随着计算机技术与网络技术的快速发展，各个领域中逐渐开始高度重视办公信息化的应用。电力企业同样如此，为了保障能够与社会的发展现状进行迎合，确保自身能够在大数据时代占据充分的竞争力，逐渐开始普及应用云计算以及大数据分析技术。面对电力网络的不断发展，电力用户的需求也在的不断的提升，电力公司为了充分保障客户的需求得到充分的满足，应当保障电力公司的生产效率得到充分的提升，确保电力网络运行的稳定性。因此，将云计算和电力大数据技术应用在电力企业中，能够真正为电力企业的发展提供源源不断的动力。
1、云计算与大数据技术
1.1、云计算
作为一种在信息网络基础上建立起来的超级计算模式，云计算能够通过非本地或者是远程的分布式计算机作为用户的数据存储以及计算服务的载体。作为当下作为先进的数据处理模式，云计算能够保障数据的处理效率得到充分的提升，保障数据的存储空间得到拓展。同时，得益于云计算技术较高的延展性以及弹性，能过真正保障数据处理功能的应用效果得到充分的提升，进而保障对于数据的存储以及分析能力。在电力系统中应用云计算技术，能够确保用户的请求得到及时的接受，保障数据的处理效率得到充分的提升，这更是我国当下电力发展的必然要求。因为云计算技术方面的具体优势所决定，在进行电力大数据信息分析和处理的过程中，能够充分保障整体性数据的展开与分割得到充分的实现，针对不同层次的数据进行有效的计算，电力企业人力成本上的支出得到极大的控制，同时能够确保工作效率得到充分的提升。最后，云计算技术有着十分庞大的存储空间，而随着电力需求量的不断增加，数据的量也在不断的增加，通过对于计算技术的广泛应用，能够实现虚拟空间存储的方式，确保社会负载发展的需求得到充分的满足，真正解决我国电力系统现阶段在信心数据处理方面的不足。
1.2、大数据技术
所谓的数据挖掘技术就是指从大量的数据信息中通过一定的算法搜索出隐藏信息的过程。大多数情况下，数据挖掘技术与计算机科学有着紧密的联系，其通过统计、分析以及处理的方式对信息进行整理，随后对信息进行检索、机器学习、专家系统以及模式识别等多种方法来实现上述目的。通常情况下，在进行数据挖掘需要以下过程：首先，针对海量的信息进行基础范围确定，选择一定的信息，随后对信息数据进行预处理，经过处理发现并模拟数据信息的联系，随后对数据信息之间的关系进行评估，最后进行知识识别。数据挖掘技术主要采用的是决策树的方式、模糊集方法、粗糙集理论、覆盖正例排斥反例方法、统计反例方法、神经网络方法以及仿生全局优化的遗传算法。
2、云计算大数据分析技术在电力系统应用中的发展
现代化社会大数据技术的发展有目共睹，而电力系统因大数据技术在迎来全新发展机遇的同时也有着很大的挑战。首先，大数据处理朝着可视化方向发展，使大数据分析处理的结果展示方式也变得多样化，便于人们对电力数据信息进行理解。随着大数据与其他学科的融合，电力行业中数字化程度进一步加深，数据信息也更加复杂化，要想对复杂信息进行有效的处理，就需要通大数据技术来进行实现。此外，基于云计算的电力大数据分析技术在应用中也存在信息安全的问题，在对大数据进行分析处理的过程中也存在信息泄露的风险，对电力企业以及国家安全都会带来严重损失。为了解决上述问题，还需加强对大数据技术的研究，采取有效的防护措施对信息进行保护。此外，在大数据技术和电力学科融合的过程中注意挖掘庞大体量电力数据中有价值的信息，保证数据的时效性，对我国电力企业长久稳定发展起着积极的作用。例如在云计算中运用数据处理技术时，常常会借助电脑自动化分析处理系统，并且在内部以电力处理系统信息为基础，创建出 SQL 系统下的语句程序检测体系，来健全电脑自动化分析处理的整体空间。
3、基于云计算的电力大数据分析技术
当下面对海量的数据信息，在进行数据分析的过程中通常会应到基于云计算的数据分析技术的以下几种方法。
第一，数据关联分析法。在针对海量的数据信息进行分析的过程中，这种关联数据分析的方式通常可以分为三个步骤：首先，对分析数据的范围进行初步的明确，对待处理的数据对象进行收集，充分明确关联性研究的属性；其次，针对已经初步确定范围的数据信息进行与处理，为分析数据的完整性以及真实性做出充分的保障，分析数据库中则会自动保存经过与处理的数据结果；最后，对数据分析进行塑造训练，采用排列组合的方式赋予数据实体的阈值分析。
第二，数据模糊学习法。这种数据分析技术的原理就是先假设云计算平台下保存有一定数量的信息样本，随后针对随机的信息样本进行指标描述，采用标准差的方式计算所有的信息样本，最终实现数据的价值分析以及高度压缩。针对海量的数据分析，采用这种方式的关键就是模数隶属函数的确定与筛选，最终才能够实现基于云计算的数据分析，充分分析海量数据信息中的模糊化操作。但是采用这种方式应当注意的一点是，需要在激活的条件下才能够实现网络数据结合点的信息收集。
第三，数据分析Apriori算法，作为一个分析关联规则的算法，Apriori算法是一种基本的算法类型，其采用两阶段的分析思想，并且基于多次扫描事物数据库的方式来执行相关的操作。相较于其他的算法有明显的不同，其他数据分析技术面对海量数据的复杂性以冗繁性时，难以避免会导致数据分析算法的收敛性受到一定的影响，但是针对这个问题，Apriori算法则能够更好的规避，充分提升数据算法的运行效率，提升数据分析的质量、深度与广度。在最大程度节省投入成本的基本理念之下， 积极利用计算机技术对数据分析技术进行模拟实践，能够充分保障海量数据的分析速度得到大大的提升。
结束语：总而言之，面对现代社会的信息化背景，因为信息化技术的发展，人们的生活以及生产得到了极大地便利，但与此同时需要我们进行处理的数据信息量也在不断的增加。因此，电力企业应当保障自身的信息化水平得到不断的提升，保障电力网络建设规模的不断提升，真正做好电力信息的采集与储存工作，确保电力大数据的处理效率以及处理质量得到充分的提升。得益于云计算数据处理快、兼容性好以及数据存储量大的优势，在针对电力大数据进行分析的过程中应用云计算技术能够充分发挥云计算技术本身的作用于水平，真正保障电力大数据的存储容量得到充分的提升，提升电力系统的整体性。
参考文献：[1]杨佳. 基于云计算的电力大数据分析技术与应用[J]. 信息与电脑(理论版), 2019, 426(08):36-37.
[2] 沈维捷, 卞龙江, 张行建,等. 基于大数据技术的质量信息分析评价及电商化采购质量管控策略应用研究[J]. 现代管理, 2019, 9(5):6.
[3] 姚德贵, 魏东飞, 吉祥鑫,等. 面向智慧电网大数据的云计算框架研究及应用[J]. 工业控制计算机, 2020(3):104-106.