数据挖掘技术及其在电力系统中的应用
电网故障信息数据挖掘技术的分析
电网故障信息数据挖掘技术的分析电网故障是一个普遍存在的问题，对于电力系统的安全运行和稳定供电产生了严重的影响。
为了及时发现和解决电网故障，提高电力系统的可靠性和稳定性，数据挖掘技术被广泛应用于电网故障信息的分析中。
本文将对电网故障信息数据挖掘技术进行深入分析，探讨其在电力系统运行中的重要作用。
一、电网故障信息数据挖掘技术概述电网故障信息数据挖掘技术是指利用数据挖掘技术对电网故障信息进行挖掘和分析，以发现其中的规律和特征，从而实现对电网故障的预测、诊断和处理。
数据挖掘技术主要包括数据预处理、特征选择、模型构建和模型评估等步骤，通过对历史数据的挖掘和分析，可以为电网故障信息提供有效的支持和指导。
二、电网故障信息数据挖掘技术的重要性1. 实时监测与预警：利用数据挖掘技术可以对电网运行状态进行实时监测和预警，及时发现故障隐患，减少事故发生的可能性。
2. 故障诊断与定位：通过对电网故障信息的挖掘和分析，可以对故障进行快速准确的诊断和定位，缩短故障处理的时间，减少对电力系统的影响。
3. 智能决策支持：数据挖掘技术可以为电力系统运维人员提供智能决策支持，帮助其更好地制定运行方案和应对措施，提高电网的可靠性和稳定性。
四、电网故障信息数据挖掘技术的发展趋势1. 多元数据融合：未来电网故障信息数据挖掘技术将更加注重多元数据的融合，包括历史故障数据、实时监测数据、环境数据等，以提高模型的准确性和可靠性。
2. 智能算法优化：随着人工智能技术的不断发展，未来电网故障信息数据挖掘技术将更加注重智能算法的优化，包括深度学习、强化学习等，以提高模型的学习和泛化能力。
3. 实时监测与预警系统：未来将更加注重将电网故障信息数据挖掘技术与实时监测与预警系统相结合，实现对电网故障的快速响应和处理，提高电力系统的安全可靠性。
五、结语电网故障信息数据挖掘技术在电力系统运行中具有重要的作用，通过对电网故障信息的挖掘和分析，可以为电力系统的安全运行和稳定供电提供有效的支持和保障。
数据挖掘技术及其在电力系统中的应用
【 关键 词 】数据挖掘 粗糙 集 决策树
１ 引 言
进入 ２ ０世纪 ８ ０年 代后 ，计 算机技 术迅速 发展 。 各大 企 业 公 司都相 继 引 入信 息 平 台建 设 、数 据 库应 用 ，并建 立 自己的数据 仓库 ，有 的 已经 购买并应用决
概率 应 该符 合一 定 的统计 意 义 。
对 于 结构 化 的数 据 ，以 客 户的 购 买 习惯 数据 为
例 ，利用 关联 分析 ，可 以发现 客 户的关联 购买 需要 。
适 合 决策 分 析需 要 的分 析 型数 据 ，来提 高 整 个管 理 系统 的决策分析 能力 。因此 ，围绕 电力企业关键 指标 体 系 ，应 用数 据挖 掘技 术势 在 必行 。
略 ，扩 展客 户购买的产 品范 围 ，吸引更多的客 户。通
过 调 整商 品的 布局 便于 顾 客 买的 经 常 同时 购 买的 商 品 ，或者 通 过 降低 一 种 商 品的价 格 来 促进 另一种 商 品的 销售 等 。
作 者 简 介 ：梁 瑜 内 蒙 古 电 力 勘 测 设 计 院 系统 窜 工 程 师
策支 持 系统 ，旨在提 高 自身在 同行业 自检 的竞 争 力。
电 力 系统 也 不 例 外 。 目前 ， 电 力 企 业 的 各 类 业 务 越 来
常用 的数据 挖 掘技术 包括 关联 分析 、序 列分 析 、 分类ห้องสมุดไป่ตู้、预 测 、聚类 分析 以 及时 间序 列分 析等 。
２． ． １ １关 联 分 析
义的 、隐 含的 、以前未 知的并有潜在 使用价值的 知识
的过程 ，是 一个 多学科 交叉 性学 科 ，它涉及 统计 学 、
数据挖掘技术在电力管理和分析中的应用
数据挖掘技术在电力管理和分析中的应用摘要：作为一种数据分析方法和技术，发现潜在的信息，大量的信息，数据挖掘已成为社会关注的焦点。
在电力行业的信息化建设进程中，有大量历史数据，采用数据挖掘技术来研究和发展是刻不容缓，分析决策系统需要解决在电力运行管理中存在的关键和突出问题企业。
本文提出了详细的数据挖掘算法分析。
基于电力管理分析的特点，重点讨论了聚类分析算法。
基于电力数据管理分析系统，数据挖掘技术在本文设计的过程采用混合型数据并获得良好的挖掘效果。
聚类对电力客户数据分析可以得到很好的分类，有助于预测顾客的购买行为。
关键词：数据挖掘；电力数据；管理分析；聚类算法一、引言现代信息化浪潮在全球范围内的快速发展，各种通道产生的信息越来越多，信息更新的速度越来越快，成千上万的数据是各行业的发展依据。
然而，数据库中的数据应用程序开发主要是低效的搜索查询，此外，相当多数量的数据具有很强的时效性。
数据值的降低迅速，虽然简单的数据查询和统计可以满足一些低水平的需要，但人们需要的是找到一般知识具有不同的指导意义，从知识的高度概括和抽象出大量数据。
用方法来发现隐藏的缺乏数据中的知识，导致了“数据爆炸但知识缺乏。
目前广泛使用的数据库和计算机网络和先进的自动化的应用数据生成和采集工具，数据量已经急剧增长，海量数据层出不穷。
每一天，例如，高达客户购买数据存储在POS机超市系统；每小时，各种同步卫星发送大量的遥感图像数据的到地球，很明显，大量的信息可以提供给人便利，但同时也带来一系列的问题。
比如，太多的信息量人难以掌握和消化，很难区分一些信息的真实与否，因此，这使得很难正确运用信息，不同的信息组织形式，很难在一起构成有效的信息。
传统的数据库技术和数据处理装置不能满足要求，快速发展互联网使各种资源在互联网上异常丰富，使它像在寻找一根掉在草堆里的针一样在互联网搜索信息。
电力信息管理分析在电力工业的需求，它是一个高水平的帮助企业做出决定的决策者。
“大数据”技术及其在电力行业中的应用
“大数据”技术及其在电力行业中的应用一、本文概述随着信息技术的飞速发展和互联网的广泛应用，大数据已经成为当今社会的热门话题。
大数据技术以其强大的数据处理能力和深入的数据挖掘价值，正在逐步改变我们的生活和工作方式。
本文旨在探讨“大数据”技术的内涵、特点以及其在电力行业中的应用。
我们将首先定义和解析大数据技术的核心要素，包括其定义、技术架构、处理流程等。
然后，我们将深入讨论大数据技术在电力行业中的应用场景，包括智能电网、能源管理、电力市场分析等方面。
我们将总结大数据技术在电力行业中的优势和挑战，并提出未来的发展趋势和建议。
本文旨在为读者提供一个大数据技术在电力行业应用的全面视图，以期能够帮助读者更好地理解和应用这一技术。
二、大数据技术概述随着信息技术的快速发展，大数据已经成为了当今社会的重要资源。
大数据技术是指通过特定的技术处理难以用常规手段管理和处理的数据集合。
这些数据集合往往具有数据量大、生成速度快、种类繁多、价值密度低等特点。
大数据技术的核心在于通过高效的数据处理和分析，从海量数据中提取出有价值的信息，为决策提供支持。
大数据技术的体系架构通常包括数据采集、数据存储、数据处理与分析、数据可视化等关键环节。
数据采集是指利用各种传感器、网络爬虫等手段，从各种来源获取数据。
数据存储则需要用到分布式文件系统、NoSQL数据库等技术，以应对海量数据的存储需求。
数据处理与分析则包括数据清洗、数据挖掘、机器学习等一系列技术手段，以揭示数据背后的规律和趋势。
数据可视化则是将分析结果以直观、易懂的方式呈现出来，帮助用户更好地理解和利用数据。
在大数据技术的推动下，电力行业也迎来了深刻变革。
通过对设备运行数据、用户用电数据、市场环境数据等进行全面采集和分析，电力行业可以更加精确地预测电力需求、优化资源配置、提高运营效率，从而实现可持续发展。
三、大数据技术在电力行业的应用随着“大数据”技术的不断发展，其在电力行业中的应用也日益广泛。
数据挖掘方法在智能电网中的应用
， （ ， ， ， ， 蠡 ， ， ） ＝０
（ ６ ）
基金 项 目：中央 高校基 本科研 业务 费专项 资金项 目 （ 项 目编号 ：１ １ Ｍ Ｇ Ｓ Ｏ ）；河北省高等 学校科学研究项 目 （ 项 目编号 ：Ｚ ２ ０ １ ３ ０ ０ ７ ）。
表 １节点系统计算结果
３ ． １数据的取样、调整
表ｌ 所示。
利用 最具代表 性的测量特征作为预测模型 的数据集 ：
＝ ， …， （ ， 儿） （ １ ）
，．．
式（ Ｉ ） 中：ｘ ∈Ｒ ｎ 为模型的输入向量；ｙ ｉ 为
输 出向量 ；ｓ 为样本数量 ；ｎ 为输入维数 。 为避免 向量墨中单位 、大 小幅度差异较大 对 挖掘过 程产 生不利影 响 ，将 数据集Ｅ 变换为 规范 数据 集 ，变换 过 程采 用 “ 零一 均值 规 范 化 ”，对任意属性Ｍ 值ｄ 、基于Ｍ 的平均值Ｍ 和标 准差ｏ 拄 行规范，使Ｍ 规 范化为 ：
（ ２ ） 母线 电压稳定数据挖掘分析 ３ ． ２挖掘算法 的选择 本实例 以母线 电压稳定预测模型为例 ，由 利用 引导算法从 数据集Ｅ 中抽取 训练子集 可看出节 点９ 为最薄弱节点 。 Ｓ ｉ （ ｉ ＝ １ ，… ，ｋ ） ，根据 有限样本学 习理论 ，可 表１ ∞ ∞ 得 电压稳 定评估模 型： ４ ． 结论 ， 、 本文在讨论智能 电网数据信息深度应用 需 唧 ｄ 。 卜 （ ３ ） 求的基础上 ，通过 引入数据挖掘方法 ，对 电网 （ ， ＝１ ， … …， ， ） 稳态分析 中的 电压稳定 分析 系统进行 了案例仿 真 。目前智能 电网的快 速发展，对 电网数据 的 式（ ３ ） 中Ｋ （ Ｘ ， Ｘ ） —— 高斯 径向基核 函数 ； ｒ ——训练样 本总数 ；ｊ ＝ ｌ ，… ，ｒ — Ｌ ａ ｇ ｒ ａ ｎ ｇ ｅ 应用也越来越 迫切，本文 旨在给 出一种解 决思 乘子；ｂ ＿ — 偏 移量 ；ａ ≠０ 的样本为影 响分类结 路 ，希望 能为智 能电网的数据分析技术提供参 果的 “ 关键 ”样本 ，被称为支持 向量。 考。 将未 知稳定 程度的样 本Ｎ 输入 到组合 电压 稳定评估 模型Ｍ （ ｉ ＝ １ ，… ，ｋ ） 中，即可判 断系 参考文献 【 １ 】 陈树 勇， 宋书芳， 李 兰欣， 等． 智能 电网技术综述Ｕ １ ． 电网 统是否稳定，即：
大数据技术在电力系统中的应用
大数据技术在电力系统中的应用在当今时代，随着科技的飞速发展，大数据技术已经成为各个领域的热门话题。
在电力系统中，大数据技术的应用也越来越广泛，为电力行业的高效管理和运维保障提供了强有力的支持。
一、大数据在电力系统中的应用1、电网安全运行电网的安全运行是电力系统的核心任务之一，对于电网故障的判断和修复，以及对电网健康状况的监控和管理，大数据技术起着重要的作用。
通过对电网中大量数据的采集和分析，可以快速判断故障发生的位置和范围，并及时采取措施进行修复，从而保证电力系统的稳定运行。
2、能源管理大数据技术在能源管理方面也有着广泛的应用。
通过对电力系统中能源消耗的实时监测和预测，可以根据实际情况调整电力供应，提高电力系统的能效，同时还可以降低电力系统的能耗，从而实现对能源的可持续发展。
3、智能化控制智能化控制是大数据技术在电力领域中的最大作用之一。
通过对电力系统中的数据进行实时监测和分析，可以及时掌握电力系统的运行状态，实现对电网的智能化控制。
例如，可以通过对电力系统中的数据进行分析，根据实际情况制定合理的停电计划，缩短停电时间，提高停电效率，减少电力系统的损失。
4、预测分析在电力系统中，预测是非常重要的一环。
通过对之前的数据进行分析和处理，可以预测未来电力系统的发展趋势，进而制定对应的应对策略。
例如，可以通过对用电量的分析，预测未来用电趋势，及时进行能源调控和优化，减少资源浪费，提高能源效率。
二、大数据技术在电力系统中的优势大数据技术在电力系统中的应用，不仅能够提高电力系统的安全性和能效性，还有着以下优势：1、提高电力企业的竞争力大数据技术可以帮助电力企业及时了解市场需求和变化，制定合理的营销策略和产品规划方案，提高企业的竞争力和市场占有率。
2、降低营销成本通过对客户需求进行分析和挖掘，可以降低电力企业的营销成本，提高销售效率。
同时，通过营销数据的分析，还可以发现新的营销机会和创新点。
3、提高服务水平通过大数据技术，可以及时监控客户的用电情况，及时处理客户的投诉和建议，提高服务水平和用户体验，增强客户满意度。
电力行业的大数据应用解决方案
电力行业的大数据应用解决方案随着信息技术的迅猛发展，大数据已经成为当今社会各行各业追求竞争优势的关键要素之一。
在电力行业中，大数据的应用也日益受到重视。
本文将探讨电力行业中大数据的应用以及解决方案，帮助该行业更好地利用大数据以提升效率和服务质量。
一、大数据在电力行业中的应用1. 智能电网管理大数据技术可以帮助电力公司实时监控电网运行情况，并通过数据分析与挖掘来预测电网的负荷需求和故障潜在风险。
通过建立智能电网管理系统，可以准确预测负荷需求，提前调整发电和输电计划，以避免停电和供电不足的情况出现。
2. 用户需求预测通过对大量用户数据进行挖掘和分析，电力公司可以准确了解用户的用电需求，预测用户的用电行为模式。
这些数据可以帮助电力公司优化发电计划，合理配置发电资源，提高供电效率。
3. 分布式能源管理随着分布式能源的发展，电力行业面临着管理分散的电力资源的挑战。
大数据技术可以帮助电力企业从各种分布式能源设备中收集数据，并进行智能分析。
通过对数据的分析，电力公司可以实时调整分布式能源的供应和需求，提高能源利用效率。
4. 风险管理与安全保障大数据技术可以帮助电力公司实现对电网的全面监控和风险评估。
通过收集和分析大量电网设备的运行数据，可以提前发现潜在的故障和安全隐患，并采取相应的措施来保障电力系统的安全稳定运行。
二、电力行业大数据应用的解决方案1. 数据采集和处理系统建立一个完善的数据采集和处理系统是电力行业应用大数据的基础。
该系统应能够实时采集和存储来自各个电力设备的数据，并对数据进行处理和分析。
2. 数据挖掘和分析技术电力公司应该借助数据挖掘和分析技术，从庞大的数据中提取有价值的信息。
例如，通过对历史数据的分析，预测未来的负荷需求；通过对用户数据的挖掘，了解用户的用电行为模式。
3. 建立智能决策支持系统基于大数据的分析结果，电力公司可以建立一个智能决策支持系统，帮助管理人员做出决策。
该系统应该提供实时的数据可视化界面，直观地展示电力系统的运行状况和风险。
大数据技术在电力行业中的应用案例
大数据技术在电力行业中的应用案例随着信息技术的飞速发展，大数据技术在各个行业中得到了广泛的应用，对于电力行业来说也不例外。
通过大数据的分析、挖掘和运用，电力行业可以更好地了解客户需求，优化供应链管理，提高设备的运行效率，并且实现安全与可靠的电网运营。
下面我将结合实际的应用案例，探讨大数据技术在电力行业中的应用。
一、能源消耗预测在电力行业中，通过大数据的分析，我们可以预测客户的能源消耗，从而合理规划供应计划，实现电网的平衡。
例如，美国的普鲁士公共服务公司就通过大数据技术，对客户进行能源消耗的实时监测、分析，以及未来几天、几周的消耗趋势预测，为双方提供更好的能源使用规划。
此外，美国的密歇根州电力运营中心也通过大数据技术，对整个电网进行全方位的监控和预测，以应对突发情况，尽可能避免可能的停电事故。
二、设备故障预警除了能源消耗预测外，大数据技术还可以用于识别电网设备的故障，并提前发出预警，降低设备故障造成的影响。
例如，康乃狄克州的一家能源供应商运用了大数据技术，对整个电网中的设备进行了监测和分析，从而预测设备的寿命和维护周期，并及时发出预警，以避免可能的电网故障。
三、安全事故预防大数据技术不仅可以提高电网的运行效率，还可以用于预防电力行业中的安全事故。
例如，美国的一家能源公司利用大数据技术对天气、交通状况等因素进行分析，预测可能造成停电的因素，并在发现问题后，立即采取措施，预防停电事故的发生。
另外，大数据技术还可以用于识别潜在的网站攻击，提高电网的安全性。
四、客户需求分析通过大数据技术的分析，可以更好地了解客户的需求，为客户提供更好的服务。
例如，美国的一家能源公司运用大数据技术对不同客户的用电需求进行了分析，并对不同客户进行了分类，以便有针对性地提供差异化的服务。
此外，大数据技术还可以用于预测客户的用电需求，以便合理规划供应计划。
五、供应链管理在电力行业中，供应链管理对于电网的可靠运行至关重要。
通过大数据技术的运用，可以更好地协调供应链，避免潜在问题。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
2产品与应用作者简介：吴奇珂(1992- )，男，硕士研究生，研究方向为电力系统运行、智能电网技术、需求响应、电动汽车； 程帆(1992- )，男，硕士研究生，研究方向为新能源发电与并网、电机控制策略等。
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)06-0028-05Abstract: 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 equip-ment 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 marketWU Qi-ke, CHENG Fan（School of Electrical Engineering, Southeast University, Nanjing 2 00 6, China ）Data Mining Technology and Its Application in Power System0 引言倡导“全球能源互联网”，加快智能电网的建设是中国电力行业未来的发展目标，而大区域、宽领域的电能互联离不开电力设备的信息化。
随着电力系统“源-网-荷”信息化建设的不断深入，近年来投入了许多先进设备及系统，例如智能变电站、配电SCADA 系统、用户能源管理系统等。
这些数字化平台在提高运行自动化、智能化的同时会产生大量数据，并且这些数据的数量和种类正呈现快速增长的态势。
来自电网内部及外部的大量数据不仅涵盖系统内的广域监测系统(WAMS)、能量管理系统(EMS)等所采集的电气量，也包含设备层的物理数据、气象数据等非电气参数，这些数据的相互关系错综复杂，如何利用这些数据并用于电力系统运行成为难点之一。
1 大数据和数据挖掘技术概述1.1 数据挖掘技术的概念数据挖掘(Data mining)是指从海量数据中获取隐藏的、未知的但又有潜在价值的信息的过程[1]。
20世纪80年代，数据挖掘技术兴起，主要解决传统数据库的问题。
进入大数据时代，数据库中存着种类繁多的数据，这些数据数量庞大，有用和无用的数据掺杂在一起，无法分辨，形成“数据爆炸而知识贫乏”的现象。
数据挖掘技术是发现数据隐藏价值的关键。
1.2 大数据下的数据挖掘技术与传统的数据集合相比，大数据不仅体量更大，还包含大量非结构化数据，需要更多的实时分析。
有分析师对数据的增长模式定义了三种属性，即：Volume(数量)、Velocity(速度)、Variety(种类)，也被称为“3Vs”模型，如图1所示。
该模型可以反映大数据的基本特征：规模庞大的数据，为保证数据时效性而采用的快速数据收集分析技术，以及包含文本、网页等半结构和非结构化的多样数据[2]。
在大数据背景下的数据挖掘需要面对体量更为巨大的数据和更高的速度要求，所以必须结合计算机和智能算法来提高数据处理效率。
计算机领域中的机器学习算法、模式识别算法以及人工智能算法改进后都可用于数据挖掘，主要方法有分类分析、关联分析、聚类分析和异常检测等。
1.3 大数据及数据挖掘技术在电力系统中的应用电力系统作为人类社会最重要的人造系统之一，具有规模庞大、分布广泛、数据丰富的特点，被认为是大数据的典型代表。
在2013年发布的《中国电力大数据发展白皮书》中，提出了“电力大数据”的概念，在原有的“3Vs”基础上，补充了“3Es”的定义来体现电力大数据的特殊性，分别是：Energy(能量)、Empathy(数据共情)、Exchange(数据交互)，更好地反映了电力行业大数据的特征[3]，如图2所示。
电力大数据下的数据挖掘应用场合多种多样，贯穿了发、输、变、配、用各个环节，并且智能电网的建设使得其应用范围不断得到拓展：输电网络中的雷电分析、设备监测，配电网络的用户特性辨识，电力市场中的电价预测等都需要进行数据挖掘。
2 数据挖掘技术在输电系统中的应用输电系统作为电力网的主干网架，具有规模大、结构复杂的特点，输电系统产生的大规模数据对于输电网络的安全运行具有重要的分析价值。
下面以输电线路的雷电活动时空分布分析和电力系统设备状态监测为例，阐述数据挖掘技术在输电系统中的应用。
2.1 输电线路雷电活动时空分布雷电活动引起的电力系统故障包括设备直接损失、线路跳闸及引起的局部停电，对雷电活动进行分析，得出其时空分布特点对于输电线路的规划和安全运行具有重要价值。
采用统计学方法处理数据对于人力和时间的消耗过大，且结果也不理想。
于是有学者利用数据挖掘技术分析雷电数据并进一步概括其时空分布特性[4]。
雷电定位系统一般利用时差法和磁定向法获取雷击位置的二维数据(经纬度)，再借助等高线程图获得地闪点的高度信息，从而将数据处理为三维数据。
雷电具有多项指标，包括雷电类型、日变化特征、二维空间分布、海拔高度分布和雷电强度等，这些数据均可以通过数据挖掘进行分析。
采用以DataCruncher为代表的数据处理软件，利用神经网络算法可得到模型数据之间的关联，获取数据挖掘的结果。
2.2 输变电系统设备状态监测输变电系统状态监测是在故障尚未发生时对电厂或电力设备的状态数据进行分析判断，通常包括数据采集分析、特征提取以及状态评估几个阶段，对于不同的电力设备需要采用不同的方法来获得初始数据。
以变压器的状态监测为例，采集的信号包括振动信号、变压器油中气体、油中温湿度、电流电压等信号；可采用的方法有局部放电检测、绝缘恢复电压法、低压脉冲法等[5]。
目前输电系统的设备状态检测主要集中对象有：变压器、断路器、发电厂和输电线路等。
其中，发电厂的控制和数据采集系统可以收集体量庞大的数据，采用人工智能、专家系统和事件推理等方法与数据挖掘相结合，可以更加高效地处理数据。
此外，输变电设备状态监测系统可实现线路在线监测数据、环境数据和地理信息数据等多路数据源的整合。
3 数据挖掘在配电网及双向互动中的应用我国电网一直以来遵循“重输电，轻配电”的“3Vs”模型V olume (数量)V elocity(速度)V ariety(种类)图1 “3Vs”模型V olume(数量)V elocity (速度) V ariety (种类)“3Vs”“3Es”电力大数据Energy(能量)Empathy(数据共情)Exchange(数据交互)图2 “电力大数据”模型结构2模式，导致输电网运行监控相对充分，而配电网覆盖范围广，电压等级低，运行监测相对较弱。
随着电网的不断发展，传统被动接受电力的配电网已不能适应智能电网的新要求，配电网及用户逐步成为电网运行的参与者，开始发挥越来越重要的作用。
已有研究提出通过用户自动需求响应实现电网的削峰填谷，或通过集中或分布式的直接负荷控制实现电力系统调频，配电网内用户与电网双向互动亟待实现，需要对配网侧大量数据进行充分的监测、收集以及分析。
3.1 数据挖掘用于配网运行状态监测及预警配电网所涉及的设备众多、使用及维护情况各异，客观上加大了配电网运行状态监测及预警分析的难度。
由于传统配电网缺乏有效的数据搜集及存储能力，维护人员难以对配电网运行状态进行及时有效的评估，不利于配电网事故预警及早期故障诊断[6]。
随着智能化配电网建设的深入，配电网产生的数据增长迅速，基于大量数据采集及筛选的数据挖掘可以弥补传统配电网因缺乏有效监测手段而导致故障难以预警及诊断的问题。
配电网数据搜集主要通过数据采集与监视控制系统(SCADA)采集，除了配电网内各线路、变压器电压电流等电气参数外，还涵盖了变压器油温等非电气参数，基于这些数据可实现对早期故障的诊断及预警。
数据挖掘在配电网中的应用主要包括配电网运行安全性分析、配电网供电能力及可靠性分析、配电网供电电能质量分析、配电网运行经济性分析等[7]。
基于所采集到的数据，计算相应的安全性及可靠性指标，判断出可能的风险类型、潜在故障的位置，为维护人员提供指引；基于累积数据分析，预测配电网风险出现的概率及类型，提供决策参考；对已存在的风险进行统计分析，建立相应的应对预案；此外，可生成故障风险类型识别数据库，对于突发故障可提供故障类型及故障位置的参考等。