人工智能技術在電力工程數(shù)據(jù)處理中的運用

陳冠穎

摘? ? 要：現(xiàn)如今，隨著科學技術的發(fā)展，人工智能技術為各行各業(yè)帶來了新的發(fā)展方向。本文通過對人工智能技術展開分析，結合電力工程在數(shù)據(jù)處理時遇到的困難，找出人工智能技術在電力工程數(shù)據(jù)處理中的運用方式，希望為關注人工智能技術的人群帶來幫助。

關鍵詞：人工智能技術;電力工程;數(shù)據(jù)處理

1? 引言

電力工程中的數(shù)據(jù)信息有著規(guī)模大、種類多等特點，所以電力工程的數(shù)據(jù)處理十分復雜，而通過人工智能技術能夠完成對大量無規(guī)則數(shù)據(jù)的整理分析，為電力工程的數(shù)據(jù)處理帶來幫助。因此，有必要對人工智能技術在電力工程數(shù)據(jù)處理中的運用展開分析。

2? 人工智能技術在電力工程數(shù)據(jù)處理中的作用

數(shù)據(jù)信息會通過網(wǎng)絡來進行數(shù)據(jù)上的傳遞，數(shù)據(jù)信息的傳輸在為人們交流帶來方便的同時也帶來了負面影響。隨著數(shù)據(jù)信息的不斷增多，大量無用數(shù)據(jù)以及重復數(shù)據(jù)加重了網(wǎng)絡負擔，這樣就導致了人們很難第一時間在大量數(shù)據(jù)中找出自己需要的各類信息，因此如何提升數(shù)據(jù)處理效率也受到了各界人士的廣泛關注，將人工智能技術應用于數(shù)據(jù)處理也被人們提出。

在電力工程中，數(shù)據(jù)信息的數(shù)量非常龐大，為了提升數(shù)據(jù)信息的處理速度，相關研究人員便開始對人工智能技術進行分析。人工智能技術可以通過數(shù)據(jù)信息的特征來完成對數(shù)據(jù)關鍵點的捕捉，從而完成對數(shù)據(jù)信息的處理，這樣的數(shù)據(jù)處理方式大大降低了電力工程處理數(shù)據(jù)信息時的時間成本。

3? 基于人工智能的數(shù)據(jù)搜索

3.1? 數(shù)據(jù)搜索區(qū)間內的分組

通過人工智能技術能夠建立數(shù)據(jù)查詢系統(tǒng)，而通過分塊融合的方式可以完成對數(shù)據(jù)搜索區(qū)間內的自動分組，在考慮帶有不確定冗余數(shù)據(jù)信息時，數(shù)據(jù)所采用的特征分布區(qū)間為M1=F2+G3，在這個公式中，F(xiàn)2代表數(shù)據(jù)信息搜索系統(tǒng)中的基礎特征量。而G3代表著數(shù)據(jù)信息特征分布關聯(lián)維。通過人工智能技術創(chuàng)建出的數(shù)據(jù)信息搜索模型能夠通過分解特征來完成對數(shù)據(jù)信息搜索時的數(shù)據(jù)捕捉。

3.2? 關鍵信息點定位匹配

通過人工智能技術進行數(shù)據(jù)處理時，可以完成對關鍵信息點的定位匹配，通過數(shù)據(jù)信息搜索模型能夠將一段時間內與當前節(jié)點特征相似的所有節(jié)點在同一時間內完成組合排列。以此來完成對關鍵信息點的定位匹配，從而得到數(shù)據(jù)處理時想要的結果。通過人工智能技術進行數(shù)據(jù)信息搜索時，需要輸入數(shù)據(jù)信息的相關范圍，而經(jīng)過數(shù)據(jù)搜索之后其生成的結構便是所需的相似結果。

4? 數(shù)據(jù)挖掘算法

在人工智能技術中，數(shù)據(jù)挖掘算法為電力工程的數(shù)據(jù)處理帶來了更多便利。數(shù)據(jù)挖掘算法能夠在電力工程中的大量數(shù)據(jù)信息中找出關鍵的數(shù)據(jù)信息。數(shù)據(jù)挖掘算法能夠作用的對象為實際記錄下的數(shù)據(jù)信息，所以這種算法在面對電力工程中的大量數(shù)據(jù)有著天然的優(yōu)勢。為了更好地完成對數(shù)據(jù)信息的提取，就必須保證數(shù)據(jù)挖掘算法的完整性。通常情況下，完整的數(shù)據(jù)挖掘算法中會包含以下幾方面：分別是抽樣、數(shù)據(jù)處理、挖掘數(shù)據(jù)模型等流程。

在電力工程中，為了完成數(shù)據(jù)信息處理以及數(shù)據(jù)信息提取工作，數(shù)據(jù)挖掘法的使用必不可少。常見的數(shù)據(jù)挖掘法有：統(tǒng)計分析法、神經(jīng)網(wǎng)絡法、遺傳算法等。值得注意的是，因為模糊神經(jīng)網(wǎng)絡法在實際應用過程中將神經(jīng)網(wǎng)絡以及模糊系統(tǒng)的優(yōu)勢結合在了一起，所以在對電力工程數(shù)據(jù)處理以及造價預測時能夠起到非常大的幫助。而圣經(jīng)網(wǎng)絡在處理電力工程中的大量數(shù)據(jù)時，需要優(yōu)先解決的問題是對如何獲取模糊系統(tǒng)參數(shù)以及如何辨識模糊規(guī)則參數(shù)。而且由于電力工程中的實際情況往往非常復雜，具有多樣性，所以在運用模糊神經(jīng)網(wǎng)絡算法來對數(shù)據(jù)信息進行處理時，就需要使用聚類的方式來將數(shù)據(jù)信息空間進行模糊數(shù)據(jù)集的劃分，這種數(shù)據(jù)處理方法需要在多個子網(wǎng)絡分別完成網(wǎng)絡訓練之后，才能夠確定最后的數(shù)據(jù)信息。

5? 數(shù)據(jù)模型

在選擇人工智能算法時需要考慮很多因素，由于電力工程數(shù)據(jù)的數(shù)量規(guī)模以及數(shù)據(jù)多樣性，所以對于其中的數(shù)據(jù)信息而言，其無論是數(shù)據(jù)信息輸入還是數(shù)據(jù)信息輸出都會分為多個方面來進行。因此，在進行人工智能算法的選擇時，可以把模糊神經(jīng)網(wǎng)絡來當作電力工程處理數(shù)據(jù)時的核心，以此來構建電力工程的造價模型。通過將模糊神經(jīng)網(wǎng)絡算法與普通神經(jīng)網(wǎng)絡算法相結合，能夠保證該算法在應用過程中其學習能力與模糊系統(tǒng)中的推斷能力可以大幅度提升，這樣就可以在得到數(shù)據(jù)規(guī)則能力的同時，兼顧網(wǎng)絡容錯能力。為后續(xù)處理非線性數(shù)據(jù)的時候打下基礎。

6? 數(shù)據(jù)模型仿真

在電力工程中需要進行數(shù)據(jù)信息處理的原始數(shù)據(jù)是經(jīng)過數(shù)據(jù)與預處理之后留下的部分歷史數(shù)據(jù)，而在輸入數(shù)據(jù)中，共包含了電壓等級、線路回數(shù)、運輸距離、線路長短、地形系數(shù)共五項屬性，而輸出數(shù)據(jù)共包含了運輸、架線、基礎、附件工程共四項屬性。通過對輸入、輸出數(shù)據(jù)進行分類之后，便能通過模糊神經(jīng)網(wǎng)絡算法來對隸屬度函數(shù)進行合理的計算調整，在計算過程中需要將所有樣本分別進行歸類并計算，最終完成對電力工程數(shù)據(jù)信息的處理。通過模糊神經(jīng)網(wǎng)絡算法能夠完成對電力工程中大量數(shù)據(jù)的分析處理，而且通過這種算法還能利用得到的數(shù)據(jù)來對電力工程中的工程造價進行分析預測。從而使電力工程中的數(shù)據(jù)處理變得更加簡單。

通過人工智能技術能夠提升電力工程的數(shù)據(jù)處理效率。模糊神經(jīng)網(wǎng)絡算法在實際應用過程中能夠完成對電力工程中大量數(shù)據(jù)信息的分類處理。以電力工程中的歷史數(shù)據(jù)信息為例，通過模糊神經(jīng)網(wǎng)絡算法可以使用K-mans算法來完成對數(shù)據(jù)樣本輸入數(shù)據(jù)的聚類并進行分析，在分析完成后可以得出與其對應的隸屬度矩陣。得出矩陣后還可以通過神經(jīng)網(wǎng)絡算法來完成數(shù)據(jù)信息的訓練并對得出的樣本數(shù)據(jù)展開分析，最后再根據(jù)模糊神經(jīng)網(wǎng)絡算法來預測電力工程數(shù)據(jù)，這種方式得出的數(shù)據(jù)預測結果有著很高的精確度，可以滿足電力工程在數(shù)據(jù)處理時的需求。所以對于電力工程而言，想要提升數(shù)據(jù)信息的處理能力，可以通過人工智能技術來入手。

7? 結束語

總而言之，人工智能技術在電力工程數(shù)據(jù)處理中有著非常大的發(fā)展空間。人工智能技術的使用既能提升電力工程中的數(shù)據(jù)信息處理速度，又能保證得出的數(shù)據(jù)信息其準確度符合電力工程的要求。相信隨著更多人意識到人工智能技術在數(shù)據(jù)處理中的優(yōu)勢，電氣工程中的數(shù)據(jù)處理一定會有更多選擇。

參考文獻：

[1] 聶波，彭春華，吳建偉.人工智能技術在電力工程數(shù)據(jù)處理中的研究與應用[J].電子設計工程，2020（2）：91～94.

[2] 杜永盛.基于人工智能技術的電力工程審計系統(tǒng)研究[J].中小企業(yè)管理與科技（下旬刊），2019（11）：175+177.