引言
电力系统深入到国家经济、生产生活的诸多领域，不仅仅是国民生活与电力系统关系密切，国家工业领域的正常生产也极为依赖于电力系统的稳定运行，尤其是随着信息化和数字化进程的逐步深入，人类的生产生活对于电力系统的需求和依赖也逐渐深化。与此同时，这也导致了对于电力系统中智能设备、智能电网、智能系统的投入和建设，这些智能化建设使得电力系统所产生的电力数据容量成指数级增长。在大数据时代，这些大容量数据隐藏着电力系统运行状态、发展趋势等重要信息，对这些隐藏信息进行挖掘能够创造巨大的价值，对于电力系统数据挖掘方法的研究是获取该价值的关键。
1电力通信业务的数据价值挖掘概述
数据挖掘是一种挖掘信息隐藏价值的数学手段，目的是将知识转变为价值。因此，为了更充分的利用电力数据，使其为电力系统状态分析以及决策提供支持，需要对其进行数据挖掘。但传统的数据挖掘方法是基于单节点的串行挖掘，随着目前数据容量的急剧增大，传统方法已经不能满足需求。而云计算的出现为解决这一问题提供了一种新的途径，其采用分布式架构和并行计算方式，将大量计算机连接起来实现计算能力的爆炸式涌现，使得对于海量数据的处理成为可能。
2电力通信业务的数据挖掘常用方法
(1)异常分析法。通过异常分析法,旨在稽查电力防盗使用。在国家电力系统,非正常运用电力,常常会产生异常或孤点数据。其中异常数据指的是非正常操作下的电力数据,而孤点数据则指的是与正常电力偏离较远的点。在稽查过程当中,电力企业及侦查机关可统一收集分析用户的电力数据,研究数据的异常情况。这么一来,便能从众多用户当中,大幅缩小调查分析范围,及时监控违法行为,令电力使用更加合理合法。(2)关联分析法。在数学、经济等领域的数据分析中,关联分析法属于一种常用的简单方法。从电力企业上看,通过关联分析法旨在分析两个或以上事物之间的关系。然后,利用其他事物来预测其中某事物,进而深挖在事物间隐藏存在的数据联系,得到要用的数据信息。(3)时间序列法。作为动态分析法之一,时间序列法主要通过时间数列、统计等,来处理分析数据。从电力企业来看,通过时间序列法可以统计分析电力的整体使用趋势、变动情况、无序或循环波动等,从而获得要用的数据信息。(4)聚类分析法。通过聚类分析法,旨在分析数据的基本性质及特征,归类性质相近的事物,而性质差异明显的就归入别的种类之中。不同于判别分析的是,这种方法会先按既有事物性质,通过一定的函数法,来判断性质未知的事物,并在性质已知的事物里加以归入。在应用聚类分析法时,往往并不知晓分析对象的具体类别,来分类处理数据信息。(5)分类分析法。分类分析法主要用于分类有关信息,通过分类模型,一般会分析分类集中得到的某些数据,而获得其他的数据,如离散变量预测分类、连续变量预测回归等。
3面向电力通信业务的数据价值挖掘及智能辅助决策
3.1电力系统诊断
利用电力系统内的专职，能够对电力故障进行识别，也能够对电力的故障做出判断和分析，甚至可以确定是电力系统中哪个环节出现了问题。比如，中小型变电站在电力系统发生故障时具有时空上的关联性，所以可以使用优化相似的方式，来对高压输电系统进行判断。可以使用决策树的方法，对变电站的故障进行自动获取，然后制定处置故障的方法。
3.2在数据分析上的应用
通过处理后的数据,可利用联机处理专业技术,来支持决策过程,进而转化数据信息,形成可辅助决策的有用信息。因为电力企业往往要求数据具有较高的实时性,所以针对电力数据,应注意分类处理,形成实时性与非实时性这两种数据。就非实时性类型的数据,可利用分布式系统、MapReduce云计算来有效加以处理,或通过Hadoop云计算平台,来有效处理数据。针对诸如电力负荷等实时性数据,电力企业可考虑借助内存计算专业技术,来经由内存运行计算所有数据,以加快计算进程;又或可以考虑在云平台前,统一设置前置机,以接收实时性数据。
3.3指导设备更新
在电力企业运营过程中电力设备的更新尤为关键。一般情况下，设备的更新主要包括两方面：一方面，由于设备过于老化，亟待更新。针对电力企业设备老化需要更新问题，需要根据经验判断设备使用年限，在此过程中容易出现相关问题，如设备老化程度能否持续使用，特别是某些设备尽管尚未达到使用年限，但功能与电力系统运营不相适应，若坚持使用设备容易浪费电力资源，不利于电力企业最终经济收益。另外，还有部分设备即使到了使用年限但经维修和保养仍可投入使用，不会影响电力系统整体运行，若坚持更换同样会造成资源浪费。另一方面，因电力设备操作失误或遭受意外破坏等，需要及时更新电力设备，这主要是通过对电力监控设备系统功能的有效应用，在对电力设备损坏情况进行系统监测的同时，有针对性地开展维修和养护工作。上述一系列问题，可以透过电力企业实际运营情况、参数设置以及故障保修等一系列数据进行分析，从而确定是否需要更新电力设备，该分析过程不但可降低因设备更新不及时所造成的经济效益损失，而且能够在一定程度上实现企业生产效率和竞争实力的双重提升。
3.4动态评估
电力系统始终都在运行，所以系统是不断变化的，通过数据挖掘，能够对电力系统进行动态评估，对系统未来的安全情况做出预测，及时采取措施预防危险。比如目前对电力系统进行的暂态稳定、电压稳定测试，在数据庞杂的情况下，都需要有数据挖掘作为支撑，从而推动系统的控制和优化配置，提升系统的安全性。
3.5可视化电力企业目标
在电力企业,通过营销决策体系,借助可视化数据设计,可以通过图形来显示数据中存在的复杂信息,进而可视化数据挖掘得来的成果,并且在电力企业规划设计后续发展时加以灵活运用。通过可视化挖掘深度的数据,可迫使员工充分认知电力企业后续的发展趋势、准确评价决策的正确性。最终结果与实际的符合程度,是挖掘系统成功与否的决定因素。
结语
本文基于电力通信资源分级分类管理要求，通过研究建设数据质量管理平台，加强在实际资源数据管理与保鲜过程中的应用，实现了对资源数据的标准化管理。利用数据挖掘技术，明确了物理、逻辑资源的分类、聚类管理，理清了关联关系，为建设面向管理决策的信息化、智能化应用系统提供了数据和平台条件。
参考文献
[1]肖明.大数据时代下数据挖掘技术在企业中的应用[J].中国管理信息化,2015,18(2):58.
[2]许凡,孙勤红.大数据时代的数据挖掘技术探讨[J].电子技术与软件工程,2015(16):208.
[3]熊学锋，周苏，宋凯.泛在电力物联网的用户侧电力大数据关键技术[J].信息技术，2020，44（10）：149-154.
[4]罗俊婷，张来东.电力数据挖掘在电网内部及各领域间的应用[J].信息通信，2020（7）：163-164.
