王毅斌 左琪剛

摘要：大數據技術的不斷發(fā)展為電氣工程質量管理水平的提升提供了新的發(fā)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(yè)發(fā)展的重要方向。

關鍵詞：大數據技術;電氣工程;有效運用

1大數據技術應用于電氣工程的意義

近幾年，互聯(lián)網和物聯(lián)網都得到了越來越廣泛的應用，特別是在建設電氣工程時，應用大數據技術的優(yōu)勢就是能夠更加及時、準確地獲得相關的信息資料。由于很多行業(yè)在工作中介入了云計算工作模式獲得了較高的收益，因此已經成為很多人的重點研究方向，望其能夠在各個行業(yè)中得到成熟運用。尤其在電力行業(yè)，不僅能加強業(yè)務能力以使信息化建設進程加快，而且可不斷完善管理水平，讓電力管理機構管理水準更進一步，贏得經濟收益、口碑、管理效益。

2大數據技術在應用時存在的問題

目前，在進行大數據的應用的時候，還存在著部分問題，所以亟待完善。主要的問題就是在大數據應用方面的資金投入比較少，而且相關的大數據技術方面的人才并不是特別多，這樣就阻礙了大數據整體的發(fā)展。將電氣工程線路中出現的過載管理作為主要的例子，其相應的問題表現就包括有過多的配電線路，整體分布比較廣泛，而且相應的變化比較快，具備負載特性差異。

另外，在管理上具有較大難度，也存在著部分線路重過載的情況，特別是在夏、冬季節(jié)會對線路安全和可靠供電造成嚴重影響，如果沒有及時對線路重過載的情況進行有效的分析，則沒有辦法實現配網工程立項，也不能提供相對精準的參考。所以整體線路的工作情況都需要依賴工作人員自身的經驗，這樣就不能做到信息的精準發(fā)布和預控。另外，雖然應用了大數據進行信息數據處理，但是存在著安全隱私方面的問題，其中比較突出的就是對于個人的行蹤進行鎖定，不能夠很好保障人身安全。

3大數據技術在電氣工程中的具體應用

3.1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(fā)現系統(tǒng)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(jié)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。

3.2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(huán)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(guī)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(jiān)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(lián)系，發(fā)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

3.3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(lián)規(guī)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(guī)律性和波動性。關聯(lián)規(guī)則法是在龐大的數據中找出各數據項之間頻繁出現的聯(lián)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(guī)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。

結束語

隨著我國工業(yè)化進程以及城市化進程的不斷推進，建筑行業(yè)得到了一定程度的發(fā)展，現代建筑的結構更為復雜，功能更為豐富，這對電氣工程的質量提出了更高的需求。電氣工程作為建筑工程中不可分割的一部分，通過提升電氣工程的質量管理，可以推動建筑工程管理質量的提升。

參考文獻：

[1]程新安.大數據技術在電氣工程中的應用研究[J].信息記錄材料，2020，21（02）：149-150.