数据挖掘在电力调度自动化系统中应用解析.docVIP

数据挖掘在电力调度自动化系统中应用解析 　　摘 要：电力调度自动化系统主要是被应用在线调度生产运行中，能够对数据信息进行分析、控制、传输。数据挖掘技术作为一种人工智能和数据库技术结合的新型技术形式，将其应用到电力调度自动化系统中能够有效解决电力调动自动化系统数据信息应用不合理的问题。文章在阐述数据挖掘和电力调度自动化系统内涵的基础上，结合蚁群算法改进原有周期性数据挖掘方法，旨在进一步提升电力调度自动化系统运行速度，为相关人员的报表制定、事故预警提供帮助。 　　关键词：数据挖掘；电力调度自动化系统；应用 　　中图分类号：TM73 文献标志码：A 文章编号：2095-2945（2017）35-0149-02 　　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。为此，文章重点分析基于关联规则的数据挖掘在电力调度自动化系统中的应用。 　　1 数据挖掘概述 　　1.1 内涵和分类 　　在信息技术的发展下，我国数据库库存容量急剧扩张，在庞大的数据信息中怎样获取有效的数据信息成为相关人员重点思考的问题。数据挖掘能够从技术层面来分析、处理这些数据信息，通过各种分析工具的利用来找到数据信息和模型构建之间的关联，为相关领域的发展提供重要决策支持。在信息挖掘技术的发展下，出现了不同类型的数据挖掘技术和方法，具体如图1所示。 　　1.2 关联规则挖掘 　　关联规则挖掘是数据挖掘的重要分支，是常见的数据挖掘方法，主要是对大量数据之间关联问题的发现和分析，在找到数据联系之后决定哪些事件能够一起发生。数据库中的关联规则描述如下所示：假设I={i1、i2......im}是由m个不同项目组合形成的集合，项的集合是项集，包括k个项集，给定事务D（交易数据库），事务（交易）T从属于数据项（I），T是唯一的标示符。在X属于T的时候，交易T则是包含项集X，关联规则X=Y在交易数据库中成立。 　　2 电力调度自动化系统概述 　　2.1 内涵 　　电力调度自动化系统能够为电网系统安全、稳定运行提供重要支持，并为相关电力人员工作、决策提供有力信息的支持。电力调度自动化系统的组成如下所示：第一，前置机。前置机能够从RTU从完成数据信息的收集整理工作，并能够结合实际对系统的指令进行接收、解释。第二，主备用服务器。主备泳服务器包括数据库和实时库服务器，是电力调度系统的重要组成部件，能够对系统各个工作站的运行进行监督。第三，网络服务器。网络服务器主要是对数据信息分布和数据表整理工作的监督。第四，卫星钟。卫星钟系统将全球定位时间作为系统时间。第五，物理隔离开关。物理隔离开关能够解决数据的隔离应用问题。 　　2.2 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。 　　3 基于蚁群算法的周期性关联规则数据挖掘 　　3.1 周期关联规则 　　周期性关联规则挖掘是时态约束关联规则的一种，适用于对周期性关联的发现层面，比如每年夏季城市居民用电量的均值比其他季节高，城市居民周末用电量平均值比其他周末时间高等。 　　3.2 蚁群算法 　　蚂蚁的群体行为表现出一种信息正反馈现象，蚁群算法由转移规则和信息素更新规则组成，具体可以描述成：假设平面上有n个城市，n个城市的 TSP 问题来找到n个城市的最短路径。假设蚁群系统中蚂蚁的数量是m、d（i，j=1，2，…，n），代表的是城市i到城市j之间的距离，b（t）表示t时刻位于城市i的蚂蚁个数。在初始阶段，各个线路上的信息量是对等的，假设？子ij（0）=c，蚂蚁k在运动的过程中根据信息量来选择下一步所走的方向，t时刻蚂蚁k由城市i转移到城市j的概率表示如（1）所示。 　　3.3 基于蚁群算法的周期性关联规则 　　假设T1、T2，Tmin为系统时间定义单位组成的时