基于水厂运营数据仓库数据挖掘系统研究.docVIP

基于水厂运营数据仓库数据挖掘系统研究 　　[摘要]随着水厂自动化水平的不断提高，PLC系统得到了广泛的应用，水厂建立了涵盖生产全过程的“数据宝库”。为了充分利用这些“数据宝库”中的数据，发现数据中蕴藏的有用知识，提高水厂的运营管理水平，论文提出建立水厂运行数据仓库，并开发基于数据库的数据挖掘系统的设想，给出数据仓库的设计模型。探索的基于水厂运营数据仓库的数据挖掘系统，为水利企业的信息化进程和建立决策支持系统奠定了一定的基础。 　　[关键词]数据挖掘 数据仓库 决策支持 水厂 　　中图分类号：S9 文献标识码：B 文章编号：1671－7597(2008)0620089－01 　　 　　为了适应水厂生产自动化水平提高的需要，水厂都安装了PLC（Progr 　　ammable Logic Controller）自动控制系统，它有着完善的信息收集、传输、加工、存储、查询和控制功能，建立了涵盖水厂生产全过程的“数据宝库”。但面对这些“数据宝库”，往往不能深层次地理解并有效的使用这些数据。水厂的运行、管理等决策者企盼从这些海量数据中发现蕴涵的有用知识，来提高运行管理水平。那么，怎样才能在海量数据提取知识呢？ 　　以数据仓库(Data Warehouse)与数据挖掘(Data Mining)为代表的数据库新技术应运而生。与传统的面向管理业务过程的数据库技术不同的是：数据仓库是面向主题的、集成的、稳定的、不同时间的数据集合，目的在于有效的决策支持。基于数据仓库的数据挖掘，已经成为企业信息管理的新的发展趋势之一。因此，水利企业可以很好地利用收集到的数据信息构建数据仓库，在数据仓库中通过数据挖掘来发现蕴涵在水厂生产数据库中的深层次知识，比如水泵性能状态渐变和寿命隐性损耗的规律等，这些有用的知识能够为水厂生产和发展做出即时、正确的判断，为管理者制定决策提供有力的依据，因此，基于水厂数据仓库的数据挖掘系统的建设势在必行[1]。 　　 　　一、数据仓库的主题设计 　　 　　数据仓库的主要特点之一是面向主题。在水资源日益短缺、煤电等运营成本日益增加的大环境下，主题的选择应服从于水利企业运营管理的总目标，具有全局性、综合性，不能局限于某一职能管理部门。结合目前水厂信息管理现状，本文提出以下主题设计。 　　（一）电量/负荷数据仓库 　　水厂作为水利企业，其基本职能是向国民经济提供质量合格的水利资源，故其数据仓库建设的首选主题应是耗电量及供水量。耗电量/供水量数据仓库应准确记录最小时间间隔内每台机组的耗电量、供水量，以及所带负荷等相关数据，其最小时间间隔视具体条件应精确到0.25h或0.5h。这样就可以随时调出任何一天的供水量或耗电量进行分析，并可统计出每时、每日、每月、每年的耗电量、供水量，绘制相应的负荷曲线，为各项管理提供最基础的支持。 　　（二）设备状态数据仓库 　　水厂是资金密集、设备密集型企业，水厂生产的安全稳定是建立在水厂设备正常运转的基础上的，因此对设备状态的监控始终是水厂生产管理的重要环节之一。为了能对设备运行状况做出综合评价，将主要的设备的基础数据、缺陷数据、检修数据、可靠性统计数据以及设备的实时运行参数加以集成，按时间标志记入数据仓库，并可以进一步数据挖掘来分析设备状态。 　　除此之外，根据各厂需要还可考虑建立水泵经济性能分析库、供水成本数据仓库、人力资源管理库、流动资金占用分析库等主题数据仓库。有了这些面向决策主题的数据仓库的支持，才能对数据做深入的挖掘分析，从数据中开采出有用的信息或知识。 　　 　　二、数据仓库的数据模型设计 　　 　　考虑到目前水厂数据库系统均采用关系数据库，数据仓库的数据模型设计应采用基于关系数据库的“星形模型”[2]。 　　（一）耗电量/供水量数据仓库 　　事实表记录耗电量/供水量的具体数据，包括不同时间和不同机组下的负荷最大、最小、平均值，以及供水量、耗电量等数据，维表分为：时间维(小时、日、月、年)和机组维，其星形模型如图1所示。 　　 　　图1 耗电量/供水量数据仓库星形模型 　　 　　（二）设备状态数据仓库 　　事实表记录经仔细选择的水厂主辅设备的运行数据和状态监测数据，维表分为时间维(小时、日、月等)、设备维(设备编号、所属机组等)、部门维(所属分车间、班组等)、状态分类维(正常、缺陷、故障等)，其星形模型如图2所示。 　　 　　图2 设备状态数据仓库星形模型 　　 　　三、基于数据仓库的数据挖掘 　　 　　（一）数据仓库和数据挖掘结合的必然性 　　数据仓库是面向决策分析的，数据仓库从事务型数据中抽取并集成得到分析型数据后，需要各种决策分析工具对这些数据进行分析和挖掘，以便得到有用的决策信息。而数据挖掘技术恰恰具备从大量的数据中发现有