數(shù)據(jù)挖掘有別于傳統(tǒng)的簡(jiǎn)單數(shù)據(jù)分析。數(shù)據(jù)挖掘是從大量的、不*的、有噪聲的、模糊的、隨機(jī)的實(shí)際應(yīng)用數(shù)據(jù)中，提取隱含在其中但又潛在有用的信息和知識(shí)的過(guò)程。數(shù)據(jù)挖掘基于大數(shù)據(jù)技術(shù)從多種類型的數(shù)據(jù)中快速獲取知識(shí)，為決策人員提供客觀的決策支持。借助數(shù)據(jù)挖掘方法分析變電站運(yùn)維大數(shù)據(jù)，可以從海量運(yùn)維數(shù)據(jù)中找出潛在信息，幫助運(yùn)維人員更有效地評(píng)估設(shè)備狀態(tài)。

       數(shù)據(jù)挖掘基本流程大致可分為6大模塊，分別是業(yè)務(wù)理解、數(shù)據(jù)理解、數(shù)據(jù)準(zhǔn)備、建立模型、模型評(píng)估和應(yīng)用改進(jìn)。業(yè)務(wù)理解即確定目標(biāo)和明確分析需求;數(shù)據(jù)理解即數(shù)據(jù)收集和數(shù)據(jù)清洗，其中數(shù)據(jù)收集所抽取數(shù)據(jù)需要能夠正確反映業(yè)務(wù)需求，否則所得到的分析結(jié)論將會(huì)無(wú)效化甚至誤導(dǎo)化，數(shù)據(jù)清洗作用為“去噪"和“補(bǔ)全"，剔除原始數(shù)據(jù)中的壞數(shù)據(jù)和擬合缺失數(shù)據(jù);數(shù)據(jù)準(zhǔn)備即探索數(shù)據(jù)內(nèi)部規(guī)律和數(shù)據(jù)轉(zhuǎn)換，如歸一化、標(biāo)準(zhǔn)化等;建立模型即綜合考慮業(yè)務(wù)需求目標(biāo)，選擇全局較優(yōu)的模型;模型評(píng)估即根據(jù)評(píng)價(jià)標(biāo)準(zhǔn)對(duì)所建模型的精度、效率和通用性進(jìn)行客觀評(píng)估，然后基于評(píng)估結(jié)果判斷所建模型是否滿足業(yè)務(wù)需求;應(yīng)用改進(jìn)即將模型應(yīng)用于業(yè)務(wù)實(shí)踐，切實(shí)解決業(yè)務(wù)需求，挖掘數(shù)據(jù)的較大價(jià)值，同時(shí)基于應(yīng)用情況及時(shí)跟蹤改進(jìn)現(xiàn)有模型，以達(dá)到模型優(yōu)化的目標(biāo)。國(guó)網(wǎng)中文多功能電表開(kāi)孔67*67諧波峰值記錄

       具體運(yùn)維大數(shù)據(jù)分析的關(guān)鍵技術(shù)包括數(shù)據(jù)清洗、數(shù)據(jù)轉(zhuǎn)換、分類與回歸、聚類分析、關(guān)聯(lián)分析、時(shí)序模型和結(jié)構(gòu)優(yōu)化等。電力運(yùn)維大數(shù)據(jù)的挖掘重點(diǎn)在于綜合運(yùn)用上述技術(shù)對(duì)海量的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)學(xué)分析，通過(guò)各種計(jì)算結(jié)果依次相互承接，得出相應(yīng)結(jié)果。另外，分布式存儲(chǔ)和并行化計(jì)算可以大大提高數(shù)據(jù)挖掘的效率，使分析系統(tǒng)性能達(dá)到質(zhì)的提升。分布式存儲(chǔ)適用于大數(shù)據(jù)處理和批處理，如HDFS分布式存儲(chǔ)系統(tǒng);并行化計(jì)算是現(xiàn)有處理大數(shù)據(jù)的有效算法，如基于MapＲeduce的機(jī)器學(xué)習(xí)和知識(shí)挖掘。國(guó)網(wǎng)中文多功能電表開(kāi)孔67*67諧波峰值記錄