電力中級(jí)工程師評(píng)審論文

　　隨著國(guó)民經(jīng)濟(jì)的不斷發(fā)展,電力行業(yè)在經(jīng)濟(jì)中的地位更加突出,作用也更大。下文是學(xué)習(xí)啦小編為大家搜集整理的關(guān)于電力中級(jí)工程師評(píng)審論文的內(nèi)容，歡迎大家閱讀參考!

　　電力中級(jí)工程師評(píng)審論文篇1

　　淺談數(shù)據(jù)挖掘技術(shù)在電力營(yíng)銷系統(tǒng)中的應(yīng)用

　　電力營(yíng)銷系統(tǒng)中涉及的核心業(yè)務(wù)有業(yè)擴(kuò)報(bào)裝和電能計(jì)算、營(yíng)業(yè)計(jì)費(fèi)以及用電管理與線損管理等，各個(gè)業(yè)務(wù)模塊又包括涵蓋電話服務(wù)、客戶中心服務(wù)、網(wǎng)絡(luò)服務(wù)等內(nèi)容的服務(wù)模塊和包括綜合業(yè)務(wù)查詢與歷史數(shù)據(jù)統(tǒng)計(jì)以及效益分析與決策支持在內(nèi)的分析模塊，可以說(shuō)，所有能夠?yàn)殡娏ο到y(tǒng)的正常運(yùn)行提供決策依據(jù)的原始數(shù)據(jù)都屬于營(yíng)銷系統(tǒng)的數(shù)據(jù)管轄范疇，比如生產(chǎn)系統(tǒng)的規(guī)劃設(shè)計(jì)與負(fù)荷預(yù)測(cè)、經(jīng)濟(jì)調(diào)度、用戶特征提取以及異常數(shù)據(jù)的挖掘處理等?？梢?jiàn)電力營(yíng)銷系統(tǒng)有著海量且復(fù)雜的數(shù)據(jù)信息，如何從中快速獲取能夠?yàn)闆Q策提供參考依據(jù)的準(zhǔn)確信息和量化指標(biāo)是擺在電力營(yíng)銷部門面前的一個(gè)主要問(wèn)題，數(shù)據(jù)挖掘技術(shù)的出現(xiàn)有效解決了這一難題。下面就其在電力營(yíng)銷系統(tǒng)中的應(yīng)用問(wèn)題做進(jìn)一步探討。

　　1 電力營(yíng)銷系統(tǒng)數(shù)據(jù)來(lái)源、特點(diǎn)及數(shù)據(jù)挖掘技術(shù)概述

　　電力營(yíng)銷系統(tǒng)當(dāng)中的數(shù)據(jù)涵蓋管理信息系統(tǒng)、SCADA系統(tǒng)、地理信息系統(tǒng)、電網(wǎng)運(yùn)行過(guò)程中的負(fù)荷管理系統(tǒng)、配變檢測(cè)系統(tǒng)、電能量計(jì)費(fèi)系統(tǒng)以及計(jì)量檢定等實(shí)時(shí)信息系統(tǒng)中的所用數(shù)據(jù)，并且這些數(shù)據(jù)伴隨著電力企業(yè)的發(fā)展逐漸積累，數(shù)據(jù)含量非常龐大。除此之外，電力營(yíng)銷系統(tǒng)數(shù)據(jù)在種類上還比較混雜，而且采集到的數(shù)據(jù)通常都會(huì)摻雜著一些噪聲或是存在數(shù)據(jù)缺失、錯(cuò)誤等情況，數(shù)據(jù)質(zhì)量難以保證。

　　作為一門新興的學(xué)科，自從集統(tǒng)計(jì)學(xué)和人工智能以及模式識(shí)別、數(shù)據(jù)庫(kù)、高性能并行計(jì)算與機(jī)器學(xué)習(xí)等多種技術(shù)于一體的數(shù)據(jù)挖掘技術(shù)出現(xiàn)之后，人們對(duì)于數(shù)據(jù)的應(yīng)用不再只停留在簡(jiǎn)單的數(shù)據(jù)查詢階段，而是進(jìn)入到更高層次的應(yīng)用――從數(shù)據(jù)中挖掘有價(jià)值的知識(shí)和信息，給管理者的決策提供支持。當(dāng)前常用的數(shù)據(jù)挖掘技術(shù)有關(guān)聯(lián)規(guī)則、分類和時(shí)間序列挖掘與序列挖掘以及聚類、Web挖掘、空間挖掘等。

　　2 數(shù)據(jù)挖掘技術(shù)在電力營(yíng)銷系統(tǒng)中的具體應(yīng)用

　　2.1 關(guān)聯(lián)規(guī)則的應(yīng)用

　　作為當(dāng)前階段電力營(yíng)銷系統(tǒng)主要研究的一種數(shù)據(jù)挖掘技術(shù)，關(guān)聯(lián)規(guī)則可以幫助決策者在對(duì)當(dāng)前數(shù)據(jù)和歷史數(shù)據(jù)進(jìn)行分析的基礎(chǔ)上找出其中隱含的規(guī)律和特征，在此基礎(chǔ)上對(duì)未來(lái)變化趨勢(shì)做出相應(yīng)預(yù)測(cè)。具體介紹以下五種應(yīng)用途徑：

　　2.1.1 在電力市場(chǎng)營(yíng)銷分析中針對(duì)經(jīng)由離散化處理過(guò)的電力營(yíng)銷數(shù)據(jù)使用FP-Growth(頻繁模式增長(zhǎng))算法進(jìn)行關(guān)聯(lián)規(guī)則分析，進(jìn)而將存在于售電量水平和各種對(duì)電量銷售有影響作用外部因素間的關(guān)聯(lián)特征描述出來(lái)，從而給電力市場(chǎng)營(yíng)銷決策提供輔助參考信息。

　　2.1.2 在電力市場(chǎng)營(yíng)銷策略制定、項(xiàng)目以及投資組合管理等方面運(yùn)用關(guān)聯(lián)規(guī)則進(jìn)行指導(dǎo)，同時(shí)對(duì)需求、銷售和收入以及理賠等進(jìn)行分析和預(yù)測(cè)。

　　2.1.3 將關(guān)聯(lián)規(guī)則同其他方法結(jié)合在一起應(yīng)用到電力營(yíng)銷系統(tǒng)當(dāng)中，比如建立在關(guān)聯(lián)分析法和云模型基礎(chǔ)上的模糊評(píng)價(jià)法，此種方法主要是針對(duì)電力營(yíng)銷目標(biāo)市場(chǎng)來(lái)確定，比較簡(jiǎn)單可行。

　　2.1.4 在用于電力負(fù)荷定量分析和非定性分析當(dāng)中融入關(guān)聯(lián)規(guī)則挖掘是一種新型電力負(fù)荷預(yù)測(cè)方法，此種方法既容易理解，又比較明顯。

　　2.1.5 在城市負(fù)荷分布中引進(jìn)關(guān)聯(lián)規(guī)則這種數(shù)據(jù)挖掘技術(shù)，應(yīng)用的時(shí)候需要先利用頻繁模式增長(zhǎng)算法――FP-Growth算法將負(fù)荷數(shù)據(jù)挖掘出來(lái)，然后在考慮電力行業(yè)數(shù)據(jù)特殊性的基礎(chǔ)上對(duì)電力負(fù)荷所受到的有關(guān)因素的影響進(jìn)行分析。

　　2.2 分類的應(yīng)用

　　在對(duì)電力營(yíng)銷系統(tǒng)進(jìn)行中長(zhǎng)期預(yù)測(cè)時(shí)常用的方法有序列預(yù)測(cè)、模糊理論和專家系統(tǒng)以及建立在競(jìng)爭(zhēng)分類基礎(chǔ)上的神經(jīng)網(wǎng)絡(luò)法和模式分類法等，其中神經(jīng)網(wǎng)絡(luò)法和模式分類法在電力負(fù)荷預(yù)測(cè)上都有著令人滿意的精確度。同時(shí)還有可應(yīng)用于日調(diào)度計(jì)劃編制當(dāng)中的一種短期負(fù)荷預(yù)測(cè)算法，此種預(yù)測(cè)方法將決策樹(shù)技術(shù)和外推算法做了有效結(jié)合，有著較高的預(yù)測(cè)精度;在對(duì)SCADA系統(tǒng)中不良數(shù)據(jù)進(jìn)行狀態(tài)估計(jì)時(shí)可以通過(guò)分類樹(shù)建立子數(shù)據(jù)庫(kù)，進(jìn)而縮減SCADA數(shù)據(jù)庫(kù)規(guī)模，將計(jì)算速度提升上來(lái)。另外，在CRM――客戶關(guān)系管理當(dāng)中還可以把神經(jīng)網(wǎng)絡(luò)方法和模糊邏輯控制兩者結(jié)合在一起應(yīng)用或是在各機(jī)組開(kāi)停機(jī)計(jì)劃表制定中使用回歸算法、歸納算法、神經(jīng)網(wǎng)絡(luò)改善等。

　　2.3 時(shí)間序列與序列挖掘的應(yīng)用

　　在所有短期負(fù)荷預(yù)測(cè)方法中，時(shí)間序列挖掘是被認(rèn)為最經(jīng)典的一種方法，比較系統(tǒng)，同時(shí)神經(jīng)網(wǎng)絡(luò)則是短期負(fù)荷預(yù)測(cè)中研究最多、應(yīng)用最為廣泛的，因此在電力營(yíng)銷系統(tǒng)的實(shí)際應(yīng)用當(dāng)中往往會(huì)把二者結(jié)合在一起對(duì)電力營(yíng)銷數(shù)據(jù)進(jìn)行分析。在神經(jīng)網(wǎng)絡(luò)法當(dāng)中，相較于BP神經(jīng)網(wǎng)絡(luò)，小波神經(jīng)元網(wǎng)絡(luò)在收斂速度上有著更好的表現(xiàn)，而且其中采用了基于隸屬度改進(jìn)的聚類方法，有利于負(fù)荷大波動(dòng)日預(yù)測(cè)精度的改善。另外，為給電力系統(tǒng)的故障定位與故障診斷提供更為有效的指導(dǎo)，可以將建立在時(shí)間窗基礎(chǔ)上的序列挖掘算法應(yīng)用到警報(bào)信息的處理當(dāng)中;為提高電力系統(tǒng)運(yùn)行狀態(tài)判定的準(zhǔn)確性和有效性，可把建立在錯(cuò)誤模型分析與快速診斷推理基礎(chǔ)上的一種新型數(shù)據(jù)挖掘算法應(yīng)用其中，此種算法極大地提升了在對(duì)系統(tǒng)運(yùn)行狀態(tài)進(jìn)行挖掘和分析的能力，使得錯(cuò)誤模型分析的精確度有所提高。

　　2.4 聚類應(yīng)用

　　聚類在電力營(yíng)銷系統(tǒng)當(dāng)中主要應(yīng)用在以下方面：電力用戶分類、信用評(píng)價(jià)和負(fù)荷預(yù)測(cè)、分類以及變壓器故障診斷、不良數(shù)據(jù)的修正等。比如，在對(duì)客戶各個(gè)方面不同屬性進(jìn)行劃分的基礎(chǔ)上通過(guò)聚類分析法把客戶劃分成不同組別，此時(shí)負(fù)責(zé)決策分析的人員就可以此聚類結(jié)構(gòu)為依據(jù)對(duì)存在于各個(gè)組別相互之間的差異性分析出來(lái)，然后對(duì)類群特征展開(kāi)研究，這樣就可以根據(jù)實(shí)際情況實(shí)行不同的營(yíng)銷策略，保證企業(yè)經(jīng)濟(jì)效益的提升。又比如，鑒于電力客戶信用分類的特性，可以在模糊聚類分析的基礎(chǔ)上針對(duì)客戶信用建立一個(gè)評(píng)價(jià)算法，通過(guò)此種算法就可以獲得基于不同客戶群的聚類中心以及針對(duì)每個(gè)客戶的隸屬度矩陣，這樣就給針對(duì)客戶群的特征分析提供了量化的參考依據(jù)。在不良數(shù)據(jù)的校正上，可以在原有聚類算法――CURE算法當(dāng)中融入信息熵原則來(lái)對(duì)聚類過(guò)程中出現(xiàn)的基本參數(shù)進(jìn)行選擇，然后在相關(guān)負(fù)荷特征曲線的提取上使用Kohonen網(wǎng)絡(luò)。此外，對(duì)于典型負(fù)荷的代表曲線，可以在對(duì)獲取來(lái)的用戶用電數(shù)據(jù)進(jìn)行預(yù)處理之后再通過(guò)合適的聚類方法、聚類書(shū)目獲得，這樣既可以對(duì)用戶的用電模式有所了解，又可以為購(gòu)電合同的制定提供參考依據(jù)，幫助企業(yè)獲得更多的經(jīng)濟(jì)效益。

　　2.5 空間挖掘的應(yīng)用

　　在當(dāng)前市場(chǎng)經(jīng)濟(jì)的大環(huán)境下，原本就需要決策者對(duì)各項(xiàng)數(shù)據(jù)做出快速的分析和診斷，這樣才能夠在最短的時(shí)間內(nèi)做出最正確的反應(yīng)和決策，為電力企業(yè)健康、穩(wěn)定、長(zhǎng)遠(yuǎn)的發(fā)展提供有力保障。在這個(gè)過(guò)程中，需要運(yùn)用特定的空間挖掘技術(shù)對(duì)各種目標(biāo)層次的信息進(jìn)行綜合處理，這些信息包括電網(wǎng)的運(yùn)行數(shù)據(jù)以及負(fù)荷的位置分布、負(fù)荷的實(shí)時(shí)變化數(shù)據(jù)等，只有如此才能對(duì)設(shè)備進(jìn)行跟蹤、對(duì)故障進(jìn)行定位、對(duì)損失進(jìn)行評(píng)價(jià)或是進(jìn)行模擬停電、實(shí)現(xiàn)調(diào)度最優(yōu)化等。對(duì)于同類負(fù)荷或是不同類負(fù)荷的位置分布數(shù)據(jù)可以通過(guò)空間分布規(guī)則和聚類規(guī)則以及特征規(guī)則與區(qū)分規(guī)則獲得。另外，在針對(duì)用戶開(kāi)展業(yè)擴(kuò)報(bào)裝和負(fù)荷管理以及電表、電費(fèi)查收等業(yè)務(wù)工作時(shí)，可以通過(guò)利用空間數(shù)據(jù)挖掘技術(shù)獲取到的像地理編碼這樣的幾何知識(shí)來(lái)完成;在負(fù)荷填谷和調(diào)峰、錯(cuò)峰等管理功能當(dāng)中可以分別把變壓器和用戶地理位置、線路實(shí)際負(fù)荷以及負(fù)荷可控制情況等作為參考依據(jù)制定不同的負(fù)荷控制方案。

　　3 結(jié)語(yǔ)

　　伴隨著科學(xué)技術(shù)的發(fā)展進(jìn)步，電力營(yíng)銷系統(tǒng)中逐漸引入了諸如數(shù)據(jù)挖掘技術(shù)和數(shù)據(jù)倉(cāng)庫(kù)技術(shù)以及聯(lián)機(jī)分析處理等多種新型技術(shù)，為電力營(yíng)銷決策系統(tǒng)提供了更為準(zhǔn)確、全面和詳盡的量化指標(biāo)與參考數(shù)據(jù)。在電力營(yíng)銷系統(tǒng)當(dāng)中應(yīng)用數(shù)據(jù)挖掘技術(shù)可為決策者提供決策支持，大大提升了經(jīng)營(yíng)管理水平，為電網(wǎng)運(yùn)行的穩(wěn)定性和經(jīng)濟(jì)性提供了有力保障。

　　>>>下頁(yè)帶來(lái)更多的電力中級(jí)工程師評(píng)審論文