澳门新葡亰京7003811

当前位置:论文网 > 论文宝库 > 工程技术类 > 电力 > 正文

人工智能技术在电力工程数据处理中的运用

来源:UC论文网2020-09-28 09:57

摘要:

  摘要:现如今,随着科学技术的发展,人工智能技术为各行各业带来了新的发展方向。本文通过对人工智能技术展开分析,结合电力工程在数据处理时遇到的困难,找出人工智能技术在电力工程数据处理中的运用方式,希望为关注人工智能技术的人群带来帮助。  关键词:人工智能技术;电力工程;数据处理  1引言  電力工程中的数据信息有着规模大、种类多等特点,所以电力工程的数据处理十分复杂,而通过人工智能技术能够完成对大...

  摘要:现如今,随着科学技术的发展,人工智能技术为各行各业带来了新的发展方向。本文通过对人工智能技术展开分析,结合电力工程在数据处理时遇到的困难,找出人工智能技术在电力工程数据处理中的运用方式,希望为关注人工智能技术的人群带来帮助。


  关键词:人工智能技术;电力工程;数据处理


  1引言


  電力工程中的数据信息有着规模大、种类多等特点,所以电力工程的数据处理十分复杂,而通过人工智能技术能够完成对大量无规则数据的整理分析,为电力工程的数据处理带来帮助。因此,有必要对人工智能技术在电力工程数据处理中的运用展开分析。


  2人工智能技术在电力工程数据处理中的作用


  数据信息会通过网络来进行数据上的传递,数据信息的传输在为人们交流带来方便的同时也带来了负面影响。随着数据信息的不断增多,大量无用数据以及重复数据加重了网络负担,这样就导致了人们很难第一时间在大量数据中找出自己需要的各类信息,因此如何提升数据处理效率也受到了各界人士的广泛关注,将人工智能技术应用于数据处理也被人们提出。


  在电力工程中,数据信息的数量非常庞大,为了提升数据信息的处理速度,相关研究人员便开始对人工智能技术进行分析。人工智能技术可以通过数据信息的特征来完成对数据关键点的捕捉,从而完成对数据信息的处理,这样的数据处理方式大大降低了电力工程处理数据信息时的时间成本。


  3基于人工智能的数据搜索


  3.1数据搜索区间内的分组


  通过人工智能技术能够建立数据查询系统,而通过分块融合的方式可以完成对数据搜索区间内的自动分组,在考虑带有不确定冗余数据信息时,数据所采用的特征分布区间为M1=F2+G3,在这个公式中,F2代表数据信息搜索系统中的基础特征量。而G3代表着数据信息特征分布关联维。通过人工智能技术创建出的数据信息搜索模型能够通过分解特征来完成对数据信息搜索时的数据捕捉。


  3.2关键信息点定位匹配


  通过人工智能技术进行数据处理时,可以完成对关键信息点的定位匹配,通过数据信息搜索模型能够将一段时间内与当前节点特征相似的所有节点在同一时间内完成组合排列。以此来完成对关键信息点的定位匹配,从而得到数据处理时想要的结果。通过人工智能技术进行数据信息搜索时,需要输入数据信息的相关范围,而经过数据搜索之后其生成的结构便是所需的相似结果。


  4数据挖掘算法


  在人工智能技术中,数据挖掘算法为电力工程的数据处理带来了更多便利。数据挖掘算法能够在电力工程中的大量数据信息中找出关键的数据信息。数据挖掘算法能够作用的对象为实际记录下的数据信息,所以这种算法在面对电力工程中的大量数据有着天然的优势。为了更好地完成对数据信息的提取,就必须保证数据挖掘算法的完整性。通常情况下,完整的数据挖掘算法中会包含以下几方面:分别是抽样、数据处理、挖掘数据模型等流程。


  在电力工程中,为了完成数据信息处理以及数据信息提取工作,数据挖掘法的使用必不可少。常见的数据挖掘法有:统计分析法、神经网络法、遗传算法等。值得注意的是,因为模糊神经网络法在实际应用过程中将神经网络以及模糊系统的优势结合在了一起,所以在对电力工程数据处理以及造价预测时能够起到非常大的帮助。而圣经网络在处理电力工程中的大量数据时,需要优先解决的问题是对如何获取模糊系统参数以及如何辨识模糊规则参数。而且由于电力工程中的实际情况往往非常复杂,具有多样性,所以在运用模糊神经网络算法来对数据信息进行处理时,就需要使用聚类的方式来将数据信息空间进行模糊数据集的划分,这种数据处理方法需要在多个子网络分别完成网络训练之后,才能够确定最后的数据信息。


  5数据模型


  在选择人工智能算法时需要考虑很多因素,由于电力工程数据的数量规模以及数据多样性,所以对于其中的数据信息而言,其无论是数据信息输入还是数据信息输出都会分为多个方面来进行。因此,在进行人工智能算法的选择时,可以把模糊神经网络来当作电力工程处理数据时的核心,以此来构建电力工程的造价模型。通过将模糊神经网络算法与普通神经网络算法相结合,能够保证该算法在应用过程中其学习能力与模糊系统中的推断能力可以大幅度提升,这样就可以在得到数据规则能力的同时,兼顾网络容错能力。为后续处理非线性数据的时候打下基础。


  6数据模型仿真


  在电力工程中需要进行数据信息处理的原始数据是经过数据与预处理之后留下的部分历史数据,而在输入数据中,共包含了电压等级、线路回数、运输距离、线路长短、地形系数共五项属性,而输出数据共包含了运输、架线、基础、附件工程共四项属性。通过对输入、输出数据进行分类之后,便能通过模糊神经网络算法来对隶属度函数进行合理的计算调整,在计算过程中需要将所有样本分别进行归类并计算,最终完成对电力工程数据信息的处理。通过模糊神经网络算法能够完成对电力工程中大量数据的分析处理,而且通过这种算法还能利用得到的数据来对电力工程中的工程造价进行分析预测。从而使电力工程中的数据处理变得更加简单。


  通过人工智能技术能够提升电力工程的数据处理效率。模糊神经网络算法在实际应用过程中能够完成对电力工程中大量数据信息的分类处理。以电力工程中的历史数据信息为例,通过模糊神经网络算法可以使用K-mans算法来完成对数据样本输入数据的聚类并进行分析,在分析完成后可以得出与其对应的隶属度矩阵。得出矩阵后还可以通过神经网络算法来完成数据信息的训练并对得出的样本数据展开分析,最后再根据模糊神经网络算法来预测电力工程数据,这种方式得出的数据预测结果有着很高的精确度,可以满足电力工程在数据处理时的需求。所以对于电力工程而言,想要提升数据信息的处理能力,可以通过人工智能技术来入手。


  7结束语


  总而言之,人工智能技术在电力工程数据处理中有着非常大的发展空间。人工智能技术的使用既能提升电力工程中的数据信息处理速度,又能保证得出的数据信息其准确度符合电力工程的要求。相信随着更多人意识到人工智能技术在数据处理中的优势,电气工程中的数据处理一定会有更多选择。

核心期刊推荐

Baidu
sogou