摘要:為充分緩解電量負(fù)荷壓力，本文設(shè)計了基于數(shù)據(jù)挖掘的用戶行為特征提取系統(tǒng)。按照電力信息提取框架的處置需求，連接用戶行為管理模塊與電力數(shù)據(jù)挖掘驅(qū)動單元，完成用戶行為特征提取系統(tǒng)的硬件環(huán)境搭建。采用關(guān)聯(lián)電力用戶行為特征樹，存儲各類待挖掘的電力數(shù)據(jù)，完成系統(tǒng)的軟件環(huán)境搭建，結(jié)合相關(guān)硬件設(shè)備結(jié)構(gòu)，完成基于數(shù)據(jù)挖掘的用戶行為特征提取系統(tǒng)設(shè)計。實驗結(jié)果表明，與基于k-means的提取系統(tǒng)相比，應(yīng)用新型特征提取系統(tǒng)后，電力用戶的總負(fù)荷水平明顯下降，電子轉(zhuǎn)存頻率也由47%提升至98%，用戶端主體的電量負(fù)荷壓力得到良好的平均與協(xié)調(diào)。
關(guān)鍵詞:數(shù)據(jù)挖掘;特征提取;行為特征樹;數(shù)據(jù)存儲
1引言
數(shù)據(jù)挖掘本質(zhì)上是通過搜索功能來獲取信息參量的動態(tài)過程。數(shù)據(jù)挖掘根據(jù)搜索行為不同可分為無指導(dǎo)數(shù)據(jù)挖掘和有指導(dǎo)數(shù)據(jù)挖掘。無指導(dǎo)數(shù)據(jù)挖掘的搜索需要通過既定屬性條件，來尋找某項特定的信息參量，從而對其進(jìn)行估值和預(yù)測。有指導(dǎo)與無指導(dǎo)數(shù)據(jù)挖掘的不同之處在于，有指導(dǎo)數(shù)據(jù)挖掘先根據(jù)信息要求建立固定的選取模型，然后利用特定條件對信息進(jìn)行篩選，判斷其信息處理能力。如果排除人為的特殊干擾，那么我們可以根據(jù)信息間的關(guān)聯(lián)規(guī)則不同和聚類效果的差別，來區(qū)分有指導(dǎo)與無指導(dǎo)數(shù)據(jù)挖掘的行為[1-2]。
隨著聯(lián)合電力供應(yīng)技術(shù)的不斷發(fā)展，用戶端的電量負(fù)荷壓力不斷增加，并且該問題逐漸成為技術(shù)發(fā)展道路上需要解決的首要問題。為解決該問題，文獻(xiàn)[3]提出利用現(xiàn)有K-means聚類法來提取用戶行為，并且根據(jù)電力用戶細(xì)分的相關(guān)標(biāo)準(zhǔn)，計算相鄰兩節(jié)點間的電力傳輸量，并結(jié)合與之有關(guān)的用戶層設(shè)備，從而建立不同的用戶行為據(jù)庫，完成用戶行為特征提取系統(tǒng)構(gòu)建。
文獻(xiàn)[4]提出基于離散馬爾科夫鏈的用戶行為特征提取方法，將離散馬爾科夫鏈應(yīng)用于用戶行為特征數(shù)據(jù)庫系統(tǒng)特征檢測中，采用SQL語句作為用戶行為特征分析依據(jù)，設(shè)定用戶 行為特征閾值，完成用戶行為特征提取。上述方法雖然能夠完成用戶行為特征提取，但是存在提取效率低、負(fù)荷波動性較強(qiáng)的問題，基于此，通過數(shù)據(jù)挖掘理論方法，并借助挖掘驅(qū)動單元和建立行為特征樹的研究結(jié)構(gòu)，設(shè)計一種能提高現(xiàn)有標(biāo)準(zhǔn)的全新的提取用戶行為特征的系統(tǒng)，并借助大量實驗進(jìn)行對比的，使該系統(tǒng)在生產(chǎn)生活中具有實際應(yīng)用的價值。
2用戶行為特征提取系統(tǒng)硬件執(zhí)行環(huán)境設(shè)計
用戶行為特征提取系統(tǒng)硬件執(zhí)行環(huán)境由提取電力信息為主要的框架，管理用戶行為模塊和挖掘驅(qū)動單元為重要組成部分，其具體搭建方法如下。
2.1電力信息提取框架
提取電力信息框架把不同用戶的行為特征作為該提取系統(tǒng)的運行的理論基礎(chǔ)，然后通過利用電力作為媒介，先連接電網(wǎng)和用戶服務(wù)器，再把行為管理服務(wù)器和驅(qū)動服務(wù)器連接，最終連接電力用戶，從而構(gòu)建起電力信息提取框架。
2.2用戶行為管理模塊
用戶行為管理模塊作為電力信息提取框架的重要組成元件，其包含了三個組成部分依次是首層的系統(tǒng)管理層，第二層的用戶通信層和第三層用戶行為特征的采集層。管理層通常由供應(yīng)電源和挖掘主機(jī)以及用戶服務(wù)器組成。在外部電網(wǎng)保持慣性電量輸出的情況下，供應(yīng)電源是根據(jù)挖掘主機(jī)的要求進(jìn)行排列，然后向用戶服務(wù)器發(fā)送需要提取用戶的特征行為的指令[5]。
用戶通信層有多個不同的行為管理機(jī)相互連接構(gòu)成，直接連接到用戶服務(wù)器上，其主要功能是記錄各電力用戶主體在進(jìn)行電力信息交換過程的行為。行為特征采集層主要有電力行為儀表和TPI管理主機(jī)及用戶執(zhí)行設(shè)備組成。TPI管理主機(jī)作為管理用戶行為模塊的核心組成部分，可以不借助其他管理機(jī)直接向電力行為儀表發(fā)送指令，從而提取用戶特征行為，并可以把未處理完的電子信息發(fā)送給下級執(zhí)行設(shè)備，為接下來的數(shù)據(jù)挖掘工作的開展奠定基礎(chǔ)[6-7]。
2.3電力數(shù)據(jù)挖掘驅(qū)動單元
搭建元件需要考慮能否在電力供應(yīng)環(huán)境下滿足向用戶端傳輸電量的需求，因此選擇BCM2046芯片作為主要的搭建元件，同時對用戶的行為特征進(jìn)行記錄并分析變化趨勢。為了提高元件性能，將選擇39VF200A芯片輔助BCM2046芯片進(jìn)行特征提取。將兩個芯片與TPI管理主機(jī)進(jìn)行連接，不僅可以承擔(dān)電力信息提取框架中繁重的數(shù)據(jù)傳輸任務(wù)，還可以根據(jù)既定的電力用戶行為特征不同，建立特征樹存儲結(jié)構(gòu)[8]。電力數(shù)據(jù)挖掘驅(qū)動單元中的傳輸電壓負(fù)載較大，為此可以利用挖掘電阻幫助其承擔(dān)部分傳輸電壓，同時驅(qū)動電阻可以連接驅(qū)動元件，把多余電量數(shù)據(jù)發(fā)送到其它應(yīng)用模塊。
3用戶行為特征提取系統(tǒng)軟件執(zhí)行環(huán)境設(shè)計
進(jìn)行系統(tǒng)軟件執(zhí)行環(huán)境的設(shè)計，主要考慮三方面，其一是數(shù)據(jù)的存儲，其二是特征樹，其三是提取、整理數(shù)據(jù)的過程，完成三方面的設(shè)計后，聯(lián)合硬件設(shè)施完成提取系統(tǒng)的構(gòu)建。
3.1電力用戶行為特征樹構(gòu)建
構(gòu)建的特征樹結(jié)構(gòu)具有體積較小的優(yōu)點，并且可以將主體分為多個層次，既滿足數(shù)量級水平，又可以使用挖掘處置權(quán)限，從而數(shù)據(jù)庫能夠順利接收特征數(shù)據(jù)，保障完成后續(xù)命令。特征樹結(jié)構(gòu)。
3.2待挖掘數(shù)據(jù)存儲
待挖掘數(shù)據(jù)存儲是特征系統(tǒng)的重要組成部分，通過節(jié)點的承載力，設(shè)定挖掘標(biāo)準(zhǔn)。處理層中的挖掘節(jié)點可以直接在電力供應(yīng)環(huán)境中提取滿足特征的信息參量，而且數(shù)據(jù)存儲層可以整合信息參量形成既定形式。特征收集層可以接收存儲層的命令，同時將雜亂的節(jié)點進(jìn)行有序的排列，進(jìn)而形成穩(wěn)定的結(jié)構(gòu)。
3.3提取數(shù)據(jù)信息處理
提取數(shù)據(jù)信息處理是軟件執(zhí)行環(huán)境構(gòu)建的最后一步，此部分可以提取待存儲的數(shù)據(jù)，而提取的標(biāo)準(zhǔn)依據(jù)執(zhí)行需求制定。在整個特征提取的過程中，特征樹具有大量的數(shù)據(jù)是必要條件，然后，通過結(jié)合存儲的結(jié)構(gòu)獲得驅(qū)動單元中的數(shù)據(jù)，完成提取步驟。在提取的時候，提取架構(gòu)納入全部待挖掘的信息，通過整理、合并形成適合該提取步驟的新結(jié)構(gòu)，并且具有更強(qiáng)的執(zhí)行力。當(dāng)提取數(shù)據(jù)信息處理步驟設(shè)計完成后，整合所有的軟硬件，即可完成特征提取的搭建。
4系統(tǒng)性能驗證
為對比本文系統(tǒng)和傳統(tǒng)系統(tǒng)的性能和有效性，進(jìn)行對比實驗，設(shè)置實驗組和對照組，分別在應(yīng)用設(shè)備上安裝本文系統(tǒng)和k-means處理系統(tǒng)，所選設(shè)備為運行正常的某電力執(zhí)行設(shè)備，在運行的時候，記錄兩實驗組的具體變化參數(shù)。
4.1實驗環(huán)境搭建
為了提高實驗精度、降低實驗誤差，需要進(jìn)行實驗環(huán)境的搭建。此次實驗環(huán)境中主要包括的設(shè)備為電力執(zhí)行設(shè)備。在上述電力執(zhí)行設(shè)備支持下，將實驗組與對照組進(jìn)行對比驗證，并分別記錄兩個組別的實驗數(shù)據(jù)。
4.2電力用戶負(fù)荷水平
設(shè)定整體實驗時間為50min，在此期間內(nèi)記錄實驗組與對照組的電力用戶負(fù)荷水平變化結(jié)果。前20min實驗時間內(nèi)，實驗組、對照組電子轉(zhuǎn)存頻率基本保持相同的變化趨勢;第30-40min實驗時間內(nèi)，兩組電子轉(zhuǎn)存頻率先后達(dá)到最大值98%和47%，實驗組數(shù)值遠(yuǎn)高于對照組。綜上可知，基于數(shù)據(jù)挖掘的用戶行為特征提取系統(tǒng)，確實能夠適當(dāng)提升傳輸電子的基本轉(zhuǎn)存頻率。
5結(jié)束語
在數(shù)據(jù)挖掘原理的支持下，用戶行為特征提取系統(tǒng)聯(lián)合管理模塊、電力驅(qū)動單元等硬件設(shè)備，在構(gòu)建用戶行為特征樹的同時，處理滿足提取需求的數(shù)據(jù)信息。從實用性角度來看，電子轉(zhuǎn)存頻率提升帶動電力用戶負(fù)荷水平的快速下降，有效緩解電力供應(yīng)環(huán)境下用戶端主體的電荷負(fù)載壓力。
參考文獻(xiàn):
[1]黃海南,徐錦強(qiáng),連培昆,等.基于自動檢票系統(tǒng)數(shù)據(jù)挖掘的地鐵剛性出行起訖點識別方法[J].科學(xué)技術(shù)與工程,2019,17(12):360-367.
[2]王佳輝,錢虹,陳琪琪,等.基于熱力學(xué)機(jī)理與生產(chǎn)數(shù)據(jù)挖掘相結(jié)合的受熱面積灰程度的研究[J].熱科學(xué)與技術(shù),2018,17(5):418-424.
[3]丁宣宣,郭淵博,雷琦.基于信息熵和改進(jìn)K-means聚類的混合異常檢測特征選擇方法[J].信息工程大學(xué)學(xué)報,2019,20(3):291-296.
[4]畢猛,王安迪,徐劍,等.基于離散馬爾科夫鏈的數(shù)據(jù)庫用戶異常行為檢測[J].沈陽工業(yè)大學(xué)學(xué)報,2018,40(1):70-76.
[5]熊偉,徐永力,崔亞奇,等.高分辨率合成孔徑雷達(dá)圖像艦船目標(biāo)幾何特征提取方法[J].光子學(xué)報,2018,47(1):49-58.
[6]劉楊圣彥,潘翔,劉復(fù)昌,等.面向三維模型視圖特征提取的殘差卷積網(wǎng)絡(luò)優(yōu)化[J].計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報,2019,18(6):936-942.
作者：陳景琪,丁凌
相關(guān)閱讀
