[发明专利]基于聚类分析的多源异构数据挖掘方法

说明书

一种基于聚类分析的多源异构数据挖掘方法，一：获取数据，具体包括电力系统中各个电力设备历史运行数据和实时运行数据；用电采集系统中电力用户历史和实时用电数据；二：将采集的数据统一存储在服务器或者云端；三：对数据进行聚类分析处理，得出系统实时运行数据库、故障检修数据库、用电需求数据库；四：对分类数据进行加工分析，对运行设备健康状态和运行风险给出提示，并对检修时间给出指导建议。本发明通过对电力系统中的运行设备和用电用户类型进行数据分析，实现了运行设备健康状态的实时精准检测，并能准确的给出健康体检报告，能根据用电用户类型和时间的数据的分析，给出检修时间的建议，实现了电力设备检修的智能化管理。

技术领域

本发明涉及数据处理技术领域，具体涉及一种基于聚类分析的多源异构数据挖掘方法。

背景技术

聚类分析指将物理或抽象对象的集合分组为由类似的对象组成的多个类的分析过程。它是一种重要的人类行为。聚类分析的目标就是在相似的基础上收集数据来分类。聚类源于很多领域，包括数学，计算机科学，统计学，生物学和经济学。在不同的应用领域，很多聚类技术都得到了发展，这些技术方法被用作描述数据，衡量不同数据源间的相似性，以及把数据源分类到不同的簇中。

电力系统在生产生活中具有重要地位，在电力管理系统中,有各种电力设备，安全控制设备以及各种用户用电数据等信息，电力设备出现故障，可能造成电力系统的紊乱和供电紧张，然而由于电力设备复杂多样且种类繁多，难以做到对电力设备的故障预警，因此对电力设备的监测与管理成为保障电力供应的重要任务。目前，在电力设备的管理，如电网变电站设备管理中，现有技术往往依靠使用监测器件对各个电力设备进行检测，然后通过大量人力周期性巡视检测各个监测器件的数据，或者巡视电力设备的工作情况，并定期地向上级工作人员提供纸质报告。然而，人工检测电力设备的方法，难以对大量的电力设备都进行综合检测，不能综合各个电力设备的监测数据并且在对电力设备的管理过程中没有实现自动化处理，导致难以对电力设备的数据进行综合处理，进而使得在电力设备出现数据异常时，无法及时和准确地向相关工作人员推送相关信息，以做到故障预警。即使发生故障后及时的通知了管理人员，但排除故障也需要较长实际，不仅消耗大量人力物力，也给生产生活造成损失；

同时用电用户众多，如何合理的供给电力，或者需要停电检修时，在何时断电是最佳时间，目前均无数据进行分析，往往依靠管理人员凭借经验主观决定。

发明内容

本发明针对现有技术的不足，提出一种基于聚类分析的多源异构数据挖掘方法，有效解决电力系统大量设备运行健康情况实时监控和提前预警问题，并能给出合理的检修时间和检修地址。

具体技术方案如下：一种基于聚类分析的多源异构数据挖掘方法，具体步骤为；

步骤一：获取数据，具体包括电力系统中各个电力设备历史运行数据和实时运行数据；用电采集系统中电力用户历史和实时用电数据；

步骤二：将采集的数据统一存储在服务器或者云端；

步骤三：对数据进行聚类分析处理，得出系统实时运行数据库、故障检修数据库、用电需求数据库；

步骤四：对分类数据进行加工分析，对运行设备健康状态和运行风险给出提示，并对检修时间给出指导建议。

作为优化：所述聚类分析具体包括系统聚类法和K-means聚类算法。

作为优化：所述步骤四中运行设备健康状态和运行风险给出提示的具体方法为，将获取的设备实时运行数据和检修数据库中的异常数据以及厂家提供的正常运行数据进行比对，超过正常值，则判断为设备异常，根据设备数据来源，获取设备地址信息，生产风险提示报告。

作为优化：所述步骤四中，检修时间建议具体的方法为，根据用电需求数据库，将用电用户根据用电峰值分成日间用电型、夜间用电型、持续用电型；然后根据时间，对同一时间的用电用户数量进行统计排名，最终根据用电时间类型和时间段用电用户数据，给定检修时间。