電力中級工程師評審論文

　　隨著國民經(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)于電力中級工程師評審論文的內(nèi)容，歡迎大家閱讀參考!

　　電力中級工程師評審論文篇1

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

　　電力營銷系統(tǒng)中涉及的核心業(yè)務(wù)有業(yè)擴(kuò)報裝和電能計算、營業(yè)計費以及用電管理與線損管理等，各個業(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)計以及效益分析與決策支持在內(nèi)的分析模塊，可以說，所有能夠為電力系統(tǒng)的正常運行提供決策依據(jù)的原始數(shù)據(jù)都屬于營銷系統(tǒng)的數(shù)據(jù)管轄范疇，比如生產(chǎn)系統(tǒng)的規(guī)劃設(shè)計與負(fù)荷預(yù)測、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?？梢婋娏I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為決策提供參考依據(jù)的準(zhǔn)確信息和量化指標(biāo)是擺在電力營銷部門面前的一個主要問題，數(shù)據(jù)挖掘技術(shù)的出現(xiàn)有效解決了這一難題。下面就其在電力營銷系統(tǒng)中的應(yīng)用問題做進(jìn)一步探討。

　　1 電力營銷系統(tǒng)數(shù)據(jù)來源、特點及數(shù)據(jù)挖掘技術(shù)概述

　　電力營銷系統(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)運行過程中的負(fù)荷管理系統(tǒng)、配變檢測系統(tǒng)、電能量計費系統(tǒng)以及計量檢定等實時信息系統(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)通常都會摻雜著一些噪聲或是存在數(shù)據(jù)缺失、錯誤等情況，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)計學(xué)和人工智能以及模式識別、數(shù)據(jù)庫、高性能并行計算與機(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，人們對于數(shù)據(jù)的應(yīng)用不再只停留在簡單的數(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)中挖掘有價值的知識和信息，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)上對未來變化趨勢做出相應(yīng)預(yù)測。具體介紹以下五種應(yīng)用途徑：

　　2.1.1 在電力市場營銷分析中針對經(jīng)由離散化處理過的電力營銷數(shù)據(jù)使用FP-Growth(頻繁模式增長)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，從而給電力市場營銷決策提供輔助參考信息。

　　2.1.2 在電力市場營銷策略制定、項目以及投資組合管理等方面運用關(guān)聯(lián)規(guī)則進(jìn)行指導(dǎo)，同時對需求、銷售和收入以及理賠等進(jìn)行分析和預(yù)測。

　　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)上的模糊評價法，此種方法主要是針對電力營銷目標(biāo)市場來確定，比較簡單可行。

　　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)用的時候需要先利用頻繁模式增長算法――FP-Growth算法將負(fù)荷數(shù)據(jù)挖掘出來，然后在考慮電力行業(yè)數(shù)據(jù)特殊性的基礎(chǔ)上對電力負(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

　　在對電力營銷系統(tǒng)進(jìn)行中長期預(yù)測時常用的方法有序列預(yù)測、模糊理論和專家系統(tǒng)以及建立在競爭分類基礎(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)測上都有著令人滿意的精確度。同時還有可應(yīng)用于日調(diào)度計劃編制當(dāng)中的一種短期負(fù)荷預(yù)測算法，此種預(yù)測方法將決策樹技術(shù)和外推算法做了有效結(jié)合，有著較高的預(yù)測精度;在對SCADA系統(tǒng)中不良數(shù)據(jù)進(jìn)行狀態(tài)估計時可以通過分類樹建立子數(shù)據(jù)庫，進(jìn)而縮減SCADA數(shù)據(jù)庫規(guī)模，將計算速度提升上來。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)組開停機(jī)計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 時間序列與序列挖掘的應(yīng)用

　　在所有短期負(fù)荷預(yù)測方法中，時間序列挖掘是被認(rèn)為最經(jīng)典的一種方法，比較系統(tǒng)，同時神經(jīng)網(wǎng)絡(luò)則是短期負(fù)荷預(yù)測中研究最多、應(yīng)用最為廣泛的，因此在電力營銷系統(tǒng)的實際應(yīng)用當(dāng)中往往會把二者結(jié)合在一起對電力營銷數(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)荷大波動日預(yù)測精度的改善。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)，可以將建立在時間窗基礎(chǔ)上的序列挖掘算法應(yīng)用到警報信息的處理當(dāng)中;為提高電力系統(tǒng)運行狀態(tài)判定的準(zhǔn)確性和有效性，可把建立在錯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系統(tǒng)運行狀態(tài)進(jìn)行挖掘和分析的能力，使得錯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、信用評價和負(fù)荷預(yù)測、分類以及變壓器故障診斷、不良數(shù)據(jù)的修正等。比如，在對客戶各個方面不同屬性進(jìn)行劃分的基礎(chǔ)上通過聚類分析法把客戶劃分成不同組別，此時負(fù)責(zé)決策分析的人員就可以此聚類結(jié)構(gòu)為依據(jù)對存在于各個組別相互之間的差異性分析出來，然后對類群特征展開研究，這樣就可以根據(jù)實際情況實行不同的營銷策略，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)上針對客戶信用建立一個評價算法，通過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每個客戶的隸屬度矩陣，這樣就給針對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對聚類過程中出現(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，對于典型負(fù)荷的代表曲線，可以在對獲取來的用戶用電數(shù)據(jù)進(jìn)行預(yù)處理之后再通過合適的聚類方法、聚類書目獲得，這樣既可以對用戶的用電模式有所了解，又可以為購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)前市場經(jīng)濟(jì)的大環(huán)境下，原本就需要決策者對各項數(shù)據(jù)做出快速的分析和診斷，這樣才能夠在最短的時間內(nèi)做出最正確的反應(yīng)和決策，為電力企業(yè)健康、穩(wěn)定、長遠(yuǎn)的發(fā)展提供有力保障。在這個過程中，需要運用特定的空間挖掘技術(shù)對各種目標(biāo)層次的信息進(jìn)行綜合處理，這些信息包括電網(wǎng)的運行數(shù)據(jù)以及負(fù)荷的位置分布、負(fù)荷的實時變化數(shù)據(jù)等，只有如此才能對設(shè)備進(jìn)行跟蹤、對故障進(jìn)行定位、對損失進(jìn)行評價或是進(jìn)行模擬停電、實現(xiàn)調(diào)度最優(yōu)化等。對于同類負(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，在針對用戶開展業(yè)擴(kuò)報裝和負(fù)荷管理以及電表、電費查收等業(yè)務(wù)工作時，可以通過利用空間數(shù)據(jù)挖掘技術(shù)獲取到的像地理編碼這樣的幾何知識來完成;在負(fù)荷填谷和調(diào)峰、錯峰等管理功能當(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

　　伴隨著科學(xué)技術(shù)的發(fā)展進(jìn)步，電力營銷系統(tǒng)中逐漸引入了諸如數(shù)據(jù)挖掘技術(shù)和數(shù)據(jù)倉庫技術(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)營管理水平，為電網(wǎng)運行的穩(wěn)定性和經(jīng)濟(jì)性提供了有力保障。

　　>>>下頁帶來更多的電力中級工程師評審論文