数据挖掘在电网的应用-0615.pptxVIP

数据挖掘在电网的应用 国网电力科学研究院 二零一二年六月 2 目 录 3 数据挖掘--概述 数据挖掘--就是指从大量不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。 数据挖掘--是统计学、数据库技术、模式识别、机器学习、人工智能技术的交叉综合。 数据可以是结构化，如关系数据库中的数据；也可以是非结构化的，如文本、图形和图像数据； 发现知识的方法可以是数学的，也可以是非数学的；可以是演绎的，也可以是归纳的。 发现的知识可以被用于信息管理，查询优化，决策支持和过程控制等，还可以用于数据自身的维护； OLTP 数据仓库 数据挖掘 （预测型和描述型） 决策支持 知识 OLAP 查询报表 4 定时生成，月度/季度财务报表 为实现投资收益最大，应如何对资产结构进行调整？ 接下来哪些设备可能发生故障？ 可以预计区域的电力负荷发展趋势 可以了解为什么电网运行线损在增加？ 当决算超出预算目标时，财务主管将收到警报 对各种类型的物资进行排序，探查它们的库存情况 一周内各天各区域的故障设备数量报告 电网业务分析能力的八个级别--常规报表、即席查询、多维分析、警报、统计分析、预报、预测型建模、优化 常规 报表 即席 查询 多维 分析 警报 统计 分析 预报 预测型建模 优化 发生了什么事情？ 数量、频率、地点如何？ 问题出现在哪里？ 需要采取什么行动？ 为什么会发生？ 如果这些趋势继续下去会如何？ 接下来会发生什么事情？ 可能出现的最好情况是什么？ 竞争优势 智能程度 展 示 层 应 用 层 5 数据挖掘在电网的应用框架--业务层、数据层、分析层、应用层、展示层 报表 报表 报表 告警 仪表盘/报表 标准 模型 报告 分 析 层 6 电网业务数据挖掘的过程--业务理解、数据理解、数据准备、模型建立、模型评估、应用部署 7 数据挖掘在电网业务的应用--经营决策、管理控制、生产作业 8 目 录 9 提升点 规范资产退役处置流程； 提升资产退役处置与物资管理、项目建设、电网规划等业务关联； 提升点 对现场施工和监理单位的实施情况进行跟踪，提升对承包商的管控能力； 加强对承包商的评价管理能力； 提升点 提升工作外包单位的对现场工作质量监控力度； 加强工作外包合同的精细化管理； 提升点 提升工单管理的计划能力； 加强工单精细化管理，实现对所有维修成本的分类管理，并能够将维修成本分摊到单体资产； 提升点 根据对设备状态评价结果，提高设备状态检修能力； 按照“大生产”的目标，加强生产调度一体化管理； 提升点 进一步细化现场工作规范，实现实现基建、生产、营销等标准化现场工作管理，提高现场工作质量； 提高现场工作与工作外包之间的关联，协调多方资源，加强对外包单位的管控； 提升点 提升项目结算进度，加快转资效率； 加强项目结算转资与资产运维阶段的业务关联，提高移交项目设备，建立资产卡片的准确性，实现资产与设备的联动； 提升点 提升投资计划的管控力度； 提高投资计划与电网规划、项目建设环节之间的关联； 提升点 提升战略规划的能力，实现战略规划的智能化分析和决策； 通过知识发现来辨识企业风险 ，提升企业在重大战略事件发生时的应对能力和自适应能力； 资产全寿命周期管理--业务框架 提升点 提升项目前期与投资计划、项目设计与预估、项目实施管理的内部关联； 加强项目可研报告管理，提高可研的准确度，降低可研调整率； 提升点 加强项目预算控制，提高项目预算控制精细化程度； 提升点 通过获取重要项目的建设进度（项目重要进度节点），加强对现状电网进行评估及更准确的对中长期供电能力进行预测； 提升点 提高资产规划的准确性与合理性，充分利用资产各个阶段的数据进行分析； 提升点 完善项目后评估体系建设，加大项目后评估范围和力度； 加强项目后评估与项目各个阶段之间的业务关联 提升点； 提升资产退役处置后的残值管理； 加强资产信息管理与物资管理的融合； 提升点； 加强设备台帐管理、项目管理和物资管理的融合； 提升点 按照“大基建”的目标，加强项目的标准化管理，提升进度、质量、文档等环节的管理能力，实现基建项目、技改项目、城农网项目、营销项目等工程项目一体化管理； 10 项目前期 项目设计与预估 项目实施管理 项目外包 项目结算与转资 项目评估 电网规划 财务管理 供应链管理 设备台帐管理 资产信息管理 投资计划 资产绩效与评估 加强项目前期管理，避免项目抢跑；在项目可研阶段需要分析项目的投资效益 加强项目设计与供应链管理的业务融合； 规范项目预算控制层级，实现项目预算管理的精细化 实现项目的精细化进度管理、风险管理、质量管理、成本管理、技术管理。 规范转资流程，明确项目移交资料规范，实现辅助自动转资，并形