吴永峰
广东电网有限责任公司揭阳供电局 522000）
摘要：在电气系统中对电气设备实施在线监测，要求监测人员能够基于海量的数据信息中提取到有价值且精准的信息，无疑工作量是巨大的。但是基于数据挖掘技术的应用，却能够在短时间内对电气设备实施有效的在线监测，不仅提高了数据分析、应用和后续存储的效率，同时也为新技术的研发以及维护电气设备的稳定运行提供了有效的基础。本文主要研究数据挖掘技术在电气设备在线监测系统中的有效应用。
关键词：数据挖掘技术；电气设备；在线监测系统
前言：想要将数据挖掘技术有效地应用于电气设备在线监测系统当中，要求监测人员能够有效地明确系统目标以及总体结构。与此同时，还要设置科学且精准的数据处理模块、预测模块等，提升最终监测数据的有效性和真实性，为后续电气设备的更新以及电气系统的科学开发等一系列工作提供有效的数据基础，从而为电气事业的发展提供动力。
1.数据挖掘技术的基本概述
数据挖掘是数据仓库中的重要分支，又被称为数据库中的知识发现。是从随机的、模糊的、有噪声的、不完全的以及大量的数据集合中识别可理解的、潜在有用的、新颖的、有效的信息的过程，本身是一门涉及内容十分广泛且综合性教育强的交叉学科。数据挖掘包括模糊数学、粗糙集、数据库、神经网络、数理统计以及机器学习等众多学科，基本方法一般以相关性分组、预测评估和分类为主。同时随着科学技术的逐渐发展，数据挖掘技术也可以依托信息化渠道和网络系统，在线上对可预测的信息加以有效的计算分析，并挖掘其背后的潜在数据[1]。
数据挖掘技术的应用一般包括六个流程，第一是对问题加以定义，也就是清晰地确定某个区域或某个领域中的问题，对数据加以定性和挖掘；第二是选择有效的数据集，在大型数据仓库当中确定目标，并挖掘目标数据集合；第三是预处理数据，也就是对数据的再加工，包括删除无效数据，去除数据集合中的噪声等；第四是挖掘数据，也就是依照最初的数据挖掘目标来对数据中的有用信息加以提取和计算；第五是分析数据结果，即对所挖掘到的数据信息结果进行评价和解释，并生成能够为用户所理解的知识信息；第六是运用知识体系，也就是依托计算机技术对所挖掘到的数据结果集成到信息系统当中，为后续的应用和信息开发提供基础。
.png)
2.电气设备在线监测系统设计基本原理
2.1 系统目标设计
通常情况下，电网企业以及其他各类机构所设计的电气设备在线监测系统，主要目的是对系统所监测到的数据进行科学有效的分析，以便于提取到有价值的内容，如处于同一电压等级之下，相同设备绝缘状况是否存在差异；同一生产厂家制造的电气设备，其绝缘状况是否有出入；在哪种环境和什么时间下，这些监测设备的绝缘参数会发生较大的变化；系统发出报警或误报警时受到哪些因素和干扰，以此来帮助监测人员能够对电气设备加以正确的诊断，了解其健康状况，排除误报警的同时延长在线监测系统以及电气设备的使用寿命。
2.2 系统总体框架设计
电气设备在一线监测系统所采用的框架包括各类客户端、服务器端等，工作平台一般为最先进的计算机系统，数据库模式本身包括两个模块，数据处理模块以及预测模块。其中数据处理模块主要是有效地对电气设备中的数据进行实时且在线的监测，并实现预处理工作，将这些数据加工成能够后续应用和实际以计算的培训数据。而预测模块则依托挖掘算法给这些数据提供预测结果，并且在客户端的引导之下对这些数据结果加以判断和重新生成。通常情况下，电气设备在线监测系统总框架包括以下几个特点：
首先具有整体性。因为在该框架当中需要处理和计算大量的数据内容，对客户端硬件配置和软件生成的要求都相对较高，高峰情况下甚至可以支持多个用户同时预测和计算，从而提升整个系统的整体性。
其次具有实用性。该系统采用稳定且高效的数据挖掘算法，可以基于现有数据库上对潜在数据加以深层次挖掘，本身具有广阔的发展前景和实用价值。
再次具有应用性、该系统可以在客户端中为用户提供一个个图形，甚至立体化的使用界面，并在短时间之内将精准测算的数据结果交给用户。
最后具有灵活性。该系统的使用者能够对各类参数以及挖掘算法进行灵活的设定，甚至可以随时生成出厂模式，满足用户全方位且多样化的要求[2]。
.png)
3.数据挖掘技术在电气设备在线监测系统中的应用
3.1模块生成
首先是数据处理模块。为了能够将数据挖掘技术有效地应用于电气设备在线监测系统当中，并使最终的监测数据结果生成更有价值，需要对这些数据进行预处理，包括处理错误数据，通过确定数据的取值范围来过滤掉一些无用和错误的数据信息以及处理缺失数据，也就是除了数据本身残缺之外，该过滤器还能对错误的数据进行加工核算及缺失数据，如果前后间隔时间不大，该系统可以应用线性插值的方式补全。
其次是预测模块。在预测模块系统当中，要求技术人员能够有效地利用数据挖掘算法，并结合实际工作的湿度和温度等环境要求，采用分类算法中的决策树算法，有效地解决海量数据归类的问题。在实际使用当中，要求技术人员对该模型当中已有的数据加以汇总，用这些数据计算的结果来预测未来可能会存在或发生的数据。如果决策树算法不能对全部数据对象给予正确的分类，技术人员则可以外加一些例子到整个系统当中，并重复该过程，直到形成最终正确的决策树集。
3.2 确定数据属性并实现离散化
技术人员在确定算法之后，就要对所得到的数据结果进行目标属性和条件属性的确定，这一般是由行业专家和教授来进行计算和执行的。在这一系列系统当中，想要提高数据挖掘技术的科学性、精准性，要求专家对设备类型和设备所属id进行有效的检查，同时数据挖掘技术应用和测算的时间也要界定清晰，并对整个技术应用环境加以可靠的定性和考察，包括大气、温度、湿度、系统、电容、介损等数据都需要出具在属性确定表之上。与此同时，还要求技术人员可以依照不同的、多类型的数据挖掘目标，确定每一次挖掘的相关属性和有关数据结果，并加以科学的汇总，寻找其中的规律，从而为新技术、新设备的更新和应用提供可靠的保障[3]。
而数据的离散化主要是由于以上所采用的决策树算法本身对数据结果的目标属性要求相对较高，所出具的离散值本身也会由于负荷的变化而产生一定的变动，可能是连续值可能是非连续值。基于此，要对这些数据实现离散化，使它们可以持续有效地映射到相应的设备和客户端区间当中，在确保区间划分稳定均匀的同时，简化算法。例如每个区间大小划定值为5%，在实现数据离散化之后，其负荷变化率就可以用一个相对稳定的区间符号来代替数据值，提升数据挖掘稳定性的同时，也可以最终生成相对可靠且精准的电气设备在线监测结果，为后续技术的研发以及电气系统的更新应用提供可靠的基础。
4.结束语
数据挖掘技术在电气设备在线监测系统中的有效应用本身具有实用性、应用性和灵活性，能够得到相对稳定且精准的监测数据，从而为新技术、新设备的更新提供保障。在实际应用的过程中，要求技术人员可以进一步关注模块的生成，无论是数据处理模块还是预测模块，都要有效地强化其稳定性。与此同时，还要确定数据属性并实现离散化，使整个电气设备在线监测系统能够持续稳定的工作，从而推动电气事业的可持续化发展。
参考文献：
[1]贾健雄,于晓蕾,靳幸福.数据挖掘技术在电力设备故障诊断中的应用探讨[J].数字通信世界,2020,(06):205+218.
[2]包晓晖.基于数据挖掘技术的电气设备在线监测系统开发[J].华北水利水电学院学报,2008,(05):52-54.
[3]周茜.数据挖掘技术在电气设备在线监测系统中的应用[J].科技情报开发与经济,2006,(08):209-210.
作者介绍：
? 吴永峰（1988.02.02），性别：男；籍贯：广东揭阳；民族：汉；学历：本科、学士；职称：中级工程师；职务：科技进步助理专责；研究方向：变电。