随着全国经济水平的提升，基础设施建设的加快，我国用电量的提升以及电网的快速发展，繁多复杂的电网数据越来越多。电网企业中产生海量底层电网数据，人们对海量电网数据的把控显得尤为重要，尤其是电网公司对海量异常数据的根因定位和排查，挖掘隐藏在底层明细数据中的关系，并进行诊断研究。
　　本文通过研究关联数据挖掘技术和方法，结合并收集实际电网中的数据及指标管理，通过对方法的不断试验研究，利用数据关联方法计算出电网运营数据间的关联性，同时将数据关联技术应用到物资寿命精细化管理方面，分析配电网设备提前报废的因素，并提前防护准备，对电网企业辅助决策，利用关联数据挖掘技术的结果对问题归因处理，从而达到辅助决策。主要工作内容如下：
　　1、结合实际某电网公司海量的电网数据，对数据进行形态、维度的分类处理，根据不同的数据类别，研究其关联变量的生成方法并生成可计算的关联变量，同时将需要的数据进行关联性识别和计算，利用关联性计算找出各项指标数据间存在的隐形关系，便于对数据更好地分析。
　　2、根据电网底层数据和指标通过上述关联关系识别和计算方法，对某电网部分底层数据的关联性进行分析，售电收入、输配电成本、可控费用、售电量、购电量等指标的关联性均超过了0.9，是高度相互关联性。电网中存在大量关联性非常高的运营指标，一个指标发生变化，通过高关联指标分析哪些指标将受到影响，从而对电网运营指标进行精准化管理。
　　3、结合前面的电网企业数据，得出关键指标和隐藏指标的关联性后，要想对关联关系进行评估，研究出我们需要构建关联关系表和核心指标群，将关联关系从大到小排列，根据关联性高低判断出设备提前淘汰的因素，提前淘汰的设备是哪个厂家生产的居多，投运日期和资本化日期处于2010年到2014年期间，主要位于交流10KV上的柱上变，从而辅助公司做出决策，节省成本。
　　4、为了对关键指标进行分析，需要明确核心指标的范围，我们建立了符合监测要求的核心指标群，通过对指标异动逻辑回溯技术的研究，通过构建关联链路，构建关联关系表来探寻指标异动的潜在因素变量，通过关联排序，从而实现对异动问题的根因排查方法和指标的趋势研判。