北极星

搜索历史清空

  • 水处理
您的位置:电力评论正文

数据挖掘在电力企业中的应用

2012-01-18 13:13来源:中国传动网关键词:人工智能信息化ERP收藏点赞

投稿

我要投稿

 自20世纪80年代投资人工智能(AI)的研究转入实际应用时就提出了一个新兴的、面向商业应用的研究课题——数据挖掘。目前,越来越多的管理人员正在利用数据挖掘工具,解决所遇到的至关重要的商业问题和决策问题,如企业经营方向的定位、管理模式的确立、营销的决策、内部生产力的促进、成本的控制和企业核心竞争力的获取等。

数据挖掘首先需要在商业环境中收集大量的数据,然后运用挖掘的知识对企业已有的数据进行分析。它具有不同的应用形式,如企业经营分析研究工具(research)、市场营销分析工具(marketing)、客户关系管理工具(customer relationship management,CRM)等。

本文从应用角度出发,介绍了数据挖掘技术的基本概念及其在电力企业中的应用,并结合广东省广电集团有限公司信息化的具体情况构造了一个简单的数据挖掘模型,同时展望了数据挖掘在电力行业的发展前景。

1数据挖掘技术的概念和实用价值

1.1数据挖掘的概念

所谓数据挖掘,是从海量的数据中,抽取出潜在的、有价值的知识(模型或规则)的过程。也就是根据预定义的商业目标,对大量的企业数据进行探索和分析,揭示其中隐含的商业规律,并进一步将其模型化的先进有效的技术过程。数据挖掘是一门交叉学科,它集成了许多学科中成熟的工具和技术,包括数据库技术、统计学、机器学习、模型识别、人工智能、神经网络等。

数据挖掘能做以下6种不同事情:分类 (classification)、估值(estimation)、预测(prediction)、相关性分组或关联规则(affinity grouping or association rules)、聚类(clustering)、描述和可视化(description and visualization)。

1.1.1分类

分类即区分数据类别。首先从数据中选出已经分好类的训练集,在该训练集上运用数据挖掘分类的技术,建立分类模型,对于没有分类的数据进行分类。

1.1.2估值

估值与分类相似,不同之处在于,分类描述的是离散型变量的输出,而估值处理连续值的输出,同时分类的类别是确定数目的,估值的量是不确定的。

1.1.3预测

通常,预测是通过分类或估值起作用的,也就是说,通过分类或估值得出模型,该模型用于对未知变量的预言。预测其目的是对未来未知变量的预测,这种预测是需要时间来验证的,即必须经过一定时间后,才知道预言准确性是多少。

1.1.4相关性分组或关联规则

通过分析数据或记录间的关系,决定哪些事情将一起发生。

1.1.5聚类

聚类是对记录分组,把相似的记录分在一个聚集里。聚类和分类的区别是聚类不依赖于预先定义好的类,不需要训练集。

1.1.6描述和可视化

即对数据进行归约、概化或图形描述等。

1.2数据挖掘在电力企业的使用价值

数据挖掘技术源于商业的直接需求,因此它在各种商业领域都存在广泛的使用价值。下面结合电力企业的行业特点来具体谈一谈数据挖掘在电力企业中的可能作用。

1.2.1指导设备更新

在电力设备的更新中,现在有两种方式:一种是电力设备意外损坏,需要即时更新,这种更新通过电力设备监控系统即可发现,然后予以维修更换;另一种是对老化设备的更新,现在是通过经验来判断,比如说通过使用年限等,可是这样存在很多问题,像有的设备已经到期了,但是保养得好,仍然可用,却要更换,造成浪费,有的设备虽然没到期,但是各种使用参数已经不符合要求了,却没有更换,导致电力的较大损耗。通过数据挖掘技术即可解决后一种方式存在的问题。我们可通过挖掘由故障报修、电力损耗、各种电力参数等数据组成的主题仓库来分析电力设备的故障和老化情况,来最终决定设备的更新.

投稿与新闻线索:陈女士 微信/手机:13693626116 邮箱:chenchen#bjxmail.com(请将#改成@)

特别声明:北极星转载其他网站内容,出于传递更多信息而非盈利之目的,同时并不代表赞成其观点或证实其描述,内容仅供参考。版权归原作者所有,若有侵权,请联系我们删除。

凡来源注明北极星*网的内容为北极星原创,转载需获授权。