首页 > 论文范文 > 工程工业论文 > 电力工业论文 > 基于数据挖掘的电力数据资产运营系统设计

基于数据挖掘的电力数据资产运营系统设计

2024-09-23 140 上传者：管理员

摘要：现有运营系统的数据查询时间较长，用户体验感较差，设计基于数据挖掘的电力数据资产运营系统。系统数据层的数据挖掘模块通过DSP+FPGA处理单元，挖掘电力资产数据，按照用户的需求对数据进行处理、分析和存储，应用层调用数据层数据，通过显示层的可视化窗口为用户呈现运营管理结果，同时支持运营结果的表格查询及Internet接口扩展传输；通过WEB APP、WEB-GIS、UML兼容技术实现系统软件流程化开发。实验结果表明系统可快速、准确挖掘电力资产数据，数据仓库分库处理可提高数据查询效率。

关键词：
数据挖掘
数据调度
电力数据
系统设计
资产运营
加入收藏

近年来，科技的进步使电力行业在人们生产生活中更加重要，技术和资金的密集性是电力行业区别于其他行业的主要特点[1]，采用大数据操作技术是电力数据资产信息主要来源渠道之一。建立完善的电力数据资产运营体系，有利于收录数据及数据统一调度[2]，也有利于提高电力行业对数据的处理和平衡控制能力。

为更好地实现电力数据资产运营管理，张亚迪等提出三维GIS平台的电网数据资产可视化系统设计方案[3]，将可视化理念融入，有效提高电网管理效率，但该系统过于工程化和数字化，为检查维修带来很多不便。鲁文帅等设计数据挖掘的科技情报采集分析平台[4]，将人工智能与大数据技术相结合，对数据进行挖掘、过滤、分类以及存储等，使数据更精准的同时也降低了数据查询时间。

大数据具有复杂性、可变性和真实性的特征，是现如今电力行业提高效率行之有效的方法之一。基于此，大数据的来源渠道便尤为重要。构建完善的数据挖掘模块，不仅能在海量的数据中高效率地挖掘出期望数据，更能对挖掘出的数据进行分析和存储[5-6]，为电力数据资产运营系统后续工作奠定基础。

因此设计基于数据挖掘的电力数据资产运营系统，通过数据准确挖掘和精准分析、存储，有利于电力行业的数据调度和均衡使用。

1、电力数据资产运营系统

1.1 系统总体结构

由于电力数据资产运营系统涉及的数据量众多，所以安全性、快速性、兼容性以及拓展性等都是该系统应当综合考虑的均衡关系[7]。基于此，构建包括数据层、存储层、应用层、显示层4层架构的电力数据资产运营系统，以便于实现信息统一调度管理。具体结构见图1。

根据图1可知，电力数据资产运营系统的数据层利用数据挖掘模块挖掘由通信接口接收到的电力资产数据，并通过图像模块展示数据挖掘结果。系统存储层负责将挖掘出的数据按其数据类型进行合理存储，存储层包括数据仓库、知识库、模拟仓库和词典库。应用层作为实现系统电力数据资产运营的核心层，包含数据调度、数据分析、数据决策以及报告生成模块，各模块依据系统的电力数据资产运营需求执行相关操作，应用层最终的数据处理结果通过显示层的可视化窗口传递给用户，同时显示层还提供电力数据资产运营结果的表格查询，并支持Internet接口的扩展传输。

图1 系统总体架构

1.2 系统硬件结构

1.2.1 数据挖掘模块设计

系统数据层数据挖掘模块的设计是将DSP+FPGA作为处理单元对电力数据进行挖掘。数据挖掘模块是由主控处理单元、接口单元1、接口单元2以及以太网接口单元四部分构成。具体结构见图1。

图2 数据挖掘模块主要结构

由图1可知，电力数据信号利用电路接口接入FPGA管脚。FPGA管脚转换操作后将收发信号分别接入DPS的MCBSP。将EMIF2利用以太网接口单元接入DSP主处理芯片，以太网单元数据处理利用DSP程序完成。DSP程序的存储和加载，通常是利用主处理单元内DSP芯片的EMIFI接口和DSP程序FLASH芯片连接完成的。处理器缓存计算能力的拓展利用EMIFO和SDRAM连接实现[8]。

1.2.2 数据仓库设计

在对期望数据进行挖掘之后，需将信息有效存储和处理。系统存储层的数据仓库是将挖掘到的初始数据集统一收录到中央仓库，进行集中处理的一种体系结构。数据仓库的最终目标是根据用户的需求对海量数据进行分析和处理。为了更精准地实现数据仓库的分析功能，可以对仓库进行分库处理，各分库负载能力相同，数据量高的分库拥有比较低的权值，因此可以提高电力数据资产运营信息的调度和查询的效率。数据仓库具体设计方案见图3。

图3 数据仓库设计图

根据图3可知，在数据仓库设计中最核心的是对数据仓库分库后的数据集市的数据进行分析与处理。当通过数据挖掘获取的电力资产数据以及电力运营数据收录到数据仓库后，按照用户的需求对数据进行处理和分析，并将分析处理完成的数据结果进行展示。

1.3 系统软件结构

1.3.1 电力资产数据调度算法

为更好地实现电力数据资产运营管理，系统应用层的数据调度模块采用如下方式对电力资产数据进行调度处理。

将电力资产数据假定为，则在相空间的数据集形式分布为：

式中，Xn是混合属性数据集，T为调度时间延迟，N表示采样时间窗口，则电力资产数据调度的一个时间跨度为：

式中，δ为电力资产数据控制节点，ai(T)表示电力资产数据分布层次信息，Ti(t)为调度时间,e(t)表示电力资产数据调度参数。

电力资产数据调度的关联矩阵在离散化数值属性控制下表示为：

式中，c电力资产参数的调度响应速度，表示关联矩阵特征变量。

电力资产数据分布属性值的类间特征量获取为：

式中，类间特征量表示为I()，离散区间数为，时频分布函数为pij，离散分布函数为pij()，时频分布参量pipj。电力资产数据的控制函数E(i,j)在最大迭代次数下表示为：

ai作为模糊数据划分轨迹A的某一点，其电力资产数据输出负载是：

式中，R是电力资产数据输出负载，簇中心数值属性分布权重和均衡比分别是w1、w2、w3、w4和Ci,Di是电力资产模糊函数，所以电力资产数据隶属簇数为A,电力资产数据优化控制函数为：

式中，A的单个属性中包括不同属性值NA,NA为属性值，为资产优化控制参量，为电力资产簇中心数值，为数据隶属量，为模糊数据权重。

基于此算法对完成电力资产数据的调度，利用交叉编辑翻译和程序加载将该电力资源调度算法加载在本系统的数据调度模块，完成电力数据资产运营管理。

1.3.2 电力数据资产运营系统的软件设计

软件设计选用开发模式，电力数据资产信息挖掘的算法在WEB APP应用程序中加载，网络组网和接口的设计在WEB-GIS服务器中完成。在系统设计中建立嵌入式程序加载平台，选用UML兼容技术，通过数据仓库得到电力数据misc函数：

对该函数进行逻辑控制和寄存器的代入，通过嵌入式加载平台进行电力数据资产运营系统软件设计，设计流程见图4。

图4 软件开发流程图

由该流程图可知，当电力资产数据输入时，若参数包含tcclient，则跳转成功生成软件，若不包含但通过http协议且高于814版本也跳转成功。在通过http过程中，若顺利通过则更换开头重新输入生成，若无法通过则停止运营取消生成。

2、实验分析

实验将电力数据资产运营系统运用在某电力公司中，检测系统电力数据资产运营性能，先检测电力数据挖掘性能，再检测系统挖掘不同电力用户数据的准确率，最后测试不同数据仓库分库数和不同查询数据量对查询信息效率的影响。

2.1 电力数据资产查询

统计系统对实验公司电力设备资产相关信息的查询结果，查询界面图见图5。

图5 电力数据资产查询界面图

由图5可知，系统可以对实验公司的电力数据资产信息进行全面、有效查询，呈现出电力设备的设备ID、设备编号以及设备名称，同时显示出设备发生的故障次数以及故障率等信息，从中得出该实验电力公司的设备ID号是3、8以及11的故障率比其他设备的故障率高，提示设备维修人员针对三种设备进行有效维修，降低设备故障发生率，确保设备的安全运行，为总体电力公司的稳定运行提供有效基础。

2.2 数据挖掘性能分析

为验证系统数据挖掘的性能，针对实验公司不同用户某月用电相关数据展开挖掘，结果见表1。

表1 数据挖掘性能

根据表1的数据可以发现，系统可以挖掘不同用户用电时长、使用电量、缴费金额、查询时长以及错误率等数据。从中发现，各用户月用电量在300 kWh左右，数据查询时间和错误率很低可以忽略不计。这说明数据挖掘快速且准确。

2.3 数据仓库分库数量对查询效率影响分析

为验证分库数量对电力资产数据查询效率的影响，实验选取10、20、30和40四种分库数量，统计系统在不同分库数量下查询同一数据的查询效率，具体结果见图6。

图6 不同分库数对数据查询效率的影响

由图6可知，当数据仓库的分库数不断增加时，数据查询的效率也在不断提升，这说明越多的分库同时运营，数据查询的效率越高，系统运行效果越好。

2.4 数据大小对调度性能的影响

为验证调度数据量的大小对数据调度效率的影响。实验选取不同调度数据数量，在数据仓库分库数量定量前提下进行数据调度，具体结果见图7。

由图7可见，在数据仓库分库数量不变时，随着调度数据量的增加，数据调度效率提升情况不断下降，随着调度数据量的持续增加，数据调度效率提升情况在调度数据量超过6 000个时趋于稳定，不再下降，调度数据量的持续增加对调度效率的影响较小，即使在调度数据量为10 000个时，数据调度的提升效率始终高于3.0%。说明系统的数据调度效率受查询信息数量影响较小，且更适用于大规模数据调度。

图7 不同调度数据量对数据调度效率的影响

3、结束语

针对电力数据资产运营系统的设计展开研究，通过引入数据挖掘模块从海量数据中挖掘出用于电力数据资产运营管理的数据，为电力系统的调度、分析、决策等提供有效数据支撑。实验验证了数据挖掘模块数据挖掘具有较高的准确性，数据仓库分库数量越多系统的查询效率越高，但分库数量的增加会提升系统的运行成本，实际应用中应结合实际经济预算设置合理的数据仓库分库数量，同时本系统更加适合大规模的数据调度。

参考文献:

[1]孙立明,杨博.基于扰动观测器的电力系统鲁棒滑模控制器设计[J].电力系统保护与控制,2020,48(20):124-132.

[2]王天军,郭江涛,明涛,等.区块链技术在资产全寿命周期管理中的应用[J].电测与仪表,2021,58(6):5.

[3]张亚迪,王红杰,周泓,等.基于三维GIS平台的电网数据资产可视化系统设计及其应用研究[J].电测与仪表,2018,55(7):41-46.

[4]鲁文帅,严晓芳.基于数据挖掘的科技情报采集分析平台设计与实现[J].中国电子科学研究院学报,2019,14(8):818-822.

[5]王喜宾,王玉标,杨剑锋.基于数据挖掘的网络情景化信息动态推荐系统[J].计算机仿真,2020,37(11):344-347,379.

[6]谢桦,陈昊,张沛.配电线路多源数据挖掘时变故障概率计算[J].电力系统及其自动化学报,2020,32(9):63-67.

[7]杨捷,李沛霖,罗成臣,等.基于数据挖掘的电网用户行为分析[J].云南大学学报(自然科学版),2020,42(S2):38-43.

[8]张稳,盛万兴,杜松怀,等.基于海量数据的配电网运行分析系统架构与技术实现[J].电力系统自动化,2020,44(3):147-153.

文章来源:陈海燕,康峰,苏立伟,等.基于数据挖掘的电力数据资产运营系统设计[J].自动化技术与应用,2024,43(09):159-162.