数据挖掘在电能质量监测数据中的应用

叶细宝

南京灿能电力自动化股份有限公司 , 江苏 南京 2100000

摘要：对于当前的电能质量检测数据处理工作来说，解决电能质量监测数据庞大、数据低密度以及数据异构严重问题势在必行，这就需要加强数据挖掘技术在电能质量检测数据中的应用研究。鉴于此，本文将从分析数据挖掘技术的内涵与应用过程出发，以数据挖掘在电能质量检测数据中所发挥的应用作用与意义为导向，着重探讨了在电能质量检测数据中，数据挖掘的实践应用方法。

关键词：数据挖掘；电能质量检测；数据应用；数据分析

在电能需求随社会经济的发展而不断增长的今天，我国电力事业便处于飞速发展的过程当中，与之相对应的，人们对电能质量的关注度也越来越高，电能质量监测数据也随之呈现海量化与庞大化的发展态势，这在一定程度上便大幅度的提高了电能质量监测工作在电力事业中的重要性与高度。因此，对于当前的电力企业与电能行业来说，加强数据挖掘技术在电能质量监测数据中的应用势在必行，这不仅能够在海量的监测数据中更好的探寻具有价值性的信息，同样也在很大程度上为电能质量监测数据的分析与处理提供了新动力，进而更好的推动我国电力行业发展，进一步促进我国社会经济水平的提高与增强。

1. 数据挖掘的内涵分析

“数据挖掘”，是构成数据库知识发现体系的重要组成部分，主要指的是在海量、不清晰且存在缺失的数据中提取与搜寻具有价值性信息的过程，以此来更好的满足人们对信息以及信息应用的需求。因此，可将“数据挖掘”称之为“数据采矿”“数字勘测”或“资源探勘”。

一般来讲，在开展与实施数据挖掘工作的过程中，通常会涉及到大量范围广、内容深的知识与技术，诸如机械学习技术、模糊识别技术、在线分析处理技术、专家系统、情报检索、在线分析、数学统计以及人工智能等等^[1]。并且，随着近几年来时代的发展与社会的进步，信息技术在各行各业领域中的融入与实践，也使得我国在本世纪正式进入知识经济时代，而知识经济时代除了对当前的社会经济环境带来了巨大的变革与创新外，同时也为数据挖掘技术的发展提供了更为广阔的空间，其应用领域也更为广泛。如，在制造业、金融行业、工业生产领域、生物管理、科学探索、市场形式预测以及地质勘察等等，并在实际的应用过程中做出了较为显著的贡献与作用。

2. 数据挖掘技术的应用过程

通过综合与归纳各个领域中数据挖掘技术的实际应用方式，可将其具体的应用流程大致分为如下四步：

首先，理解问题，确定定义，统计分析。这是实施与使用数据挖掘技术的第一步，在这一流程中，相关的使用者与技术人员需要结合实际应用领域的具体情况，并对相关问题展开分析与认识，以此来实现对应用领域问题的初步理解。然后，在理解应用领域问题的基础上，对其进行抽象且具有意义的定义，以此来明确数据挖掘系统的挖掘线索，确保下一步对线索的统计分析能够实现有效进行和开展。在一般情况下，可通过特征描述、辨别描述以及确定数据集总体特征的方式对数据线索进行统计分析；

其次，对相关数据进行收集、提取、清理以及整理。在这一流程中，相关数据的收集是确保数据提取、清理以及整理效能的基本前提和重要基础。数据挖掘技术的使用者在收集数据的过程中，必须要结合用户既定的搜索条件，对数据库中的共性数据对象进行有效的检索，以此来确保所收集数据的准确性与精准度。在此之后，数据挖掘便能够根据一定的特征与属性建立完善的数据分类规则，进而更好的将数据对象以与其他数据进行分类，以此来更好的完善数据提取、数据清理以及数据整理工作；

再次，对数据进行再加工处理，提高数据价值。这是数据挖掘过程中最为重要与关键的一步。在此流程中，数据挖掘技术使用者可以依托于数据挖掘技术中的最大化类内部与最小化类之间这两个相似性原则对所整理的数据进行聚类分组，以此来实现对数据的再加工处理。并且，在此过程中，数据挖掘技术的使用者还能够利用系统所提供的数据挖掘算法对数据的价值进行预测分析，以此来有效的提高可利用数据信息的价值；

最后，评估挖掘数据结果，合理呈现数据，有效应用数据。这是数据挖掘过程的最后一步，在与其他步骤一样，同样也是构成整个数据挖掘流程的重要一环，在一定程度上便影响着整个数据挖掘工作的有效性。在此流程中，数据挖掘技术的使用者要精准评估所获得的数据结果，并客观、公正的选取出最有的数据。随后，便可利用以信息技术为基础的可视化工具，将相应的数据结果以直观、形象的方式展示出来，以此在提高用户对数据的利用率的同时，更好的帮助用户利用数据解决实践问题。

3. 数据挖掘在电能质量监测数据中的实践应用

在以往的电能质量监测中，主要采用的是电能质量扰动识别、谐波源定位等方法，这种方法与形式虽能够在一定程度上改善传统的电能质量问题。但随着近几年我国电力行业的快速发展，电网工程项目也正处于大规模和高要求的发展过程当中，相较于以往，电能质量检测数据的数量持续增多，数据类型也呈现出多元化发展的趋势，并且每种数据都有其独有的特点，这就使得传统的电能质量检测方法和手段中所存在的劣势和短板逐渐暴露出来，而难以适应当前的电能质量监测数据工作，致使电力行业与电能企业中存在许多电能质量问题，如电流偏差问题、电压偏差问题、频率偏差问题以及有效功率失衡等等

^[2]。并且，在数据采集与处理的过程中，传统的电能质量检测也会因数据质量密度低和数据收集时效性差等问题，而严重影响电能质量监测数据的质量。因此，对于现阶段的电力行业与电能企业来说，加强电能质量监测数据工作的创新，科学、合理的在电能质量监测数据工作中应用数据挖掘技术，不仅能够更好的优化电能质量监测数据的处理与分析问题，同样还能够有效的改善传统电能质量监测工作中所存在的不足，进而有效的优化电能质量问题，促使电能质量监测信息系统实现有效的创新与改革，这对电力行业与电能企业的稳定生存与持续发展同样也具有极为重要的现实意义。

1. 数据挖掘技术在电能质量监测数据预处理中的应用

对数据进行采集是电能质量监测工作中的重要环节，也是获取监测数据最为主要的途径。在一般情况下，电能质量监测工作人员会利用电网监测点配置指数传感器完成此项工作^[3]。但在实际的电能质量监测数据采集过程中，常会收到外界环境、天气条件等各种因素的干扰与影响，致使实际的数据采集工作出现数据缺失、数据异常、数据排序不合理等问题，进而严重影响了电能质量监测数据的可靠性和准确度。因此，为了有效的规避和应对这些问题的出现与发展，就必须应用数据挖掘技术对所采集的数据进行预处理，以此来更好的提高数据的准确性和可靠性，进而为后续的电能质量监测工作奠定良好的基础条件。

例如，对于电能质量扰动信号在小波尺度空间所存在的特征，就可根据相关的规则，利用数据挖掘技术将电能质量的原信号划分为数据长度统一的新信号，并在此基础上，实现小波转化。与此同时，还要对尺度系数进行软阈值处理和相关性处理，以此来更好的消除数据中所存在的噪声，更好的提高电能信号质量；或者，在进行预处理工程时，便可以时间为主要基准，利用相似性递推法处理缺失数据，以此来确保数据指数的完整性和准确性。除此之外，在还可利用KMeans聚类分析法对离群点进行检测，更好的计算数据与最近簇中心之间的距离，在计算所有到最近中心指标的平均距离时，则可采用欧式距离计算方法。并以此为主要标准合理的评价与分析离群点，进而更好的修复离群点的数据缺失。

2. 数据挖掘技术在电能质量监测数据扰动识别中的应用

对于当前的电能质量监测数据处理与分析工作来说，在海量的电能质量扰动信号中提取有价值的数据信号是最为重点与关键的工作任务。而利用数据挖掘与其他技术和知识之间所存在的联系，便能够有效的提升电能质量监测数据扰动识别质量，进而更好的满足电能质量监测对数据处理与分析的需求。

例如，在将向量机法与S变化进行有效结合，数据挖掘技术便能够有效的简化电能质量识别的流程，从而在降低数据信号噪声的同时，进一步提高电能质量识别的效率；或者，将决策树法与小波分解法进行结合，便能够实现对电能质量扰动信号的自动分类，从而在提高分类精准度的基础上，有效的强化扰动识别的质量与效率^[4]。

3. 数据挖掘技术在电能质量监测数据谐波源定位中的应用

三相电压、频率偏差、电流偏差、波形畸变率以及谐波源是电能质量监测中的重要监测指标^[5]。若指标大于或等于规定值时，就说明存在较为明显的电能质量问题，必须要及时的进行维修养护与处理分析故障。而将数据挖掘技术合理的应用到实际的电能质量监测数据谐波源定位中，则能够更加准确和高效的掌握谐波源的实际分布情况，进而实现对谐波源的有效监测，提高治理效果。

例如，利用模糊算法可以将整个电力系统定义为“集”，在实际的电能质量监测数据谐波源定位中，就可利用人工神经网络进行判断，以此来更加准确和高效的获取谐波的分布位置；在此基础上，还可利用聚类法在谐波数据中提取“类”，通过相关性分析法形成“集”，并依据“类”的特征，合理利用分类算法获取谐波源的位置，从而在有效挖掘价值数据的同时，进一步提高电能质量监测数据分析与处理的效率。

总结：

总而言之，在电能质量监测数据中合理的应用数据挖掘技术，不仅能够有效的提高电能质量监测数据处理与分析的质量，还能够在海量的数据库中更加有效的收集、整理与利用有价值的数据湖，以此来确保相关的工作人员能够更加全面的掌握电能质量指标的变化规律，进而间接的提高电网运行的安全性、稳定性与可靠性。因此，必须要加强数据挖掘技术在电能质量监测中的有效应用，进一步完善相应的理论体系与实践指导，以此来确保我国电能质量监测工作能够实现有效进行和有序开展，为推动我国电力行业发展贡献力量。

参考文献：

1. 林顺富, 谢潮, 汤波,等. 数据挖掘在电能质量监测数据分析中的应用[J]. 电测与仪表, 2017, 54(9):6.

2. 仲亮. 数据挖掘在电能质量监测数据分析中应用[J]. 轻松学电脑, 2019.

3. 胡楠, 李亮, 冉冉,等. 数据挖掘在电能质量监测数据分析中的应用[J]. 科技风, 2018(23):1.

4. 张锋、常光旗、李艳华. 电能质量监测数据挖掘瓶颈探析[C]// 第七届电能质量研讨会. 0.

5. 刘军成. 电能质量监测数据应用探析[C]// 第四届全国电能质量学术会议暨电能质量行业发展论坛:电能质量与高效优质用电. 0.