基于数据挖掘的用能数据分析系统

1.一种基于数据挖掘的用能数据分析系统，其特征在于，包含：
（1）数据整合模块：电力数据统一放置在信息内网的服务器上，当取数据时，采用中间数据库作为接口数据库，实现数据的初步汇集，并在中间数据库中设置定时器，定时抽取和处理数据；最后通过数据库通信链接把不同的电力数据源融合在一起，实现数据的整合；
（2）基于数据挖掘的数据分析模块：在数据整合的基础上，分类分项对数据进行电能消耗分析、KPI分析、异常分析和客户能效状况分析；
（3）智能数据处理模块：
1）缺失值处理模块：
选取适合当前时间区段的缺失值计算模型弥补电量数据采集的缺失；
2）数据分析和预测模块：
包括多种备用算法库，由人为触发探索模式进行数据挖掘，在探索模式中选取数据算法模块对选定数据进行处理，产生数据分析结果；对数据算法模块进行评价，将评价结果最优的算法模块移到常规算法库中，在常规模式进行常规数据挖掘；
所述缺失值计算模型为：均值插补、同类均值插补、极大似然估计或多重插补。
2.根据权利要求1所述的基于数据挖掘的用能数据分析系统，其特征在于，还包括电能质量评价模块，采用了熵权和模糊评价相结合的综合评价方法对电能质量进行综合评价；电能质量的评价从电压偏差、电压波动、电压闪变、频率偏差、三相不对称度、谐波、功率因数、瞬态过电压方面进行综合评价；在初步获得各因素权重后，采用熵权来进行各因素权重的修正。
3.根据权利要求1所述的基于数据挖掘的用能数据分析系统，其特征在于，所述数据算法模块有：电量异常数据的智能诊断、峰谷电价与电量消耗的关联规则提取、电量负荷预测。

基于数据挖掘的用能数据分析系统
技术领域
[0001] 本发明专利涉及一种基于数据挖掘的用能数据分析系统。本发明属电力系统数据分析领域。
背景技术
[0002] 以往的电力系统用能数据分析从功能上说是分散的，不完整的，未能形成一个整体的系统结构，并且所使用的数据也是分散的部分数据，不能进行全方位用能数据分析和多场景的用能数据展示。此外，以往的数据分析和处理未能全面地考虑到海量数据分析和处理问题，因此开展较为深入地用能分析相关研究，同时根据现有迫切地信息公开化需求状况提出一个完整系统的用能数据分析系统，非常必要。
[0003] 智能用能管理系统是国家电网下达的坚强智能电网第二批试点项目，是天津电力公司下达的中新生态城智能电网综合示范区重大子项目之一。通过对当前的智能电力系统发展状况和用户的需求进行深入的调查，研究了智能用能功能规范，并对关键技术进行了详细深入的研究，才能够提出一个周全的用能分析方法，才能够发挥智能用能管理系统的重要示范作用，该系统就是在这个背景下提出来的。
发明内容
[0004] 本发明的目的是提供一种基于数据挖掘的用能数据分析系统，提出一个全面的用能分析，充分发挥智能用能管理系统的作用。
[0005] 一种基于数据挖掘的用能数据分析系统，其特征在于，包含：
[0006] （1）数据整合模块：电力数据统一放置在信息内网的服务器上，当取数据时，采用中间数据库作为接口数据库，实现数据的初步汇集，并在中间数据库中设置定时器，定时抽取和处理数据；最后通过数据库通信链接把不同的电力数据源融合在一起，实现数据的整合；
[0007] （2）基于数据挖掘的数据分析模块：在数据整合的基础上，分类分项对数据进行电能消耗分析、KPI分析、异常分析和客户能效状况分析；
[0008] （3）智能数据处理模块：
[0009] 1）缺失值处理模块：
[0010] 选取适合当前时间区段的缺失值计算模型弥补电量数据采集的缺失；
[0011] 2）数据分析和预测模块：
[0012] 包括多种备用算法库，由人为触发探索模式进行数据挖掘，在探索模式中选取数据算法模块对选定数据进行处理，产生数据分析结果；对数据算法模块进行评价，将评价结果最优的算法模块移到常规算法库中，在常规模式进行常规数据挖掘。
[0013] 还包括电能质量评价模块，采用了熵权和模糊评价相结合的综合评价方法对电能质量进行综合评价；电能质量的评价从电压偏差、电压波动、电压闪变、频率偏差、三相不对称度、谐波、功率因数、瞬态过电压方面进行综合评价；在初步获得各因素权重后，采用熵权来进行各因素权重的修正。
[0014] 所述缺失值计算模型为：均值插补、同类均值插补、极大似然估计或多重插补。
[0015] 所述数据算法模块有：电量异常数据的智能诊断、峰谷电价与电量消耗的关联规则提取、电量负荷预测。
[0016] 本发明所达到的有益效果：
[0017] 本发明的数据分析系统不仅可以高效地保证数据系统全面地分析和处理，从而完成用能数据分析处理工作，而且利用当前数据挖掘方面一些算法可以对数据进行有效的预处理，在处理之后能够通过先进有效的算法进行电能数据质量评价、电能数据分析和预测。
附图说明
[0018] 图1是本发明的用能数据分析系统示意图。
具体实施方式
[0019] 按照图1所示，所有的数据都在信息内网中，除智能楼宇数据外的数据都存储在数据中心数据库（数据中心外部库）中，为了保证数据定时实时的处理，在间隔的时间段内，对需要的用电信息数据进行定时抽取和转换，将结果存储在用电信息采集系统中间库中。
[0020] 深入研究最大需量电费、功率因素电费的总体电费结构分析，对数据进行各层次划分，根据不同的场景来进行统计分析并加以展示。通过措施效益分析和数据异常分析来实现数据的全方位分析，利用数据库集群和数据挖掘技术手段保证了这种系统化分析的高效性。
[0021] 用能数据的分析和处理是在对各数据源进行整合的基础上进行，内部采集的智能楼宇数据直接通过接口程序写入到智能用能数据库中，和其他数据进行统一处理。处理中使用时间层次分层分析处理，即按照刻、时、天、月、年的不同时间粒度进行处理，前者的处理结果是后者处理的输入，极大地提高了数据利用效率，大大地减少了数据分析处理的计算量。
[0022] 本系统的功能：
[0023] 1.高效的数据整合：考虑到电力数据安全性和数据量巨大的特点，数据统一放置在信息内网的服务器上，当取数据时，系统采用中间数据库来作为接口数据库作为数据的初步汇集，并在中间数据库中设置定时器，定时抽取和处理数据。最后通过数据库通信链接来把不同的数据源融合在一起，统一进行数据的分析和处理。
[0024] 2.基于数据挖掘的数据分析功能：在数据整合的基础上，提出了全方位的数据分析场景，分类分项对数据进行电能消耗分析、KPI分析、异常分析和客户能效状况分析等，全面地分析并诊断用户能效水平，提高用户用能使用效率。在电能质量评价中，采用了熵权和模糊评价相结合的综合评价方法来对电能质量进行综合有效的评价。电能质量的评价从电压偏差、电压波动、电压闪变、频率偏差、三相不对称度、谐波、功率因数、瞬态过电压方面进行综合评价。在初步获得各因素权重后，为了克服主观性，采用熵权来进行各因素权重的修正。
[0025] 3.实现海量数据分析方法：实现了周全高效地数据处理、分析方法，即：将存储过程布置到数据服务器集群上，对数据按时间节点进行分层定时处理，在处理过程中将分析处理的中间数据集存储到中间表中，提高数据中间数据集的共享，极大地减少了海量数据分析处理的工作量，提高了数据处理的速度。不仅如此在数据分析和处理还表现在以下两个方面：
[0026] 1)缺失值处理方面
[0027] 为了弥补电量数据采集的缺失，可以采用多种算法模型进行处理，根据选择产生的曲线效果和特征值进行计算，可以由专业人员对算法的效果进行评估从而选取特定的适合当前时间区段的缺失值计算模型。主要涉及到的缺失值计算模型包括：均值插补、同类均值插补、极大似然估计、多重插补。
[0028] 2)数据分析和预测方面
[0029] 在保证电力数据完备性的条件下，数据分析算法在一种场合使用，可能在更换时间数据的情况下，有意义的数据分析算法有所变化。为了能够极大利用当前数据进行多种数据分析的尝试，以发挥数据挖掘的灵活性。数据分析模块设计多种备用算法库，可以由人为触发进行探索性数据挖掘。在探索模式中选取数据分析算法对选定数据进行处理，产生数据分析结果。根据人为经验对挖掘模型进行甄选，经过多个专业人员和一段时间的甄选打分，可以对数据分析算法进行打分统计，产生报表，以供参考。对打分高的算法可以进行勾选移到常规算法库中，可以用来在常规模式进行常规数据挖掘。设计到的算法模块有：电量异常数据的智能诊断、峰谷电价与电量消耗的关联规则提取、电量负荷预测。