据、电力参数等数据形式的整理可以借助数据挖掘神经网络方法得以完成，从而提升电力状态与参数在不同环节中的准确性，进行有效的关联不同环节的电力调度工作；最后，在电力调度自动化系统中应用神经网络方法，可以整合所有整理出来的数据信息，以便在数据有效分析的基础上，提升电力调度工作环节决策的准确性，从而实现大范围共享数据的目标。
2、灰色分析法在电力调度自动化系统中进行应用
灰色分析法又叫做灰色预测法，当所需要的电力调度数据出现在一个点上时，就会使用这种方式进行数据挖掘，这种数据发掘方法的使用，是非常普遍的一种，主要用于对电力调度自动化系统产生的数据进行预测分析，其主要的就是对有限的数据和一些电力调度过程中出现的不完整数据进行分析，但是一旦遇到比较庞大的数据，就无法实现最优化功能，因此在对电力调度自动化系统产生的数据进行挖掘时，需要对其涉及的数据进行分析，确定其数据的分类是电力生产数据还是电力销售环节的数据，包括这些数据之间还或多或少存在着一些直接转换的数据处理，因此通过灰色分析法对数据进行挖掘，需要对电力调度中出现的一些设备数据参数进行了解，包括用户的用电情况数据预测、电力的销售情况预测、短期或者超短期内自动化系统以及母线存在的负荷数据值等，电力自动化系统会根据以上的这些预测的数据进行分析，制定电力调度的边界电量，并且确保整个电力调度自动化系统的正常运行，使整个数据的收集更加的可靠，以便后续工作的参考。
3、聚类分析法在电力调度自动化系统中进行应用
在电力调度自动化系统中应用聚类分析法，其可以有效的针对同异数据进行类别的划分，从而得到更为全面性和综合性的数据统计效果，并且有助于弥补灰色分析法的相关缺点，从而将庞大的数据量整理的更加简洁，而且有助于将不同类别之间的数据相似性以及关联性缩小，所以此种方法在电力调度自动化系统中有着广泛的应用。例如，生产管理和控制是电力调度自动化系统中最为重要的两类数据形式，所以运用聚类分析法之后，其由于具有聚类划分大数据的功能，所以可将上述数据分为四个子数据管理区。其中，管理方面涵盖了电力调度自动化系统中电力生产以及销售有关的数据信息；而控制方面则可分为三个子数据区，即：（1）与电力调度有关的计划数据，主要包括电厂所发出电能的总数据值以及用户用电量的数据等信息。（2）与安全管理有关的数据信息，通过远程监控计算机来对用电安全进行监控有关的数据信息，从而确保电力调度自动化系统可以正常、可靠的工作。（3）与监控有关的数据信息，其中包括实时电量、电量数据以及输出量等数据信息，从而有效的对数据信息进行控制，提升电力调度自动化系统工作的可靠性。
结语：由此可见，电力调度自动化系统当中应用数据挖掘技术之后，极大的提升了数据信息的检索、分析、处理效率。与此同时，相关人员也应不断的对数据挖掘技术进行研究，从而有效的完成我国电力调度自动化系统的优化与升级，进而推动我国电力调度自动化系统更快、更好的发展，有助于智能电网时代的尽快来临，对于我国电力系统的发展有着积极的意义。
参考文献：
[1]李艳.关于数据挖掘中关联规则算法的相关问题研究[J].科技创新与应用.2017（33）
[2]朱维佳，曹坚.电力调度自动化系统中数据挖掘技术的应用[J].电气时代.2015（07）
[3]王国胤，刘群，于洪，曾宪华.大数据挖掘及应用[J].科技与出版.2017（11）
[4]郭洋洋，李宇涛.分析电力调度自动化系统实用化应用[J].科技与创新.2017（05）