数据挖掘技术在电力管理和分析中的应用

数据挖掘技术在电力管理和分析中的应用
摘要：作为一种数据分析方法和技术，发现潜在的信息，大量的信息，数据挖掘已成为社会关注的焦点。

在电力行业的信息化建设进程中，有大量历史数据，采用数据挖掘技术来研究和发展是刻不容缓，分析决策系统需要解决在电力运行管理中存在的关键和突出问题企业。

本文提出了详细的数据挖掘算法分析。

基于电力管理分析的特点，重点讨论了聚类分析算法。

基于电力数据管理分析系统，数据挖掘技术在本文设计的过程采用混合型数据并获得良好的挖掘效果。

聚类对电力客户数据分析可以得到很好的分类，有助于预测顾客的购买行为。

关键词：数据挖掘；电力数据；管理分析；聚类算法
一、引言
现代信息化浪潮在全球范围内的快速发展，各种通道产生的信息越来越多，信息更新的速度越来越快，成千上万的数据是各行业的发展依据。

然而，数据库中的数据应用程序开发主要是低效的搜索查询，此外，相当多数量的数据具有很强的时效性。

数据值的降低迅速，虽然简单的数据查询和统计可以满足一些低水平的需要，但人们需要的是找到一般知识具有不同的指导意义，从知识的高度概括和抽象出大量数据。

用方法来发现隐藏的缺乏数据中的知识，导致了“数据爆炸但知识缺乏。

目前广泛使用的数据库和计算机网络和先进的自动化的
应用数据生成和采集工具，数据量已经急剧增长，海量数据层出不穷。

每一天，例如，高达客户购买数据存储在POS机超市系统；每小时，各种同步卫星发送大量的遥感图像数据的到地球，很明显，大量的信息可以提供给人便利，但同时也带来一系列的问题。

比如，太多的信息量人难以掌握和消化，很难区分一些信息的真实与否，因此，这使得很难正确运用信息，不同的信息组织形式，很难在一起构成有效的信息。

传统的数据库技术和数据处理装置不能满足要求，快速发展互联网使各种资源在互联网上异常丰富，使它像在寻找一根掉在草堆里的针一样在互联网搜索信息。

电力信息管理分析在电力工业的需求，它是一个高水平的帮助企业做出决定的决策者。

目前，电力行业决策者只能获得有限的业务信息并按固定定时报告制度，但不能充分认识系统客户和市场需求。

以客户为中心的买方市场和电力支付之间的矛盾已越来越多。

在电力消费不断增加的情况下每年的电力费用损失和欠的电费达一亿，严重地阻碍了企业的发展和更好的客户服务质量。

然而，控制和解决电费不是一个单一的问题，它密切和电力服务，信用评级，营销策略，监管手段紧密相关。

因此，有必要研究采用先进的、实用的分析决策系统——数据挖掘技术来解决供电企业最重要的运行管理突出问题。

本文提出了一种聚类算法，并将这算法在实际系统中用于管理预测，供电企业根据电力客户提供依据进行管理和决策。

二．数据挖掘技术
数据挖掘有广义和狭义之分。

从广义上讲，数据挖掘是从大量信息中发现隐藏的、内在的和有用的知识或信息。

从狭义上讲，数据挖掘是发现，建立有用的、重要模型。

数据挖掘的理论基础，为开发和研究提供了指导方针。

众所周知，数据挖掘的开发涉及到许多相关学科，数据挖掘涉及机器学习，模式识别，统计，智能数据库，知识获取，数据可视化，高性能计算和专家系统等领域。

数据挖掘是数据分析深层次的方法。

它的思想平台（或者称为数据库存理论）是数据仓库（或数据集市）。

数据挖掘系统大致可以分为三层结构。

第一层是数据源，包括数据库和数据仓库。

数据挖掘不一定是基于数据仓库。

但数据仓库将极大地提高数据挖掘的效率。

第二层是利用数据挖掘的数据挖掘工具方法对数据库中的数据，包括关联分析，序列模式分析，分类分析、聚类分析等。

第三层是用户界面显示所得到的信息方法用户易于理解和观察。

可以使用可视化工具。

三．数据挖掘在电力管理和分析中的应用
近年来，信息越来越受到人们的重视，是企业发展的关键。

在这个全新的“信息时代”，赢家企业通常能够成功地收集，分析，理解信息并提出基于信息的决策。

在信息快速发展的同时，信息化建设在电力工业中也得到大力发展和广泛应用。

电能的使用营销管理信息系统，客户服务系统继承积累了大量历史数据（包括客户资料）。

为了
处理这些有效的数据和分析系统，可以利用数据挖掘技术服务于电力系统，为决策者提供依据。

在电力管理与分析系统，数据挖掘可以收集各种零散的客户数据，建立各种主题的数据库，售电，功率供应和客户关系等让企业的高级主管，市场营销主管掌握。

尤其重要客户，销售，收入和利润结构，重要客户的价值，经营风险、成本及其他信息和变化。

整个数据挖掘过程中必须要在深刻认识的基础上挖掘对象，不同的对象需要使用不同的数据挖掘技术。

四．电力数据挖掘算法管理与分析系统
A.聚类分析
聚类分析是一种对数据进行合理分类的方法。

将对象的群体按一定的规则进行分类。

这些类别不是预先给定的，但是基于数据的特点所决定的。

聚类是将目标数据合并成一个类别，类别之间的相似性最小化，类内的相似性最大化。

聚类的问题在于：分类问题，我们知道训练的分类属性值集合，而在聚类问题，我们需要找到这个分类属性值。

聚类分析是多元统计的一个重要组成部分。

传统的已经出现了多种算法统计方法，随着新兴的数据挖掘技术发展，已经提出了许多算法。

目前，聚类分析已经被广泛的应用在许多领域，包括模式识别，数据分析，图象处理、市场研究等。

该数据集集群包括N数据对象。

这些数据对象，可以用来参考
人，单位，文件，国家等。

许多聚类算法选择以下两个典型数据结构。

（2）相异矩阵（或称为对象的对象结构）：商店的每两个对象之间的相似性在n对象，表现形式是一个N×N维矩阵。

在这里，d（i，j）的定量表达对象和对象之间的相异j，i通常，它是一个非负价值。

更多的类似或“接近”的对象，i和j，接近0，是属性值不同的两个对象。

由于D（i，j）= D（j，i）和D（i，i）= 0，简化矩阵可以得出上述的相似性，意味着对象的相似程度。

它是基于描述的属性值的对象，它通常是用来衡量相似性数值变量。

B.系统设计分析
本文结合国内电力系统的实际情况，利用先进的信息技术进行多层次，多角度的分析和挖掘设计电力管理和分析决策支持系统。

在此系统中，可以显示各种数据状况和动态，可以方便地被管理者灵活、快速提取和发现有用的信息，根据不同的要求来揭示对电力市场和营销的内在规律，有助于管理人员随时掌握电力客户结构和顾客特征。

在这系统中，它主要考虑如何根据现有的客户简介发现需要决策信息。

数据挖掘可以解决电力管理的问题并进行分析，包括：市场需求分析和管理，电力销售分析，重要客户的识别分析，普通客户识别分
析，综合分析电力企业和分析其他市场行为。

数据挖掘在电力管理分析系统中，可以收集各种零散的客户数据，建立面向各种对象的主题数据库，分析为客户情况，售电，功率供应风险和客户关系等主题，为企业的高级主管，市场营销主管掌握与客户服务的关系，尤其是重要客户的关系，销售，收入和利润结构，重要的客户的价值，经营风险、成本及其他信息和变化。

所有的基础数据来自三个方面：电力MIS系统，不同的采集与监控系统，供电系统。

数据导入，提取，过滤和集成。

在电力管理与分析系统中，首先，从大量保存在原始数据库中数据选择相关的数据决策和解压缩到系统的数据库，然后，使用开发工具进行分析。

设计电力管理与分析系统主要是由四个功能模块组成，即实现，数据过滤，模型设计，挖掘分类结果显示。

数据过滤是根据内容提示，选择最小的数据集，以满足在这嘈杂，污染和不完整的数据的消除需求。

在这个过程中主要是考虑三个方面的内容如时间，角度和原始数据。

为了达到一定的目的，人们使用一个抽象的原型模型。

在这个系统中建立的模型是原来的信息定性和定量的分析和处理然后建立的，它被转换为直观的信息，为决策者提供确定最佳的基础管理决策。

五、结论
作为一种数据分析方法和技术，在一个很大的信息库中找出潜在
的信息，数据挖掘已成为社会关注的焦点。

在电力行业的电力信息化建设过程中有大量历史数据，应用数据挖掘技术迫在眉睫，开发一个分析决策系统要解决的关键突出问题在供电企业的运行管理。

本文介绍了数据挖掘算法的分析和比较。

基于电功率特性管理分析，重点讨论了聚类分析算法。

电力数据管理基于数据挖掘技术的分析系统，本文的设计可以处理混合型数据并获得良好的挖掘效果。

聚类分析电力客户数据可以获得良好的分类，有助于预测顾客的购买行为。

参考文献
[ 1 ]洪涌，崔庆橡木，焕穆克涌．代利用信息增益近似规则．IEEE 国际模糊系统会议录，八月22-25 2009，汉城，韩国．p1241-p1245．[ 2 ]宗佩宏，慈济婷，被中国建．学习近似的模糊规则从训练exples [一].IEEE 2001
模糊系统国际会议．十二月，2009，p256-p259．
[ 3 ] Z．Pawlak．粗糙集，粗糙的关系和粗糙的功能．基本informaticae，第27卷，3号，8，2006，p271-p276．
[4]李瑞，万明傲，潘宇．浅谈数据挖掘技术在电力管理系统上的应用［Ｊ］．信息科技，２００８，１６．P１２２-p１２５。