人工智能技術在電力工程數據處理中的運用

陳冠穎

摘? ? 要：現如今，隨著科學技術的發展，人工智能技術為各行各業帶來了新的發展方向。本文通過對人工智能技術展開分析，結合電力工程在數據處理時遇到的困難，找出人工智能技術在電力工程數據處理中的運用方式，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;數據處理

1? 引言

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

2? 人工智能技術在電力工程數據處理中的作用

數據信息會通過網絡來進行數據上的傳遞，數據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。隨著數據信息的不斷增多，大量無用數據以及重復數據加重了網絡負擔，這樣就導致了人們很難第一時間在大量數據中找出自己需要的各類信息，因此如何提升數據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據處理也被人們提出。

在電力工程中，數據信息的數量非常龐大，為了提升數據信息的處理速度，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據信息的特征來完成對數據關鍵點的捕捉，從而完成對數據信息的處理，這樣的數據處理方式大大降低了電力工程處理數據信息時的時間成本。

3? 基于人工智能的數據搜索

3.1? 數據搜索區間內的分組

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

3.2? 關鍵信息點定位匹配

通過人工智能技術進行數據處理時，可以完成對關鍵信息點的定位匹配，通過數據信息搜索模型能夠將一段時間內與當前節點特征相似的所有節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，從而得到數據處理時想要的結果。通過人工智能技術進行數據信息搜索時，需要輸入數據信息的相關范圍，而經過數據搜索之后其生成的結構便是所需的相似結果。

4? 數據挖掘算法

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

在電力工程中，為了完成數據信息處理以及數據信息提取工作，數據挖掘法的使用必不可少。常見的數據挖掘法有：統計分析法、神經網絡法、遺傳算法等。值得注意的是，因為模糊神經網絡法在實際應用過程中將神經網絡以及模糊系統的優勢結合在了一起，所以在對電力工程數據處理以及造價預測時能夠起到非常大的幫助。而圣經網絡在處理電力工程中的大量數據時，需要優先解決的問題是對如何獲取模糊系統參數以及如何辨識模糊規則參數。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網絡算法來對數據信息進行處理時，就需要使用聚類的方式來將數據信息空間進行模糊數據集的劃分，這種數據處理方法需要在多個子網絡分別完成網絡訓練之后，才能夠確定最后的數據信息。

5? 數據模型

在選擇人工智能算法時需要考慮很多因素，由于電力工程數據的數量規模以及數據多樣性，所以對于其中的數據信息而言，其無論是數據信息輸入還是數據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，可以把模糊神經網絡來當作電力工程處理數據時的核心，以此來構建電力工程的造價模型。通過將模糊神經網絡算法與普通神經網絡算法相結合，能夠保證該算法在應用過程中其學習能力與模糊系統中的推斷能力可以大幅度提升，這樣就可以在得到數據規則能力的同時，兼顧網絡容錯能力。為后續處理非線性數據的時候打下基礎。

6? 數據模型仿真

在電力工程中需要進行數據信息處理的原始數據是經過數據與預處理之后留下的部分歷史數據，而在輸入數據中，共包含了電壓等級、線路回數、運輸距離、線路長短、地形系數共五項屬性，而輸出數據共包含了運輸、架線、基礎、附件工程共四項屬性。通過對輸入、輸出數據進行分類之后，便能通過模糊神經網絡算法來對隸屬度函數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據信息的處理。通過模糊神經網絡算法能夠完成對電力工程中大量數據的分析處理，而且通過這種算法還能利用得到的數據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據處理變得更加簡單。

通過人工智能技術能夠提升電力工程的數據處理效率。模糊神經網絡算法在實際應用過程中能夠完成對電力工程中大量數據信息的分類處理。以電力工程中的歷史數據信息為例，通過模糊神經網絡算法可以使用K-mans算法來完成對數據樣本輸入數據的聚類并進行分析，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網絡算法來完成數據信息的訓練并對得出的樣本數據展開分析，最后再根據模糊神經網絡算法來預測電力工程數據，這種方式得出的數據預測結果有著很高的精確度，可以滿足電力工程在數據處理時的需求。所以對于電力工程而言，想要提升數據信息的處理能力，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據處理中有著非常大的發展空間。人工智能技術的使用既能提升電力工程中的數據信息處理速度，又能保證得出的數據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據處理中的優勢，電氣工程中的數據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據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研究[J].中小企業管理與科技（下旬刊），2019（11）：175+177.