數(shù)據(jù)挖掘有別于傳統(tǒng)的簡單數(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、隨機的實際應用數(shù)據(jù)中，提取隱含在其中但又潛在有用的信息和知識的過程。數(shù)據(jù)挖掘基于大數(shù)據(jù)技術從多種類型的數(shù)據(jù)中快速獲取知識，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維大數(shù)據(jù)，可以從海量運維數(shù)據(jù)中找出潛在信息，幫助運維人員更有效地評估設備狀態(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)務理解、數(shù)據(jù)理解、數(shù)據(jù)準備、建立模型、模型評估和應用改進。業(yè)務理解即確定目標和明確分析需求;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)務需求，否則所得到的分析結(jié)論將會無效化甚至誤導化，數(shù)據(jù)清洗作用為“去噪"和“補全"，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、標準化等;建立模型即綜合考慮業(yè)務需求目標，選擇全局較優(yōu)的模型;模型評估即根據(jù)評價標準對所建模型的精度、效率和通用性進行客觀評估，然后基于評估結(jié)果判斷所建模型是否滿足業(yè)務需求;應用改進即將模型應用于業(yè)務實踐，切實解決業(yè)務需求，挖掘數(shù)據(jù)的較大價值，同時基于應用情況及時跟蹤改進現(xiàn)有模型，以達到模型優(yōu)化的目標。國網(wǎng)中文多功能電表開孔67*67諧波峰值記錄

       具體運維大數(shù)據(jù)分析的關鍵技術包括數(shù)據(jù)清洗、數(shù)據(jù)轉(zhuǎn)換、分類與回歸、聚類分析、關聯(lián)分析、時序模型和結(jié)構(gòu)優(yōu)化等。電力運維大數(shù)據(jù)的挖掘重點在于綜合運用上述技術對海量的數(shù)據(jù)進行統(tǒng)計學分析，通過各種計算結(jié)果依次相互承接，得出相應結(jié)果。另外，分布式存儲和并行化計算可以大大提高數(shù)據(jù)挖掘的效率，使分析系統(tǒng)性能達到質(zhì)的提升。分布式存儲適用于大數(shù)據(jù)處理和批處理，如HDFS分布式存儲系統(tǒng);并行化計算是現(xiàn)有處理大數(shù)據(jù)的有效算法，如基于MapＲeduce的機器學習和知識挖掘。國網(wǎng)中文多功能電表開孔67*67諧波峰值記錄