王毅斌 左琪刚

摘要：大数据技术的不断发展为电气工程质量管理水平的提升提供了新的发展机遇，目前我国电气工程质量与大数据技术的结合仍存在一些问题，影响了电气工程质量的提升，笔者相信，通过不断地实践与探索，电气工程与大数据技术的结合将更为密切，这也是我国未来建筑行业发展的重要方向。

关键词：大数据技术;电气工程;有效运用

1大数据技术应用于电气工程的意义

近几年，互联网和物联网都得到了越来越广泛的应用，特别是在建设电气工程时，应用大数据技术的优势就是能够更加及时、准确地获得相关的信息资料。由于很多行业在工作中介入了云计算工作模式获得了较高的收益，因此已经成为很多人的重点研究方向，望其能够在各个行业中得到成熟运用。尤其在电力行业，不仅能加强业务能力以使信息化建设进程加快，而且可不断完善管理水平，让电力管理机构管理水准更进一步，赢得经济收益、口碑、管理效益。

2大数据技术在应用时存在的问题

目前，在进行大数据的应用的时候，还存在着部分问题，所以亟待完善。主要的问题就是在大数据应用方面的资金投入比较少，而且相关的大数据技术方面的人才并不是特别多，这样就阻碍了大数据整体的发展。将电气工程线路中出现的过载管理作为主要的例子，其相应的问题表现就包括有过多的配电线路，整体分布比较广泛，而且相应的变化比较快，具备负载特性差异。

另外，在管理上具有较大难度，也存在着部分线路重过载的情况，特别是在夏、冬季节会对线路安全和可靠供电造成严重影响，如果没有及时对线路重过载的情况进行有效的分析，则没有办法实现配网工程立项，也不能提供相对精准的参考。所以整体线路的工作情况都需要依赖工作人员自身的经验，这样就不能做到信息的精准发布和预控。另外，虽然应用了大数据进行信息数据处理，但是存在着安全隐私方面的问题，其中比较突出的就是对于个人的行踪进行锁定，不能够很好保障人身安全。

3大数据技术在电气工程中的具体应用

3.1基于大数据技术的用电数据异常分析

通过对电气工程运行过程中的异常数据进行采集分析，可以有效发现系统中潜在的故障，数据在挖掘过程当中是存在不确定性、大量性以及不完全性，而这些特征会根据数据不同的特性进行划分，这也是有一定的复杂性。有一些信息还比较的模糊和随机，其中所能够提取出的信息也许具有潜在的价值，因此我们还需要小心的对待每个数据。借助数据挖掘技术，对于用电过程当中出现异常情况的检测方法主要有两种：其一是孤立森林算法的用电数据异常检测;其二是决策树算法的用电数据异常检测。

在第一种异常检测算法中，首先需要对数据进行清洗及降维，其次根据数据构建异常检测模型，模型构建包括iTree的构建以及孤立森林的构建，iTree的构造步骤如下：在六个日负荷特性指标中随机选择一个特征;随机选择该特征的一个值k;根据每条记录所对应的信息特征来看，把特征当中小于K值的记录放在左分支上，其余大于等于K的记录则放在右分之上。将左右分支的构造进行归纳整理，要满足传入的数据信息保持一条记录，或者是将多条记录放在一起达到一定的高度。这样才能够保证每次的过程都能够满足历所有的iTree，然后就是在查询的过程当中，必须要将对象落到节点的位置上，让其平均通过的长度计算保持在一定的差值之内。最后再根据异差值的大小对用户进行评价，判断该用户是否为异常用户。

在第二种异常检测算法中，基于决策树的用电数据异常识别模型的构建流程如下：首先构建训练集，对电气工程中的相关数据进行整理，用于对决策树的训练，其次，我们还可以采取相应的算法对所有数据进行处理，将已知的数据进行排序，然后再根据相应的特征进行划分，计算每个分类当中的信息增益根据计算得出来的最大值选择阙值，之后再利用阙值划分数据集。

3.2基于大数据技术的电气工程进度控制

形成科学的进度计划是实现进度控制的基础，在实际电气工程中，外在环境与内在要求的变化均会影响电气工程进度，为实现对电气工程进度的控制，可以引入大数据技术。时间目标通常是指工期期限，是建筑项目合同内指明的工程期限或者相关负责单位规定的时间期限，但电气工程涉及的内容较多，时间目标的制定较为困难，利用大数据技术可以综合进度情况、天气状况、工程难易水平以及施工技术等要素，更為科学制定出目标。随后为实现对进度的监控，需要将项目进行科学的分解，明确各项任务，大数据技术可以基于WBS理论，从粗至细地实现对项目活动的分解。在工程落实阶段需要遵循一定的顺序，大数据技术可以挖掘出各项任务间的联系，发现人力、信息、资源等方面的线索，从而更为科学地制定出电气工程先后次序

3.3大数据技术在负荷特性分析与预测中的应用

大数据技术在负荷特性分析与预测中的应用主要可以分为以下三个方面，首先是关联规则法在负荷特性分析中的应用。电力负荷特性除了会受到内在自身因素的影响外，还会受到外在因素的干扰，负荷会表现出一定的规律性和波动性。关联规则法是在庞大的数据中找出各数据项之间频繁出现的联系，并分析负荷特性与影响因素的相关性，指导电气工程的正常运转。其次是聚类分析法在电力负荷特性分析和预测中的应用，聚类分析是将负荷数据与影响因素进行聚类，聚类后的数据构成了一组分类，某一类型的负荷聚在一起，它的负荷特性就会更好地呈现出来。再者是人工神经网络技术在电力负荷预测中的应用，利用神经网络技术可以模仿人脑进行智能化处理，对非线性的规律具有自适应的学习功能，在短期的负荷预测中可取得满意的效果。

结束语

随着我国工业化进程以及城市化进程的不断推进，建筑行业得到了一定程度的发展，现代建筑的结构更为复杂，功能更为丰富，这对电气工程的质量提出了更高的需求。电气工程作为建筑工程中不可分割的一部分，通过提升电气工程的质量管理，可以推动建筑工程管理质量的提升。

参考文献：

[1]程新安.大数据技术在电气工程中的应用研究[J].信息记录材料，2020，21（02）：149-150.