一种电网运行KPI数据模式自学习的方法和系统技术方案

本发明专利技术涉及一种电网运行KPI数据模式自学习的方法和系统，该方法通过ETL技术按照需求对收集的电网运行数据进行数据抽取、数据转换和清洗得到电网运行KPI数据，并将清洗后的电网运行KPI数据装载到电网运行KPI数据仓库中，然后利用C4.5算法对装载到电网运行KPI数据仓库中的数据进行电网运行KPI数据挖掘，通过特征分析、关联分析和聚类决策分析得到KPI数据关联关系，再通过设置可信门槛过滤得到被接受的KPI数据关联关系，并在知识验证后得到新的电网运行KPI数据模式存储于电网运行KPI经验知识库中。该方法能够获取确信可使用的传统电网运行研究理论未发现的扩展知识，为丰富改善电网运行人员的专业知识和能力提供了基础，进而达到精细化管理。

【技术实现步骤摘要】
—种电网运行KPI数据模式自学习的方法和系统
本专利技术涉及一种电力系统智能调度
，特别是一种电网运行KPI数据模式自学习的方法和系统。
技术介绍
电力网络运行过程中会产生大量数据，对电网运行数据进行管理，从这些数据中寻找关键信息，掌握电力系统运行状态，对调度人员提高发电调整的决策效率有重要意义。关键性能指标KPI (Key Performance Indicator)集中展示了电网运行状态,为公司高层决策人员和电网运行关键岗位人员提供关于电网运行安全性、经济性、优质性、环保性的信息。目前的电网运行KPI数据管理只依据传统电网研究人工进行知识管理，且已有的KPI数据模式固定，无法进一步获取未发现的数据模式，使得对电网运行研究理论未发现的扩展知识受限，电网运行管理决策效率比较低，无法达到精细化管理。 为加强电网运行安全性、优化电能质量、提高电网运行经济性、兼顾电力生产的环保要求，电网运行的精细化管理逐渐成为各电网公司的迫切需要。随着电网基础设施数字化水平不断提高，电网信息系统的数据量不断增大，有效的利用海量数据，从数据中发掘出隐含的、先前未知并具有潜在价值的信息，是当前电网信息化领域的重要研究方向。
技术实现思路
本专利技术针对现有的电网运行数据的人工进行知识管理和KPI数据模式固定导致的电网运行管理效率低并无法精细化管理的问题，提供一种电网运行KPI数据模式自学习的方法，对电网运行数据采用ETL技术和电网运行KPI数据挖掘获取确信可使用的传统电网运行研究理论未发现的扩展知识，实现电网运行KPI数据模式自学习，为丰富改善电网运行人员的专业知识和能力提供了基础，进而达到精细化管理，提高电网运行管理水平。本专利技术还涉及一种电网运行KPI数据模式自学习的系统。 本专利技术的技术方案如下: 一种电网运行KPI数据模式自学习的方法，其特征在于，通过ETL技术按照需求对收集的电网运行数据进行数据抽取、数据转换和清洗得到电网运行KPI数据，并将清洗后的电网运行KPI数据装载到电网运行KPI数据仓库中，然后利用C4.5算法对装载到电网运行KPI数据仓库中的数据进行电网运行KPI数据挖掘，通过特征分析、关联分析和聚类决策分析得到KPI数据关联关系，再通过设置可信门槛过滤得到被接受的KPI数据关联关系，并在知识验证后得到新的电网运行KPI数据模式存储于电网运行KPI经验知识库中。 收集的电网运行数据为多源数据采集，包括采集电网运行KPI经验知识库中具有明确范围和数据采集源的电网运行KPI数据以及采集其它系统经数据处理产生的结果的KPI数据，还包括采集电网量测的潮流数据、拓扑数据和参数数据。 通过ETL技术按照需求对收集的电网运行数据从电网运行的各监测系统、执行系统和/或管理系统中进行数据抽取、数据转换和清洗得到电网运行KPI数据，所述清洗包括去除数据中的明显错误和冗余。 设置的可信门槛过滤包括安全可信门槛过滤、优质可信门槛过滤、经济可信门槛过滤和环保可信门槛过滤，将未通过可信门槛过滤的数据作为不可信知识存储至不可信知识库中。 在得到被接受的KPI数据关联关系后通过电网仿真技术进行知识验证，知识验证不合格的数据作为不可信知识存储至不可信知识库中，知识验证合格得到新的电网运行KPI数据模式还反馈到利用C4.5算法进行的电网运行KPI数据挖掘。 一种电网运行KPI数据模式自学习的系统，其特征在于，包括依次连接的电网运行数据收集模块、电网运行数据ETL处理模块、电网运行KPI数据仓库、电网运行KPI数据挖掘模块、可信门槛过滤模块和知识验证模块，所述电网运行数据收集模块收集电网运行数据，所述电网运行数据ETL处理模块通过ETL技术按照需求对收集的电网运行数据进行数据抽取、数据转换和清洗得到电网运行KPI数据，并将清洗后的电网运行KPI数据装载到电网运行KPI数据仓库中，所述电网运行KPI数据挖掘模块利用C4.5算法对装载到电网运行KPI数据仓库中的数据进行电网运行KPI数据挖掘并通过特征分析、关联分析和聚类决策分析得到KPI数据关联关系，所述可信门槛过滤模块通过设置可信门槛过滤得到被接受的KPI数据关联关系，再由知识验证模块进行知识验证后得到新的电网运行KPI数据模式存储于电网运行KPI经验知识库中。 所述电网运行数据收集模块收集的电网运行数据为多源数据采集，包括采集电网运行KPI经验知识库中具有明确范围和数据采集源的电网运行KPI数据以及采集其它系统经数据处理产生的结果的KPI数据，还包括采集电网量测的潮流数据、拓扑数据和参数数据。 所述电网运行数据ETL处理模块通过ETL技术按照需求对收集的电网运行数据从电网运行的各监测系统、执行系统和/或管理系统中进行数据抽取、数据转换和清洗得到电网运行KPI数据，所述清洗包括去除数据中的明显错误和冗余。 还包括不可信知识库，所述不可信知识库与可信门槛过滤模块相连；所述可信门槛过滤模块包括安全可信门槛过滤模块、优质可信门槛过滤模块、经济可信门槛过滤模块和环保可信门槛过滤模块，分别实现安全可信过滤、优质可信门槛过滤、经济可信门槛过滤和环保可信门槛过滤，均满足可信门槛过滤的被接受的KPI数据关联关系输入至知识验证模块，将不满足可信门槛过滤的数据作为不可信知识存储至不可信知识库中。 所述不可信知识库还与知识验证模块相连，所述知识验证模块在得到被接受的KPI数据关联关系后通过电网仿真技术进行知识验证，知识验证不合格的数据作为不可信知识存储至不可信知识库中，知识验证合格得到新的电网运行KPI数据模式存储于电网运行KPI经验知识库中，同时新的电网运行KPI数据模式还反馈输入至电网运行KPI数据挖掘模块。 本专利技术的技术效果如下: 本专利技术提供的电网运行KPI数据模式自学习的方法，利用ETL技术按照实际需求对收集的电网运行数据进行数据处理得到电网运行KPI数据，采用利用C4.5算法进行电网运行KPI数据挖掘并获取确信可使用的新的电网运行KPI数据模式存储于电网运行KPI经验知识库中。本专利技术的方法通过ETL技术和数据挖掘技术对电网运行数据进行自动化深入分析和处理，获取确信可使用的并通过经验验证的新的电网运行KPI数据模式，属于传统电网运行研究理论未发现的扩展知识，实现电网运行KPI数据模式自学习，解决了现有的电网运行数据的人工进行知识管理和KPI数据模式固定导致的电网运行管理效率低并无法精细化管理的问题，经过基于传统电网分析理论构造的适用于电网运行KPI数据的挖掘，经过挖掘、可信门槛过滤和知识验证，最终产生有价值的新的电网运行KPI知识或电网运行KPI数据模式，将ETL技术和特定的数据挖掘技术应用于电网运行KPI经验知识库的完善，降低了电网运行管理人员的业务分析工作量，为丰富和改善电网运行管理人员的专业知识、调整运行管理策略，降低电网运行分风险、提高电网运行效率以及提高决策准确性提供方法和依据，通过本专利技术的方法能够达到精细化管理，提高电网运行管理水平。 本专利技术提供的电网运行KPI数据模式自学习的系统，包括依次连接的电网运行数据收集模块、电网运行数据ETL处理模块、电网运行KPI数据仓库、电网运行KPI数据挖掘模块、可信门槛过滤模块和知识验证模本文档来自技高网...

【技术保护点】
一种电网运行KPI数据模式自学习的方法，其特征在于，通过ETL技术按照需求对收集的电网运行数据进行数据抽取、数据转换和清洗得到电网运行KPI数据，并将清洗后的电网运行KPI数据装载到电网运行KPI数据仓库中，然后利用C4.5算法对装载到电网运行KPI数据仓库中的数据进行电网运行KPI数据挖掘，通过特征分析、关联分析和聚类决策分析得到KPI数据关联关系，再通过设置可信门槛过滤得到被接受的KPI数据关联关系，并在知识验证后得到新的电网运行KPI数据模式存储于电网运行KPI经验知识库中。

【技术特征摘要】
1.一种电网运行KPI数据模式自学习的方法，其特征在于，通过ETL技术按照需求对收集的电网运行数据进行数据抽取、数据转换和清洗得到电网运行KPI数据，并将清洗后的电网运行KPI数据装载到电网运行KPI数据仓库中，然后利用C4.5算法对装载到电网运行KPI数据仓库中的数据进行电网运行KPI数据挖掘，通过特征分析、关联分析和聚类决策分析得到KPI数据关联关系，再通过设置可信门槛过滤得到被接受的KPI数据关联关系，并在知识验证后得到新的电网运行KPI数据模式存储于电网运行KPI经验知识库中。2.根据权利要求1所述的电网运行KPI数据模式自学习的方法，其特征在于，收集的电网运行数据为多源数据采集，包括采集电网运行KPI经验知识库中具有明确范围和数据采集源的电网运行KPI数据以及采集其它系统经数据处理产生的结果的KPI数据，还包括采集电网量测的潮流数据、拓扑数据和参数数据。3.根据权利要求1或2所述的电网运行KPI数据模式自学习的方法，其特征在于，通过ETL技术按照需求对收集的电网运行数据从电网运行的各监测系统、执行系统和/或管理系统中进行数据抽取、数据转换和清洗得到电网运行KPI数据，所述清洗包括去除数据中的明显错误和冗余。4.根据权利要求1或2所述的电网运行KPI数据模式自学习的方法，其特征在于，设置的可信门槛过滤包括安全可信门槛过滤、优质可信门槛过滤、经济可信门槛过滤和环保可信门槛过滤，将未通过可信门槛过滤的数据作为不可信知识存储至不可信知识库中。5.根据权利要求4所述的电网运行KPI数据模式自学习的方法，其特征在于，在得到被接受的KPI数据关联关系后通过电网仿真技术进行知识验证，知识验证不合格的数据作为不可信知识存储至不可信知识库中，知识验证合格得到新的电网运行KPI数据模式还反馈到利用C4.5算法进行的电网运行KPI数据挖掘。6.一种电网运行KPI数据模式自学习的系统，其特征在于，包括依次连接的电网运行数据收集模块、电网运行数据ETL处理模块、电网运行KPI数据仓库、电网运行KPI数据挖掘模块、可信门槛过滤模块和知识验证模块，所述电网运行数据收集模块收集电网运行数据，所述电网运行数据ETL处理模块通过ETL技术按照需求对收集的电网运行数据进行数据抽取...

【专利技术属性】
技术研发人员：姬源，王向东，沈冠全，黄育松，覃海，万会江，孙浩，张仕鹏，李寿松，
申请(专利权)人：贵州电网公司电力调度控制中心，中国能源建设集团广东省电力设计研究院，
类型：发明
国别省市：贵州;52