电力生产系统OLAP与数据挖掘技术浅析

电力生产系统OLAP与数据挖掘技术浅析

杨阳

国网重庆江津供电公司

摘要：在电力生产管理取得信息化发展的过程中，OLAP和数据挖掘技术在生产系统中得到了应用。基于此，本文在对OLAP和数据挖掘技术展开分析的基础上，结合电力生产系统构建要求对系统OLAP和数据挖掘功能实现问题进行了探讨，为关注这一话题的人们提供参考。

关键词：电力生产系统；OLAP技术；数据挖掘技术

引言：在电力事业取得不断发展的背景下，电力企业工作重心已经从生产转向管理，需要结合电力生产数据制定科学的经营决策，以便推动企业的可持续发展。因此面向电力生产系统中的各种数据，需要利用OLAP和数据挖掘技术加强分析，以便为电力生产管理提供全面决策信息。

1OLAP与数据挖掘技术概述

1.1OLAP技术

OLAP技术为联机分析处理技术的英文缩写，属于一种能够辅助人员完成数据信息多角度查看的软件，带有多维度数据信息的共享特性[1]。应用该技术，能够利用维度视图进行时间和空间维度的展示，通过钻取操作可以改变维度自身，实现数据的高、低维度划分。根据钻取方向，可以确定维度层面信息增删情况，然后间维度整合。OLAP拥有强大的数据分析功能，可以在几秒内对用户分析请求做出回应，提供强大的数据报表处理、统计和分析功能，并对数据发展趋势进行预测，将用户需要的信息导出。实际在信息处理过程中，OLAP将完成多维度立体模型的建立，实现数据采集和分类处理，并在数据库内进行数据储存。依靠计算机网络的支持，OLAP能够完成数据深度分析，并实现结果的维度展示，因此能够为用户提供多元化信息。

1.2数据挖掘技术

数据挖掘技术应用过程，实际就是知识发现过程。作为数据库、统计学、人工智能等多学科交叉融合的产物，数据挖掘需要从大量数据中进行对决策有价值的知识和规则挖掘，其中蕴含着数据库中一组对象之间的特定关系，能够为决策制定提供依据。目前，可以采用的数据挖掘算法有较多，如关联规则分析、聚类分析、偏差分析等，需要结合数据挖掘任务进行合理选择。在对数据仓库进行搭载时，数据挖掘能够实现数据信息联动，完成数据离散模型的建立，并进行关联式分类，因此能够使数据连续处理结果得到输出。将数据检索目标当成是基准，运用数据挖掘技术完成目标区域数据信息的分散节点式搜索，能够实现数据的正确预测，因此可以保证数据的精准性。

2电力生产系统OLAP与数据挖掘分析

2.1电力生产系统构造要求

在电力生产管理方面，得到应用的系统较多，数据相对分散，难以为电力生产管理决策的制定提供科学依据。实际构造电力生产系统，需要完成有效数据仓库系统的建立，以便实现分散数据的汇聚，利用先进数据挖掘技术完成有价值信息的挖掘，实现对电力企业供电情况、发电水平、收益状况等情况的全面掌握，为电力生产管理提供依据。现阶段，电力企业生产电网由多个小电网联网构成，各营业机构按照区块划分，产生的数据在各地市信息系统集中。而利用自动化办公系统等各种生产管理系统采集到的业务数据，将以不同方式在系统数据库中存储。因此想要完成电力生产系统的建立，需要将存在在各地不同系统数据库中的数据迁移到大电网统一数据仓库中。在迁移之前，需要对数据进行处理，以便使同类数据保持相同格式，为后续数据分析、使用提供便利。完成数据迁移后，需要加强源数据结构分析，结合电力生产管理需求确立数据挖掘目标。根据具体应用需求，可以完成相应数据信息的挖掘，然后以直观形式进行展现，为电力生产管理工作的开展提供便利。

2.2电力生产系统OLAP功能

结合系统构造要求，需要使系统具备OLAP功能，能够实现电力生产数据的多维描述。所以在系统数据存储上，需要采用星型模型，能够根据各种维度表的关系进行系统数据仓库结构的建立。实际在星型模型中，包含售电量事实表、时间维表、地区维表等，用于存放发电量、电力生产时间、收益等数据信息，能够用于对用户耗电量、电价等数据进行分析和预测，确定电力生产计划指标完成情况。在星型结构中，事实表处于中间位置，周围分布有各种维度表，利用关键字与事实表关联，能够对特定事件数据进行描述和完成任何数据的合计，如地区月售电量等。根据分析目标，应用系统OLAP能够确定数据观察角度和对象，然后从中筛选出最有效的信息进行展现，继而实现多维数据分析管理。比如在对电费结余情况展开多维分析时，可以结合需要进行上下文定义，然后完成多维数据模型维度的选择。选择“年-月-日”时间维层次和“电费结余相关因素”维，能够对用户截止某一天的电费结余情况进行显示，同时也能使影响电费结余的相关因素按照日期进行变化情况的显示。因此在系统OLAP应用时，只要确定具体维值，就能对关注的数据对象进行限定，然后在相应维层次上完成数据对象的汇总、分析和对比，将数据从地区汇总到用户所在单位层次上，通过建立超链接完成详细数据的显示，确保数据具体组成能够得到掌握[2]。应用OLAP，能够实现系统数据仓库数据的降维处理，然后完成目标关联分析和统计，以关联性传导节点搜索方式完成信息检索。

2.3电力生产系统数据挖掘分析

在对原始数据记录进行汇总分析的过程中，电力生产系统需要完成数据挖掘分析，能够将比较大小等计算字段用于多维数据模型度量，然后根据原始度量完成计算处理，实现新数据对象度量的构建。比如在对欠费管理情况进行汇总分析时，需要将用电性质、电压、供电单位等当成是维度，然后根据上下级包含关系将供电单位划分为省公司、市公司等，将本月发行、预收费等当成是度量，对本月欠费、上月欠费等进行求和，得到原始记录中缺少的总欠费度量这一新数据对象。因此系统不仅需要提供OLAP功能，还要提供数据挖掘功能，能够根据不同挖掘任务采取相应方法，实现对数据中包含的价值的深度挖掘。应用数据挖掘技术，能够完成电力生产数据的离散式采集，根据数据仓库中定量型信息完成算法排查。在电力生产管理中，关键需要完成对发电量和收益产生影响的因素查找，还要采用粗糙集方法进行数据挖掘。具体来讲，就是将数据仓库中的行元素当成是对象，列元素当成是属性，根据等价关系实现对象属性分析，得到某些属性相同的对象集合。通过数据挖掘，能够完成电力生产系统规则库的建立，根据分类规则确定各条件属性与决定属性的关系，并通过数据比对完成精准性验证，保证系统显示数据的规律性和科学性，继而为人员制定生产管理决策提供科学依据。

结论：综上所述，在电力生产系统构建过程中，实现OLAP和数据挖掘功能，能够实现对各种电力数据的分析和整理，从中获得各地区发电情况、用户欠费情况、单位收益情况等各种数据，并对数据之间的关系进行深入挖掘，从而掌握电力生产数据发展规律，因此能够指导人员以最小投入获得最大收益。

参考文献：

[1]王志俊.数据挖掘、OLAP在决策支持系统中的应用机制探究[J].通讯世界,2019,26(07):190-191.

[2]连城.大数据预聚合OLAP技术及应用场景探究[J].无线互联科技,2017(19):143-144.