：本文阐释了详尽的数据挖掘算法，并基于电力管理分析的特点，重点地辩论了聚类分析的算法，基于电力数据的管理分析系统，数据的挖出技术在本文设计的过程当中，以其使用了混合型的数据并且取得了较好的挖出效果，并阐述了数据挖掘技术在电力管理与分析中的应用于，以供同行糅合。【关键词】：电力管理；数据挖掘；管理分析1章节在电力管理系统中，不论是调度室、变电所还是发电厂，都是记录着大部分的关于电能信息和电气元件等多个方面的数据，因为我国电力市场展开了改革，每个发电厂每三十分钟都得向电力公司展开一次电能价格及发电量的报价，这样可以参与竞价网际网路，所以具有十分大的市场信息数据将尚待分析及处置。

面临这些数据的大大减少，数据挖掘的技术也是近几年以来应运而生的一门新的学科。这个利用现有的计算机技术以及各种涉及的领域科学知识，这样可以把这些数据累积下来作为研究的对象，进而可以找到藏在这些数据的背后简单的科学知识，进而可以为人们的决策获取了有力的依据。2数据挖掘技术数据的挖出有狭义及广义之分，从狭义上说道，数据的挖出就是找到，创建一些最重要的、简单的模型。数据的挖出理论基础，可以为研发及研究获取了指导的方针。

而从广义上说道，数据的挖出就就是指大量的信息当中找到一些内在的、隐蔽的及简单的信息或者科学知识。众所周知，研发数据挖掘牵涉到到了很多涉及的学科，数据的挖出牵涉到了专家系统、高性能计算出来、数据可视化、科学知识提供、智能数据库、统计资料、模式识别以及机器学习等领域。

数据的挖出就是数据的分析深层次的方法。这个思想平台或者是称之为数据库的遗理论是数据的仓库或者是数据的集市。数据的挖出系统主要可以分成三个结构。第一个是数据源，其还包括数据仓库及数据库。

数据的挖出不一定是在数据的仓库基础之上的。但是数据的仓库将相当大地提升了数据挖掘的效率。

第二个就是利用数据挖掘工具方法对数据库中的数据展开分析，其中还包括聚类分析、分类分析、序列模式分析、关联分析等。第三个就是用户的界面显示所获得的信息方法，用户可以便利仔细观察和解读，还可以用于一些可视化的工具。3在电力管理及分析中数据挖掘的应用于近几年以来，信息受到了更加多的人们所推崇，信息也是企业发展的核心。

而在这个全新的信息时代，企业的赢家经常都需要顺利地解读、分析、搜集信息并且明确提出那些基于信息的决策。在较慢发展的信息同时，信息化的建设在电力工业当中也获得了普遍的应用于和大力的发展。

电能用于营销管理信息的系统，客户的服务系统也承继累积了大多数的历史数据，并且还包括客户的资料。为了处置这些分析的系统及有效地的数据，这就可以利用了数据的挖出技术服务电力的系统，可以为那些决策者获取不利的依据。在电力的管理及分析的系统中，数据的挖出可以搜集各种各样的零散客户的数据，并且创建了各种各样的主题数据库，客户关系、功率供应及售电等让市场的营销主管及企业的高级主管掌控。

尤其是那些最重要的客户，经营风险、成本，最重要客户的价值，销售，收益及利润结构，以及其他的信息和一些变化。大部分的数据挖掘过程当中一定要在深刻印象了解的基础上挖出的对象，对于那些有所不同的对象，应当用于有所不同的数据挖掘技术。

4在电力系统负荷预测中数据挖掘的应用于电力的负荷预测就是能量管理的系统以及配电的管理系统最重要的组成部分，是运营调度和电力系统规划的依据，这个也是电力的市场化商业的运营所必须的基本内容。而负荷预测工作的重点在于搜集大部分的历史数据，并且创建一个科学有效地的预测模型，还应当使用有效地的算法，例如，以历史的数据为基础，就应当展开大量的试验性展开研究，总结一些经验，大大地修正模型及涉及的算法，这几可以确实地体现负荷变化的规律。

4.1自由选择涉及的算法自由选择聚类法又可以称作聚类分析法，这个是对一组负荷影响的因素数据展开了一些聚类的方法，聚类以后的数据也就包含了一组分类。而聚类的标准也是可以依照数据的表象，也就是数据的属性值为依据的，而聚类的工具也是把一组的数据按照表象以及将类似于的裁并成类，最后构成很多腊个类，在类以内的数据具备表象的相似性，而且类间的数据应当具备表象的有所不同性。也有很多的聚类的算法，例如基于网格的方法、基于密度的方法、层次法、区分法、有遗传的算法等。4.2创建负荷预测的模型负荷预测的模型就是统计资料的资料轨迹的总结，预测的模型也是多种多样的，所以，对于明确的资料应当自由选择适合的预测模型，这就是负荷预测的过程中十分最重要的一步。

当由于模型自由选择不适合的时候而造成了预测误差较为大的时候，这就必须替换模型，必须的时候，还应当同时使用几种数学的模型展开涉及的运算，这样也就便利了自由选择、对比。4.3整理历史资料一般而言，因为预测的质量不应当不会多达所用到资料的质量，因此应当对所搜集的和负荷涉及的统计资料展开一系列的审查以及适当的时候展开加工整理，这样可以保证资料的质量，进而为确保预测的质量奠定了较好的基础，即应当留意资料的完整性，数字的准确性，体现的都应当是长时间状态下的水平，而在资料当中也没尤其的分离出来项，还应当留意资料的革除，并且对那些不可信的资料应当加以核实及调整。通过了创建数据的一致性以及完整性约束模型，进而创建大量的数据集可以为后面的数据挖掘做到了更佳、更加充份的打算。4.4阻抗数据的预处理经过可行性的整理，还应当用作数据分析的预处理，光滑的出现异常值历史的数据以及缺陷数据的大部分是横向的、水平的方法序言。

而正在分析数据以前的阻抗数据和分析数据以后的阻抗数据作为基准，这样可以设置要处置数据的时候，应当处置数据的范围当中变化仅次于的数据，而处置的水平多达了这个范围的时候，则它就被指出一个是怕的数据，应当用于平均法展开光滑变化，而横向阻抗的数据预处理当中的数据处理在考虑到其24小时小循环，也就是，在刚好，有所不同的日期的阻抗应当具备相似性，与此同时阻抗值应当保证在一定范围之内，而在校正以外，并且范围内的数据展开一系列的处置。4.5调查及自由选择历史负荷数据的资料很多方面的调查搜集资料，还包括电力企业外部的资料及内部的资料，从大部分的资料当中挑选出较为简单的一个部分，也就是把资料增大到大于量。挑选出资料的时候标准应当可信、必要并且是还是近期的资料。

假如资料的自由选择及搜集得很差，就不会必要地影响到负荷预测的质量。而通过创建计算机的数据管理系统，并且利用计算机软件的系统可以自动地管理数据。5结束语综上所述，作为一种数据分析的技术和方法，在一个十分大的信息库当中找到潜在的信息，数据挖掘早已沦为了社会注目的焦点。

而在电力管理的电力信息化建设过程当中具有大量的历史数据，现在应当应用于数据的挖出技术，研发一个分析决策系统，去解决问题电力关了中最重要的问题。数据挖掘分技术在电力管理及分析中的运用,其主要在于阐释及预测。

阐释则是侧重寻找一个可以被解读的模型来叙述数据之间的相互关系，而预测研究的则是根据历史的数据来预测不得而知的信息。参考文献：［1］陈章良.基于数据挖掘的电力营销预测决策模型应用于与研究［J］.电力信息技术，2011（6）：98～100.［2］王佳，史雪飞.在电网中应用于数据挖掘技术的探究［J］.商情，2011（45）：68～69.［3］路广，张伯明，孙宏斌等.数据仓库与数据挖掘技术在电力系统中的应用于［J］.电网技术，2011（25）：54～57.。

本文来源：威廉希尔WilliamHill体育官方网站-www.penzhilin.com