摘要：智能电网的迅猛发展，各类电网设施越来越先进，计算机信息技术的合理运用，使得电力企业积累大量数据信息，为了保证电力数据信息得到高效利用，做好电力运营数据信息管理工作特别重要。基于此，本文将对大数据分析技术在电力运营数据管理中的应用进行分析。

关键词：大数据分析技术;电力运营;数据管理

智能电网和计算机信息技术的广泛应用让电网设施更具先进性，而且在电力运营中产生了大量数据信息，要想合理、高效的对这些数据信息进行利用，并保证数据信息利用的安全性，就需要对大数据分析技术进行深入研究，让电力运营数据信息管理发挥出更大效用。

1电力营销数据管理当中运用大数据分析技术的现实意义

在电力营销数据管理工作之中，通过应用大数据分析技术，具有以下重要意义：首先，为电力企业的运营管理提供良好的数据支撑，大数据分析技术的有效应用，可以更好地挖掘出具有良好应用价值的电力数据，并将此类电力数据进行融合，经过相关人员的认真分析后，结合用户的电力消费特点，准确预测电力需求，进而保证电力企业的运营管理水平得到明显提高。其次，构建完善的电力能源数据服务平台，为电力企业的壮大发展打下良好基础。例如，在某大型电力企业当中，相关人员通过利用大数据分析技术，将电力供给数据、消费数据信息进行合理分析，并为用户提供针对性的信息服务，不断降低企业的经营管理成本。最后，为节能型产品的研发提供良好支撑，大数据分析技术的有效运用，可以帮助电力企业工作人员进一步了解能源供应情况，并将用户的消费数据进行汇总分析，保证电力数据信息更加准确，从而为消费者提供更加完善的用电方案。

2大数据分析主要技术

当前，随着大数据技术在电力数据分析中的应用中，大致可以分为以下几种技术：

2.1统计分析

统计分析是电力数据分析的一个常见的技术，也是最为基础的技术。通过对数据的基础搜集、整理和分析，可以直观的得到数据的内在规律，并通过计算得出可以反映整体数量特征的统计信息，以此更好的为电力企业的运营提供服务。

2.2关联分析

数据挖掘最早为人所知实际上就是对某超市的销售数据进行关联分析，因此关联分析在数据挖掘领域中具有不可替代的地位。常用的关联分析算法有A-priori关联算法、基于划分的算法以及FP-growth算法等。近年来又提出了一些改进算法，包括并行关联规则挖掘、模糊关联规则挖掘、基于变化时空的关联规则挖掘、多层或多维的关联规则挖掘、基于聚类的关联规则挖掘等算法。

2.3聚类分析

聚类是近年来机器学习研究的热点之一，研究者已给出了多种类型的聚类算法，如基于谱分析的划分方法、层次聚类方法、基于密度的聚类方法、基于原型的聚类方法等。适用于不同聚类需求，聚类问题也发展出了多种新模型，如异质聚类、子空间聚类、聚类集成、多路聚类、演化聚类等。面向不同类型的数据形式，聚类分析也有不同的特点，如时序数据聚类、流体数据聚类、图像分割等。

2.4分类分析

分类算法是解决分类问题的方法，分类算法通过对已知类别训练集的分析，从中发现分类规则，以此预测新数据的类别。分类算法包括单一分类算法和集成学习算法，单一的分类方法包括决策树、贝叶斯分类、神经网络、K-近邻、支持向量机等;集成学习算法包括Bagging、Boosting等。其中决策树是一种常用的分类算法，决策树学习是一种以实例为基础的归纳学习算法，它从一组无次序、无规则的实例中推理出以决策树表示的分类规则。

2.5 多核学习

以上四种大数据分析方法进行单独应用就可以得出计算结果，但是现在企业的日常生产规模不断扩大，单一的分析方式已经不能适应企业发展，综合、多核的分析方式才是符合现在企业发展需要的分析方式，同时，这也是大数据分析实现进一步发展的必经之路。

3 大数据分析技术应用要点

3.1 负荷数据聚类分析

通过对电力数据信息进行聚类分析，可以保证电力数据信息更加准确，电力企业中的相关人员可以采用K均值聚类分析方法进行分析，此方法的应用原理比较简单，针对给定的数据信息进行分类，总共分成K类，并对各项数据信息进行细化分析，进一步提高电力负荷预测的合理性。

由于数字化时代的到来，电力系统在稳定运行的同时，会生成大量的数据信息，要想进一步提升电力系统的运行效率，要求电力企业中的有关工作人员，针对各项电力数据信息进行科学分析。而大数据分析技术的良好运用，有效降低电力数据分析难度，减少错误电力数据信息的出现。为了更好地提升电力系统工作效率，可以适当降低系统的延时性，增强电力系统可靠性。如果电力数据在短时间内急剧增多，会对电力信息数据工作产生一定影响，因此，相关人员需要合理运用大数据分析技术，在保证电力系统安全、稳定运行的基础上，提高智能电网的建设水平。

3.2 科学构建负荷预测框架

为了保证电力负荷预测更加合理，相关管理人员可从以下几方面入手：

第一，利用大数据分析技术，构建完善的数据分析与处理的平台，该平台的良好构建，可显著提高电力负荷预测的准确性。

第二，加强数据分析，将大量数据信息上传到数据分析处理平台中，并结合电力负荷分布情况，找到影响电力负荷稳定增长的因素，并进行科学处理。对于电力企业中的相关管理人员来讲，在挖掘电力数据信息之前，要将不同区域的电力负荷数据进行分类，找到不同用电地区用户的用电规律，并运用大数据分析中的聚类分析方法，确定用户负荷类型，开展关联性分析，在区域用电结构的基础之上，准确预测用户的用电负荷。

3.3 事前做好预防措施

神经网络技术可以提取出电网运行中产生的实时信息、故障缺陷信息以及关于设备台账的信息等大量数据信息中包含的关键特征，然后辨别出这些不同数据源中所含有的特征单元，根据要求对自定义进行组合，此外，为了让自回归滑动平均法在数据预测中发挥效用，就需要建立相关的多维分析模型，这样就可以对电网运行中出现的各种风险进行事前预警，还能及时发现电力设备运行中存在的缺陷问题，进而可以针对这些问题做好事前预防措施，确保了电网运行的安全性和平稳性，而且让调控工作模式发生了改变，促使调控工作更具针对性和有效性。

3.4 事后做好处置工作

对现在已经存在的事故预案应针对其设定的预置条件建立相关分析模型和故障处置专家库。对已经发生故障电网的实时数据进行深入挖掘，对导致故障发生的原因、故障可能造成的影响以及故障的发生过程进行详细分析，并深入分析多元化数据信息，诊断事故原因，对专家库进行搜索，得出初步结论。如果故障现象、告警信息和预置条件相符，那么，就可以和专家库中的预案和操作进行自动匹配，进而针对供电恢复形成有效方案，让事后处置工作更具高效性。

4 结束语

综上，通过对大数据分析技术在电力运营数据管理当中的具体运用与注意事項进行全方位分析，例如明确大数据分析核心技术、负荷数据聚类分析等，可以保证大数据分析技术在电力企业运营管理工作中得到高效运用，减少错误电力数据的出现，对我国电力事业的快速发展起到有效推动。

参考文献

[1]李宁，冯磊，焦腾，尹琴，宋洁.大数据分析技术在电力运营数据安全管理中的应用研究[J].计算机产品与流通，2020（11）：35-36.