基于数据挖掘技术在电力系统中的研究

介绍了数据挖掘的基本概念和体系结构,在此基础上,结合电力系统的特点,分析了数据挖掘技术在电力系统领域的应用情况,并展望了其今后的发展趋势。     

基于模糊层次分析法的电力系统基建项目自动化管理

为了实现电力系统基建项目自动化管理,提出基于模糊层次分析法的电力系统基建项目自动化管理模型.仿真结果表明,采用该方法进行电力系统基建项目自动化管理的大数据挖掘性能较好,能有效提高电力系统基建项目自动化管理水平和精准度.     

数据挖掘在电力系统负荷预测中的应用

电力系统负荷预测是电力部门日常重要工作,传统的预测方法有很多缺点,并不能真实地反映负荷变化规律。数据挖掘技术具有强大的数据处理能力,可以从海量数据中发现有价值的规律。通过对电力系统实际负荷特性的分析,利用数据挖掘算法,建立合理准确的数学模型,最终得出精确的预测结果。     

基于时间序列的电力系统故障诊断规则挖掘

介绍了利用Rough集理论进行数据挖掘技术在电力系统故障诊断中的应用。针对电力系统中与时间序列相关的数据集,提出了基于Rough集的时间序列相关的分类规则挖掘算法。利用该算法得到的分类规则,可以较好地反映条件属性集随时间动态变化对系统状态的影响。     

基于粗糙集理论的数据挖掘的应用

在粗糙集理论的基本思想及其特点的基础上说明它是数据挖掘的一种工具,并对其广泛的应用作了描述。介绍了常见的粗糙集理论的应用工具软件（如Rosetta),并给出了一个应用粗糙集技术来实现数据挖掘的实例系统（电力系统中操作点的分类）。     

数据仓库技术研究和应用探讨

数据仓库是信息领域中近年来迅速兴起的一种技术。本文对此技术和应用进行了广泛的探讨。数据仓库的关键技术在于联机分析处理、数据挖掘。本文讨论了OPLA的实现,介绍了DM的技术。并结合电力系统的实际情况,提出了电力系统数据仓库解决方案。     

输电网故障诊断决策表约简新方法

研究输电网故障诊断问题。电力系统日趋复杂,势必导致电力系统故障诊断中的决策表也更加复杂,针对决策表约简问题,提出了采用粗糙集理论与关联规则数据挖掘技术相结合的方法对决策表进行约简,将传统的粗糙集约简算法进行改进,并将得到的约简结果根据保护、断路器和元件之间存在的内部联系,运用关联规则数据挖掘技术进一步约简,最终得到简单的决策策略。通过算例分析表明所提算法简单、快速、有效。运用Visual C++编程实现了对算例的决策表约简,证明了新方法的正确性。     

一种用于数据挖掘的二进制挖掘算法

提出了一种用于数据挖掘的二进制挖掘算法,适用于大型数据仓库的挖掘与分析,其基本原理是运用二进制逻辑“与”运算,从其多属性值域中抽取关键信息,形成决策规则。此方法原理简单、挖掘效率高、适应性强,对电力系统的数据挖掘具有重要的作用。     

数据挖掘技术在能量管理系统中的应用

长期运行的电力系统能量管理系统数据库积聚了大量的时态数据，有效地利用这些丰富的数据资源，并采用适当的数据挖掘技术进行处理，可以发现潜在的运行规律和知识，将有助于系统更高效更安全的运行。     

基于数据仓库的电力生产决策支持系统

基于电力系统生产的特点及流程,设计一种计算机集成过程系统环境下的智能型分布式决策支持系统(DSS),该系统基于数据仓库,利用数据挖掘技术和专家系统的推理模式,设计提出了电力生产决策支持系统的体系结构,将为电力生产管理的信息化提供强大的决策支持。     

基于数据挖掘的电力仪表图像智能监控系统设计

现有的电力仪表图像智能监控系统存在着稳定性差、效率低下的弊端,为了解决上述问题,引入数据挖掘技术对电力仪表图像智能监控系统进行设计与研究。电力仪表图像智能监控系统硬件设计包括图像采集单元、数据挖掘单元、无线通信单元与控制器单元设计,软件设计包括数据挖掘终端节点软件、无线通信协调器节点软件与控制器软件设计。通过系统硬件与软件的设计,实现了电力仪表图像智能监控系统的运行。通过仿真对比实验得到,与现有的电力仪表图像智能监控系统相比,设计的电力仪表图像智能监控系统极大地提升了系统的稳定性与监控效率,充分说明设计的电力仪表图像智能监控系统具备更好的监控性能。     

电力调度数据挖掘系统的设计与实现

本文给出了一个完整的数据挖掘系统--电力调度数据挖掘系统的设计与实现过程.它包括数据的准备与选择、数据的预处理、挖掘算法的选择与实现、挖掘结果的后处理等步骤.文中详细介绍了上述各个步骤的处理过程.     

数据挖掘技术在电力营销系统的应用现状

针对电力营销系统存在数据采集不全、个别数据不准确等问题,结合电力营销系统的数据特点,分析探讨了关联规则、分类、时间序列和序列挖掘、聚类、空间挖掘等数据挖掘技术在电力营销系统中的应用现状及前景展望。     

基于国密算法的北斗短报文安全防护系统的研究与实现

针对目前国内北斗短报文通信在电力系统中越来越广泛的应用,加之电力系统安全防护要求的发布,本文以用电信息采集系统为例,分析北斗短报文通信应用现状及安全风险,结合电力系统安全防护要求,提出基于国密算法的北斗短报文通信的用采系统安全防护方案,实现北斗短报文用采系统业务数据的安全信息交换,包括双向身份认证、密钥协商和数据加密。最后,通过实验测试分析并证明其有效性。     

Inference of power plant quake-proof information based on interactive data mining approach

This paper presents a nonlinear structural health inference technique, based on an interactive data mining approach. A mining control agent emulating cognitive process of human analysts is developed and integrated in the data mining loop, analyzing and verifying the output of the data miner and controlling the data mining process to improve the interaction between human users and computer system. Additionally, an artificial neural network method, which is adopted as a core component of the proposed interactive data mining method, is evolved by adding a novelty detecting and retraining function for handling complicated nuclear power plant quake-proof data. Based on proposed approach, an information inference system has been developed. To demonstrate how the proposed technique can be used as a powerful tool for inferring of structural health status in unclear power plant, quake-proof testing data have been applied.     

基于大数据挖掘的发电组温升预警方法研究

传统方法所测得的残差无法作为判断发电组温升故障的依据,为解决这一问题,提出基于大数据挖掘的发电组温升故障预警方法研究。首先应用大数据挖掘技术收集数据,分析影响发电组温度的因素,依据发电组温度的因素与发电组温升故障预警基本原理,构建发电组温升故障预警逻辑判断结构;最后考虑到传统方法存在缺陷,运用大数据挖掘技术已有算法建立模型,实现预警,由此,完成基于大数据挖掘的发电组温升故障预警方法的设计。     

电力调度数据挖掘后处理方法的研究

关联规则是数据依赖关系的有效描述方法，是知识发现研究的重要内容．然而，随着所挖掘数据库规模的增大，由传统数据挖掘算法所生成的大量关联规则常常令用户的使用与分析十分困难．文中提出了一种新方法来解决这个问题并将其运用到电力调度数据挖掘系统中．实验结果表明，该方法消除了大量冗余规则，并且使用户可以从整体上把握整个规则集，提高了关联规则挖掘的准确性和易用性．     

A quantitative correlation coefficient mining method for business intelligence in small and medium enterprises of trading business

Business intelligence based on data mining has been one of the popular and indispensable tools for identifying business opportunity in sales and marketing of new products. The traditional data mining methods based on association rules may be inadequate in completely uncovering the hidden patterns of sales based on transaction records. This paper presents a qualitative correlation coefficient mining method which is capable of uncovering hidden patterns of sales and market. Hence, a prototype business intelligence system (BIS) named correlation coefficient sales data mining system (CCSDMS) has been developed and successfully trial implemented in a selected reference site. A series of experiments have been conducted to evaluate the performance of the proposed system. The results generated by the BIS are compared with a well known market available data mining system. The proposed quantitative correlation coefficient mining method is found to possess higher accuracy, better computational effectiveness and higher predictive power. With the new approach, associations for product relations and customer periodic demands are revealed and this can help to leverage organizational marketing capital to enhance quality and speed of promotions as well as awareness of product relations.