原创《基于数据挖掘模式下的电力数据统计》：本论文可用于数据挖掘论文范文参考下载，数据挖掘相关论文写作参考研究。
摘 要：统计者结合新型的数据挖掘理论在统计实践应用中开展了分析研究,在研究中发现数据挖掘模式的应用对于电力数据统计质量与效率的提升具有极大的实际作用.做好这一模式应用的实践分析对于电力数据统计创新发展具有极大的实际意义.
关键词：数据挖掘模式 电力系统 数据统计 创新
随着大数据统计理念的推广,电力企业数据统计工作的开展受到了极大的影响.特别是在数据采集、汇总、统计等实际过程中,受到大数据挖掘模式的影响,电力数据统计整体过程创新成为了我们主要的工作内容.在这种情况下,电力企业统计者基于大数据统计理念中数据挖掘模式对数据统计的整体影响,开展了电力数据统计创新的实践研究工作.这一实践工作的开展主要包括了统计模式的创新、新型数据库的建立、数据采集模式的创新、数据挖掘的应用以及数据统计与分析等相关实践内容.
一、基于大数据特点,建立新型的数据统计模式
在大数据统计模式要求下,新型的电力企业统计过程中呈现出了大量、多样、高速且价值性高的特点.在这种情况下,电力数据统计中我们必须建立以下新型的数据统计模式.一是综合分析模式.针对大量且多样化的统计数据,统计工作者必须利用综合科学的工作模式,做好数据分析工作.这种模式的建立包括了统计数据综合分类与科学分析两个组成部分,是确保数据统计顺利完成的重要保障.二是数据科学筛选模式.在大数据采集过程中,其采集的统计数据既包括有效的统计数据,也包括部分的虚假数据.如在电力设计中,需要对区域内电力设施需求进行统计时,我们会采集到大量的网络数据,其中既包括真实的需求数据,还可能包括虚假的数据内容.所以在实际工作中,统计人员需要建立科学有效的筛选模式.这种筛选模式包括数字智能化筛选与人工筛选两个部分.随着数据技术的不断发展,智能化筛选的发展成为了数据挖掘模式下统计工作的必然选择.三是高速计算模式.为了确保数据统计高速的特点,创新性的数据统计中需要做好以下的两点保障.一方面采用高速先进的计算机设施确保计算的过程流畅.另一方面采用合理的计算软件,确保数据计算准确与高速.
二、根据电力数据统计工作要求,建立整合型数据库
在实际的电力数据统计过程中,基于数据挖掘的采集过程中一个实际问题的就是数据库的不一致性.在实际的调研中我们发现,现阶段的计算机数据库软件主要包括Oracle、Sybase、Informix、Microsoft SQL Server等多种类型.如在电力设施应用的数据采集中,我国的许多小型电力企业一般采用SQL Server和My SQL数据库技术,但是美国的大型企业中经常采用的是 Oracle数据库技术.在电力统计数据的采集中,数据形式间的不匹配会影响统计工作效率与质量.所以在数据统计过程中,电力数据统计工作者需要结合各类数据库特点,以及企业自身情况建立起具有整合性特点的统计数据库,开展数据统计工作.在实际的工作中,Oracle数据库系统因其具有的数据管理的完整性,以及对网络等多种技术功能的支持性特点,特别是与国际数据库接轨的特点,使之成为统计数据库技术应用的首要选择.围绕这一数据库系统开展的统计数据库研究工作,可以很好地提高电力统计数据库开发与应用质量.
三、以网络数据平台为基础,创新电力数据采集模式
在以大数据采集为基础的数据挖掘模式下,传统的电力数据采集模式的应用严重的影响力数据采集的质量.所以在电力统计数据采集中,以网络数据平台为基础,做好新型数据采集模式的创新工作就变得十分重要.这类创新主要表现在以下几个方面：一是建立长期的数据采集模式.在统计数据采集中,为了更好的提高数据挖掘的质量,我们建立长期的数据采集模式.即利用网络数据平台开展无限期数据采集,然后在统计过程中将长期采集的数据进行筛选与分析,选择质量高的数据开展统计工作.二是建立数据合作采集模式.在现阶段的社会服务领域中,存在着许多以数据挖掘采集为主要业务的网络数据服务企业,这类企业中汇集了大量的数据服务专业人才.与之相比较,电力企业中的数据挖掘专业人才在质量与数量都有所欠缺.所以与社会中的专业企业开展联合的数据挖掘采集工作,利用专业服务过程提高数据统计质量就成为电力企业数据统计创新的重要内容.
四、结合数据挖掘理论,提高电力统计数据采用的质量
在现阶段电力企业的数据统计过程中,工作者采用的统计数据质量是确保统计质量的重要因素.在大数据挖掘理论基础下,我们可以利用以下的方式做好统计数据质量保障工作：一是人工智能分析方式.在數据挖掘的过程中,人工智能的数据分析发挥着重要作用.在电力统计过程中,我们利用这种人工智能分析的工作方式可以很好的避免数据采用中人为干扰因素的出现.同时这种数据筛选的过程中,还可以极大的减少数据误差的出现.二是网络数据库的智能识别.在智能化的数据挖掘过程中,识别模式的应用可以很好地减少统计中负面数据对统计数据质量的影响.特别是在网络数据库中,网络数据库具有不断完善与分析功能,其智能识别功能可以很好地提高统计数据采用的质量.
五、做好采集数据的划分与分析,减少统计误差的出现
在数据挖掘模式下的电力统计过程中,为了避免电力数据统计误差的出现,我们需要在采集到的海量数据中做好数据的划分与分析工作.其主要的过程如下：首先是利用智能数据筛选功能以信息来源为准则进行初步的筛选工作,对明显的数据误差较大的数据信息进行初步筛选,提高数据采集的整体效率.第二步是利用计算机数据分析功能去除经过分析,误差较大的数据内容,特别是针对隐藏在电力统计数据中的虚假性信息数据（如电力设备警报系统的误报警、因电磁干扰产生的错误通信信息等）,需要利用计算与分析的方式进行筛选.最后是根据最佳值的选择方式,利用人工方式在统计采用的数据中选择最佳统计数据进行.
六、结束语
在电力数据统计创新发展中,大数据挖掘理论的应用发挥着重要作用.特别是其数据的采集、筛选、分析等功能的应用,对于电力数据统计质量与效率的提升具有极大的实际作用.在这种情况下,我们结合我国现阶段电力数据统计实际工作,积极地发挥数据挖掘模式的优势,为电力数据统计的发展提供理论支持.
参考文献：
[1] 马玲英.电力企业统计工作创新问题思考[J].电力科技. 2012（35）.
[2] 王 恂.基于数据挖掘技术的统计工作创新研究[J].无线互联科技. 2015（04）.
作者简介：
郑立新 （1965-）,女,吉林长春人,统计师,大学本科学历,研究方向：统计管理.
（作者单位：中国电力工程顾问集团东北电力设计院有限公司 吉林长春市 130021）
数据挖掘论文参考资料：
结论：基于数据挖掘模式下的电力数据统计为关于对写作数据挖掘论文范文与课题研究的大学硕士、相关本科毕业论文数据挖掘论文开题报告范文和相关文献综述及职称论文参考文献资料下载有帮助。
