数据仓库和数据挖掘技术在电力系统中的应用
|
摘要
在过去的半个世纪，信息技术、计算机技术和网络技术的发展已经从各个方面深刻影响了电力系统的生产和管理，出现了SCADA、EMS、GIS等信息系统。但现有这些信息系统还有一些问题亟待解决，如数据不能共享，集成度低；海量的数据提取信息特征困难；对业务进行及时地监控和预测存在一定的困难。而基于数据仓库和数据挖掘技术的电力信息工厂是上述问题的解决方案。
数据仓库是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合，用于支持管理决策过程所需集成数据。数据挖掘是采用人工智能的方法对数据进行分析获取知识的过程。
本文主要研究了数据仓库技术和数据挖掘技术在电力系统中的应用。在介绍了有关课题背景之后，首先介绍了企业信息工厂的总体架构、各个构件及其相互关系，重点阐述了决策支持系统、数据仓库、数据挖掘技术。
针对电力系统中大量的数据不能有效利用这一现状，提出了一种基于数据仓库的，对现有数据进行整理、抽取、净化和转化，能够为决策支持系统提供快速、有效的数据响应的解决方案。
最后阐述了数据仓库的三大应用：灵活报表、OLAP分析、数据挖掘。针对电力负荷这一主题，采用OLAP分析出负荷曲线特性，采用数据挖掘技术进行电力负荷预测，得出有实用价值的结果。为后续工作积累了一定经验。
In the past half century, information technology, computer technology, network technology dramatically impacted the power system in almost every aspect. Varieties of information system such as SCADA, EMS, GIS etc have been constructed. However, such problems as data un-sharable, lowly integration, difficulty to extract characteristic in mass data, hard to monitor current service and trend unpredicted occurs. A solution based on data warehouse and data mining is put forward seems can well done.
Data warehouse is a subject oriented, integrated, non-volatile and time-variant collection of data, which contains consistent data used in enterprise decision support. Data Mining is a data-analyzing and knowledge-acquiring procedure by use of artificial intelligence.
This paper researches the application of data warehouse and data mining techniques in power systems. After introduces the background of the question of study, the paper discuss the architecture of corporate information factory, its components and relations between is as well, which emphasized is decision support system, data warehouse and data mining technology.
To the problem of ineffective use of huge datum in power system, a solution based on data warehouse within procedures of cleaning, extracting, transforming is brought forward, with which support rapid, efficient response.
Finally, three main applications of data warehouse are depicted in detail. To the subject of electricity load, OLAP is used to analyze and find out the feature of curve and data mining helps to prediction of the load values, with which some valuable results are dropped and experiences are gained for work in future.
数据仓库是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合，用于支持管理决策过程所需集成数据。数据挖掘是采用人工智能的方法对数据进行分析获取知识的过程。
本文主要研究了数据仓库技术和数据挖掘技术在电力系统中的应用。在介绍了有关课题背景之后，首先介绍了企业信息工厂的总体架构、各个构件及其相互关系，重点阐述了决策支持系统、数据仓库、数据挖掘技术。
针对电力系统中大量的数据不能有效利用这一现状，提出了一种基于数据仓库的，对现有数据进行整理、抽取、净化和转化，能够为决策支持系统提供快速、有效的数据响应的解决方案。
最后阐述了数据仓库的三大应用：灵活报表、OLAP分析、数据挖掘。针对电力负荷这一主题，采用OLAP分析出负荷曲线特性，采用数据挖掘技术进行电力负荷预测，得出有实用价值的结果。为后续工作积累了一定经验。
In the past half century, information technology, computer technology, network technology dramatically impacted the power system in almost every aspect. Varieties of information system such as SCADA, EMS, GIS etc have been constructed. However, such problems as data un-sharable, lowly integration, difficulty to extract characteristic in mass data, hard to monitor current service and trend unpredicted occurs. A solution based on data warehouse and data mining is put forward seems can well done.
Data warehouse is a subject oriented, integrated, non-volatile and time-variant collection of data, which contains consistent data used in enterprise decision support. Data Mining is a data-analyzing and knowledge-acquiring procedure by use of artificial intelligence.
This paper researches the application of data warehouse and data mining techniques in power systems. After introduces the background of the question of study, the paper discuss the architecture of corporate information factory, its components and relations between is as well, which emphasized is decision support system, data warehouse and data mining technology.
To the problem of ineffective use of huge datum in power system, a solution based on data warehouse within procedures of cleaning, extracting, transforming is brought forward, with which support rapid, efficient response.
Finally, three main applications of data warehouse are depicted in detail. To the subject of electricity load, OLAP is used to analyze and find out the feature of curve and data mining helps to prediction of the load values, with which some valuable results are dropped and experiences are gained for work in future.
引文
[1]卢强，数字电力系统，电力系统自动化，2000，24(9)：1～4
[2]钟义信，信息科学原理，北京邮电大学出版社，1996
[3]W.H.Inmon, Claudia Imhoff, Ryan Sousa, Corporate Information Factory, Second Edition Wiley Computer Publishing, 2002
[4]陆延昌，姜绍俊，21世纪初期中国电力工业展望，中国电力，2000，7(33)
[5]高洪深，决策支持系统(DSS)理论 方法 案例，清华大学出版社
[6]W．H．Inmon，数据仓库，机械工业出版社，2000
[7]王珊，数据仓库技术与联机分析处理，科学出版社，1998
[8]Mehmed Kantardzic，数据挖掘——概念、模型、方法和算法，2003
[9]Dick B, et al, Improved materials management through Client/Server computing[R]。Proceedings of the 54th Annual Meeting of the American Power Conference。 Chicago, USA, 1992。
[10]梁锦照，宁波，夏清、陈寿孙，电力企业信息门户解决方案，电力自动化设备，2003，5(23)
[11]单光先，任平，曹明，数据仓库与数据挖掘技术用于设备预测检修，江苏电机工程，2003，1(22)
[12]于之虹，郭志忠，基于数据挖掘理论的电力系统暂态稳定评估，电力系统自动化，2003，8(27)，45～48
[13]王为国，曾伟民等，基于数据仓库的一体化电力调度自动化系统，电力系统自动化，2003，12(27)，67～70
[14]辛耀中，新一代电网调度自动化系统，电力系统自动化，1999，2(23)，1～4
[15]辛耀中，新世纪电网调度自动化技术发展趋势，电网技术，2001，12(25)
[20]牛东晓，曹树华，赵磊，等，电力负荷预测技术及其应用，中国电力出版社，1998
[21]马文晓，白晓民，沐连顺，基于人工神经网络和模糊推理的短期负荷预测方法，电网技术，2003，5(27)
[22]鞠平，姜巍，赵夏阳，96点短期负荷预测方法及其应用，电力系统自动化，2001，22(25)
[23]王平洋，胡兆光，模糊数学在电力系统中的应用，中国电力出版社，1999
[24]王楠，律方成，李和明，OLAP技术在电气设备在线监测数据处理中的应用，电力系统自动化，2004，3(28)，71～73
[25]袁林，基于数据仓库的辅助决策系统设计与实现，电力系统自动化，2001，21(25)，25～27
[26]石东源，数字电力系统的数据建模及应用系统集成研究
[27]Jiawei Han，Micheline Kamber，数据挖掘概念与技术，机械工业出版社，2001
[28]肖国泉，王春，张福伟，电力负荷预测，中国电力出版社，2001
[29]Richard J．Roiger，Michael W．Geatz，数据挖掘教程，清华大学出版社，2003
[30]张伯明，现代能量控制中心概念的扩展与前景展望，电力系统自动化，2003，15(27)
[31]路广，张伯明，孙宏斌，数据仓库与数据挖掘技术在电力系统中的应用，电网技术，2001，8(25)
[32]赵春凤，刘群，电力生产系统OLAP与数据挖掘技术的实现，哈尔滨工程大学学报，2002，3(23)
[2]钟义信，信息科学原理，北京邮电大学出版社，1996
[3]W.H.Inmon, Claudia Imhoff, Ryan Sousa, Corporate Information Factory, Second Edition Wiley Computer Publishing, 2002
[4]陆延昌，姜绍俊，21世纪初期中国电力工业展望，中国电力，2000，7(33)
[5]高洪深，决策支持系统(DSS)理论 方法 案例，清华大学出版社
[6]W．H．Inmon，数据仓库，机械工业出版社，2000
[7]王珊，数据仓库技术与联机分析处理，科学出版社，1998
[8]Mehmed Kantardzic，数据挖掘——概念、模型、方法和算法，2003
[9]Dick B, et al, Improved materials management through Client/Server computing[R]。Proceedings of the 54th Annual Meeting of the American Power Conference。 Chicago, USA, 1992。
[10]梁锦照，宁波，夏清、陈寿孙，电力企业信息门户解决方案，电力自动化设备，2003，5(23)
[11]单光先，任平，曹明，数据仓库与数据挖掘技术用于设备预测检修，江苏电机工程，2003，1(22)
[12]于之虹，郭志忠，基于数据挖掘理论的电力系统暂态稳定评估，电力系统自动化，2003，8(27)，45～48
[13]王为国，曾伟民等，基于数据仓库的一体化电力调度自动化系统，电力系统自动化，2003，12(27)，67～70
[14]辛耀中，新一代电网调度自动化系统，电力系统自动化，1999，2(23)，1～4
[15]辛耀中，新世纪电网调度自动化技术发展趋势，电网技术，2001，12(25)
[20]牛东晓，曹树华，赵磊，等，电力负荷预测技术及其应用，中国电力出版社，1998
[21]马文晓，白晓民，沐连顺，基于人工神经网络和模糊推理的短期负荷预测方法，电网技术，2003，5(27)
[22]鞠平，姜巍，赵夏阳，96点短期负荷预测方法及其应用，电力系统自动化，2001，22(25)
[23]王平洋，胡兆光，模糊数学在电力系统中的应用，中国电力出版社，1999
[24]王楠，律方成，李和明，OLAP技术在电气设备在线监测数据处理中的应用，电力系统自动化，2004，3(28)，71～73
[25]袁林，基于数据仓库的辅助决策系统设计与实现，电力系统自动化，2001，21(25)，25～27
[26]石东源，数字电力系统的数据建模及应用系统集成研究
[27]Jiawei Han，Micheline Kamber，数据挖掘概念与技术，机械工业出版社，2001
[28]肖国泉，王春，张福伟，电力负荷预测，中国电力出版社，2001
[29]Richard J．Roiger，Michael W．Geatz，数据挖掘教程，清华大学出版社，2003
[30]张伯明，现代能量控制中心概念的扩展与前景展望，电力系统自动化，2003，15(27)
[31]路广，张伯明，孙宏斌，数据仓库与数据挖掘技术在电力系统中的应用，电网技术，2001，8(25)
[32]赵春凤，刘群，电力生产系统OLAP与数据挖掘技术的实现，哈尔滨工程大学学报，2002，3(23)