郑细端

(福建工程学院管理学院　福州　350118)



增强的K-均值算法在城市能源计量数据平台的应用研究*

郑细端

(福建工程学院管理学院福州350118)

摘要能源的节能降耗一直是个热点问题，论文根据Oracle数据挖掘流程，运用Oracle Data Miner，阐述了如何将ODM增强的K-均值聚类算法应用于城市能源计量数据平台。选定某公司的煤耗数据为研究对象，对增强的K-均值聚类算法结果进行分析，为行业发展提供科学决策。

关键词Oracle数据挖掘; 增强的K-均值算法; Oracle Data Miner; 数据挖掘

Class NumberTP393

1　引言

知识挖掘的主要步骤有：数据清洗、数据集成、数据转换、数据挖掘、模式评估、知识表示。人们常使用“数据挖掘”来表示整个知识挖掘过程[1～2]。国家城市能源计量中心(福建)把城市能源计量数据平台的建设作为工作重点。该平台利用能源数据采集终端对煤、水、油、气、电等能耗数据进行采集和科学计量。如何充分利用采集数据分析能耗情况，获得数据信息价值，提高数据准确性、降低虚假程度、精细管理，促进节能降耗，缩小成本，提高企业竞争力，为行业发展提供策略依据，已成为亟待解决的问题[3]。

2　Oracle数据挖掘

2.1Oracle数据挖掘流程

Oracle数据挖掘(Oracle Data Mining，ODM)支持数据挖掘的跨行业标准流程CRISP-DM(Cross Industry Standard Process for Data Mining)，流程构成如图1所示[4～5]。

1) 确定应用问题：确定应用目标，背景分析，确定数据挖掘目的、工具和技术。

2) 数据采集和准备：利用能源数据采集终端进行数据采集，并用相关技术对数据进行预处理，完成ODM模型应用的数据准备。

3) 建模和评估：通过不断调试设置参数选项，进行过程控制，评估模型结果，测试数据挖掘目标是否达到。……