数据挖掘技术及其在电力系统中的应用
吴奇珂，程帆
（东南大学 电气工程学院，江苏 南京 210096）
摘 要：电力大数据下的数据挖掘技术应用贯穿于发、输、变、配、用各个环节，介绍了分类分析、关联分析、聚类分析和异常检测等智能算法在输电系统雷电预测、设备运行状态分析、配电系统运行故障预警及风险预测、用户用电行为特性聚类、电力市场行为分析、电力市场中负荷及电价预测等的应用。数据挖掘技术可显著提升电网运行效益，是未来智能电网发展的核心技术之一。
关键词：数据挖掘；输电系统；配电系统；用电互动；电力市场
中图分类号：TM715 文献标识码：B 文章编号：1007-3175(2016)06-0028-05
Data Mining Technology and Its Application in Power System
WU Qi-ke, CHENG Fan
（School of Electrical Engineering, Southeast University, Nanjing 210096, China）
Abstract: Under the conditions of big data in power industry, the application of data mining technology ran through each link of deliver, transmission, transfer, distribution and usage. Introduction was made to the application of classification analysis, correlation analysis, clustering analysis and anomaly detection etc intelligent algorithms in thunder and lightning prediction of power transmission system, analysis of equipment operational condition, fault early warning and risk profile of power distribution system, user electro-behavioral characteristic clustering, electricity market behavioural analysis, load and electricity price prediction in electricity market and so on. The data mining technology could improve effectiveness in power grid remarkably and it is one of the core technologies for future intelligent power grids.
Key words: data mining; power transmission system; power distribution system; interaction with power; electricity market
参考文献
[1] 钟晓，马少平，张钹，俞瑞钊. 数据挖掘综述[J].模式识别与人工智能，2001，14(1)：48-55.
[2] 张引，陈敏，廖小飞. 大数据应用的现状与展望[J].计算机研究与发展，2013，50(S2)：216-233.
[3] 张东霞，苗新，刘丽平， 张焰，刘科研. 智能电网大数据技术发展研究[J]. 中国电机工程学报，2015，35(1)：2-12.
[4] 俞立婷，何俊佳，陈家宏. 输电线路雷电活动时空分布特征的数据挖掘[J]. 高电压技术，2008，34(2)：314-318.
[5] 陈维荣，宋永华，孙锦鑫. 电力系统设备状态监测的概念及现状[J]. 电网技术，2000，24(11)：12-17.
[6] 张连育. 基于数据挖掘的电力故障分析及预警系统研究与实现[D]. 北京：中国科学院研究生院( 沈阳计算技术研究所)，2010.
[7] 赵云山，刘焕焕. 大数据技术在电力行业的应用研究[J]. 电信科学，2014，30(1)：57-62.
[8] 张东霞，王继业，刘科研，郑安刚. 大数据技术在配用电系统的应用[J]. 供用电，2015，32(8)：6-11.
[9] 向保林. 数据挖掘技术在电力市场中的运用[J].武汉电力职业技术学院学报，2005，3(1)：30-33.
[10] 李冬伟. 基于数据挖掘的电力系统短期负荷预测研究[D]. 大连：大连理工大学，2007.
[11] 袁贵川. 基于数据挖掘技术和加权回归技术的电价预测[D]. 杭州：浙江大学，2003.
