大數據技術在電氣工程中的有效運用分析

宋浩宇

（中國礦業大學徐海學院，江蘇 徐州 221000）

1.大數據技術應用于電氣工程中的功能定位

1.1 全面提升信息化水平

我國住建部已經提出建立工程質量監督管理機制，改變工程質量監督檢查模式，對工程質量安全實施有效監督，完成工程質量監管一體化工作平臺建設，實現數據一個庫、監管一張網、管理一條線的監管目標，電氣工程在與大數據技術的融合取得了顯著的成效。

1.2 全面提升數據分析能力

將電氣工程與大數據技術相結合，可以構建電氣工程質量管理系統，借助于信息化的管理手段及監管模式對傳統的信息管理平臺進行優化，及時獲取企業內外部數據，并將其反饋給相關部門，指導電氣工程的開展，為電氣工程的實施提供充分的理論支撐。

1.3 全面提升數據支撐管理

電氣工程信息管理系統的核心在于對獲取的數據進行清洗、處理、分析以及挖掘，進而從中獲取有價值的信息，指導電氣工程管理決策的開展，優化企業的發展路徑。電氣工程與大數據技術相結合，可以利用物聯網及傳感器網絡，及時獲取電氣工程內外部數據，幫助建筑企業實現更為全面、高效的管理模式。

1.4 全面提升質量管理依據

電氣工程中的相關數據是基于大數據提升工程質量的依據，工程質量的提升需要借助于工程中的實時數據信息，參考全面的監管圖像數據信息、了解多部門的檢測數據、獲取企業及時的施工數據等，通過將數據進行匯總與分析，為電氣工程監管工作的開展提供重要保障，同時，大數據技術具有較強的共享性，可以有效規避信息不對稱的現象，進一步提升電氣工程的管理水平。

2.大數據技術在電氣工程中的具體應用

2.1 基于大數據技術的用電數據異常分析

通過對電氣工程運行過程中的異常數據進行采集分析，可以有效發現系統中潛在的故障，數據在挖掘過程當中是存在不確定性、大量性以及不完全性，而這些特征會根據數據不同的特性進行劃分，這也是有一定的復雜性。有一些信息還比較的模糊和隨機，其中所能夠提取出的信息也許具有潛在的價值，因此我們還需要小心的對待每個數據。借助數據挖掘技術，對于用電過程當中出現異常情況的檢測方法主要有兩種：其一是孤立森林算法的用電數據異常檢測；其二是決策樹算法的用電數據異常檢測。

在第一種異常檢測算法中，首先需要對數據進行清洗及降維，其次根據數據構建異常檢測模型，模型構建包括iTree 的構建以及孤立森林的構建，iTree 的構造步驟如下：在六個日負荷特性指標中隨機選擇一個特征；隨機選擇該特征的一個值k；根據每條記錄所對應的信息特征來看，把特征當中小于K 值的記錄放在左分支上，其余大于等于K 的記錄則放在右分之上。將左右分支的構造進行歸納整理，要滿足傳入的數據信息保持一條記錄，或者是將多條記錄放在一起達到一定的高度。這樣才能夠保證每次的過程都能夠滿足歷所有的iTree，然后就是在查詢的過程當中，必須要將對象落到節點的位置上，讓其平均通過的長度計算保持在一定的差值之內。最后再根據異差值的大小對用戶進行評價，判斷該用戶是否為異常用戶。

在第二種異常檢測算法中，基于決策樹的用電數據異常識別模型的構建流程如下：首先構建訓練集，對電氣工程中的相關數據進行整理，用于對決策樹的訓練，其次，我們還可以采取相應的算法對所有數據進行處理，將已知的數據進行排序，然后再根據相應的特征進行劃分，計算每個分類當中的信息增益根據計算得出來的最大值選擇闕值，之后再利用闕值劃分數據集。再者生成決策樹，決策樹的根節點到葉節點都對應一個分類規則，最后還需要對策書的合理性進行驗證。

2.2 基于大數據技術的電氣工程進度控制

形成科學的進度計劃是實現進度控制的基礎，在實際電氣工程中，外在環境與內在要求的變化均會影響電氣工程進度，為實現對電氣工程進度的控制，可以引入大數據技術。時間目標通常是指工期期限，是建筑項目合同內指明的工程期限或者相關負責單位規定的時間期限，但電氣工程涉及的內容較多，時間目標的制定較為困難，利用大數據技術可以綜合進度情況、天氣狀況、工程難易水平以及施工技術等要素，更為科學制定出目標。隨后為實現對進度的監控，需要將項目進行科學的分解，明確各項任務，大數據技術可以基于WBS 理論，從粗至細地實現對項目活動的分解。在工程落實階段需要遵循一定的順序，大數據技術可以挖掘出各項任務間的聯系，發現人力、信息、資源等方面的線索，從而更為科學地制定出電氣工程先后次序。隨后還需要繪制網絡圖，利用大數據技術畫出網絡圖具有以下的優勢：首先，要準確地表現出工作之間的狀態以及邏輯關系，其次需要在斷開網絡的時候，再沒有相應的邏輯工作時，將網絡部圖進行科學分布。通過空間結構，以地理信息作為基本特征，將公共設施的資源結合到城市管理當中，該模式具有一定的節約資源綠色發展，能夠形成以地理位置為中心，將資源、管理信息等等作為業務支撐的基礎，為我國的電氣工程打下更堅實的基礎，從而保證了電氣運輸以及工程的進度。

2.3 大數據技術在負荷特性分析與預測中的應用

大數據技術在負荷特性分析與預測中的應用主要可以分為以下三個方面，首先是關聯規則法在負荷特性分析中的應用。電力負荷特性除了會受到內在自身因素的影響外，還會受到外在因素的干擾，負荷會表現出一定的規律性和波動性。關聯規則法是在龐大的數據中找出各數據項之間頻繁出現的聯系，并分析負荷特性與影響因素的相關性，指導電氣工程的正常運轉。其次是聚類分析法在電力負荷特性分析和預測中的應用，聚類分析是將負荷數據與影響因素進行聚類，聚類后的數據構成了一組分類，某一類型的負荷聚在一起，它的負荷特性就會更好地呈現出來。再者是人工神經網絡技術在電力負荷預測中的應用，利用神經網絡技術可以模仿人腦進行智能化處理，對非線性的規律具有自適應的學習功能，在短期的負荷預測中可取得滿意的效果。

2.4 大數據技術在電網調度中的應用

圖1 電網統計模塊

隨著電力系統的數字化、智能化程度的不斷提升，在電力系統中數據呈現出爆炸式增長的趨勢，大數據技術的引入可以較好地實現對海量數據的分析，為推動電氣工程與大數據技術的融合，需要構建相應的計算機管理系統實現對電氣工程的控制，電氣工程實施的各個階段均是在電氣工程的監管與指導下完成。首先，通過電網運行過程中的調度，確保電網可以穩定運行。其次，電力系統在運轉的過程中，相關設備會產生大量的實時數據，通過將數據進行存儲并分析，可以有效的推斷出電力系統可以承受的負荷。再者，通過電氣工程信息管理平臺可以將相關數據進行可視化顯示，借助于大數據技術進行分析，從而在較短的時間內發現電氣工程中可能存在的故障點，消除系統中的安全隱患，保障電氣工程的正常運轉。基于上述要求，可以采用基于Spark 技術的電網調度模型，架構圖如圖1 所示。

2.5 大數據技術在配網管理及擴張中的應用

大數據技術在配網管理中的應用如下：首先是配網的多屬性，為確保配網的可靠性與安全性，進行詳盡的資產管理是前提。借助于信息技術，打造功能相對完善的配網資產管理大數據平臺。其次是基于配網資產管理大數據平臺實現對資產存量和增量的動態同步管理，為確保資產存量、增量與實際情況的一致性，需要反復的檢驗。再者，配網資產管理大數據平臺需要完全體現出配電網的每個設備及相關參數，從而實現對相關數據的分析，提升配電網的性能。大數據技術在配網擴張方面的應用可以從以下兩個方面考慮：首先，可以根據電氣工程項目所擁有的資產和技術進行分析，在用戶數量上能夠保持增長又可以減少成本。那么，我們就需要在配置資產時要有足夠的設計和預期，借助網絡資產的管理，能夠將實際的數據進行對比，其次就是在配比的過程當中需要整體來進行設置和評價。結合電力系統運行過程中的相關參數，科學分析出配網的實際承載能力，使配網處于高效、合理的運行狀態下。配網管理與擴張需要借助于各類傳感器，為確保各類傳感器的有效連接，首先是需要選擇性能較好的傳感器和操作器，并在此基礎上根據要求進行配置，實現對設備所產生數據的實時采集，確保獲取數據的準確性與實時性，實時與配網資產實體的各類屬性相結合，形成一個有機的參數描述體系。其次是在數據獲取之后還需要做好數據存儲工作，數據存儲是一項較為重要的任務，可以確保資產屬性時間沿革和電氣參數歷史沿革的有機統一，為電氣工程相關決策的開展提供堅實的理論支撐。

3.結語

綜上所述，大數據技術的不斷發展為電氣工程質量管理水平的提升提供了新的發展機遇，目前我國電氣工程質量與大數據技術的結合仍存在一些問題，影響了電氣工程質量的提升，筆者相信，通過不斷地實踐與探索，電氣工程與大數據技術的結合將更為密切，這也是我國未來建筑行業發展的重要方向。