讨论数据挖掘技术在电力设备状态检修中的应用讨论数据挖掘技术在电力设备状态检修中的应用 摘要：介绍了数据挖掘的基本过程、 方法及在我国电力系统的应用现状； 分析了数据挖掘在电力设备状态检修和设备故障诊断中的应用状况， 给出了基于数据挖掘的电力设备状态评估模型，并以关联规则方法为例进行了分析． 关键词：数据挖掘技术；电力设备；状态检修 中图分类号： F407.6 文献标识码： A 随着信息技术的迅速进展， 数据库规模的扩大带来了大量的数据． 但大量的数据往往使人们无法辨别隐藏在其中的能对决策提供支持的信息 ，而传统的查询 和报表工具无法满足挖掘这些信息的需求．数据挖掘技术就是通过处理大量的数据并从中抽取有价值的潜在信息的一种新的数据分析技术 ．随着电力系统数据库的数据也呈爆炸性趋势增长，在电力设备的在线监测系统中引人数据挖掘技术势在必行． 1 数据挖掘 数据挖掘就是从大量的数据中挖掘出有用的信息， 即从大量的、不完全的、有噪音的、模糊的、随机的实际应用数据中发现隐含的、规律性的、人们事先未知的，但又是潜在有用的并且最终可理解的信息和知识的非平凡过程．近年来， 数据挖掘技术 的讨论和应用进展迅猛，在商业和银行领域已有广泛的应用．随着相关学科的进展出现了各种数据挖掘算法 ．数据挖掘的一般过程包括以下 5 个方面： (1)数据选择 指与要解决的问题有关的数据的选取，数据可以很方便地通过互联网进行采集 ； (2)数据预处理即通过滤噪进行信息处理的过程 ； (3)数据转换将定性的数据转换成定量的数据 ， 在某种意义上也叫特征提取 ； (4 )数据挖掘寻找数据库 中隐藏的重要模式 ， 该步骤在知识发现的过程 中起着关键的作用 ； (5 )数据解释用来评价和解释通过数据挖掘获得的结果， 即知识．从数据挖掘中发掘有关知识的规则需要具备 以下 4 个条件 ： (1)有效性 意味着规则 或知识 的重要性 ，得到的规则或知识应适用于未知的数据 ； (2 )新颖性即与先验 的知识 没有关系，在实践中， 重要的是要发现新规则； (3 )有用性目的在于发现对用户有用和感兴趣的规则 ； (4 )简单性 即发现的规则应力 求简单 ， 应能够创建和容易解释复杂的数据．数据挖掘技术与其他的讨论领域如统计分析、 机器学习、 数据库， 以及可视化技术等密切相关． 数据挖掘的方法和数学工具包括关联规则 、 统计学、 决策树、 神经网络 、 线性...
