基于大數據分析的電力工程智能化評審管理系統設計

摘要：電力工程評審涉及大量的數據分析計算，導致評審結果的精度難以得到保障。為此，文章提出基于大數據分析的電力工程智能化評審管理系統。在構建了電力工程智能化評審管理系統邏輯架構的基礎上，利用大數據分析的方式制定了電力工程評審標準，并開展具體的評審分析。測試結果表明，該系統評審精度始終穩定在90.0%以上，具有實際應用價值。

關鍵詞：大數據分析；電力工程；智能化；評審管理；邏輯架構；評審標準

中圖分類號：TP393" 文獻標志碼：A

0 引言

從電網基建、生產技改、生產大修等角度出發，對電力工程進行的可行性研究和初設評審主要面臨以下幾個問題［1］。首先，電力工程涉及多個領域，如電網基建、生產技改等，導致每個領域都有大量的數據需要分析和處理［2］。其次，不同的領域和項目有不同的評審標準，這就導致評審過程復雜且難以統一［3］。同時，傳統的評審方式通常依賴于人工審查，但這種方法存在明顯的效率低下和易出錯的問題。不僅如此，傳統的評審方式由于缺乏智能化的支持，無法充分利用所有的數據和信息，這也是導致評審結果不夠準確和全面的主要因素之一［4］。在此背景下，引入智能電力工程評審系統可以自動化處理大量數據，快速生成評審報告，提高評審效率。同時借助智能電力工程評審系統，可以制定統一的評審標準，確保所有項目按照相同的標準進行評審，在提高評審的公正性和準確性方面發揮了積極作用［5］。此外，從數據安全性角度出發，智能電力工程評審系統可以對數據進行加密和備份，確保數據的安全性和完整性。不僅如此，利用大數據和人工智能技術，也可以對數據進行深入分析和挖掘，這也是保障評審準確性和全面性的重要基礎［6］。綜上，智能電力工程評審系統的引入，對于促進電力工程的數字化轉型，提高電力企業的競爭力和創新力具有良好的作用［7］。

為此，本文設計了基于大數據分析的電力工程智能化評審管理系統，并通過設置對比測試，分析驗證了設計系統的應用價值。

1 軟件設計

1.1 電力工程智能化評審管理系統邏輯架構設計

對于電力工程智能化評審管理工作而言，管理者不僅需要對當前電力工程的基本情況進行綜合分析，還需要結合已有的電力工程數據對當前電力工程相關參數的配置進行綜合檢驗。以上述理論為基礎，本文構建了如圖1所示的電力工程智能化評審管理系統邏輯架構。

結合圖1所示的電力工程智能化評審管理系統邏輯架構，首先，需要明確評審目標，主要是在開始評審之前，與項目方或委托方明確評審的目標和范圍。這包括確定評審的目的、評審的對象（如特定項目或項目集）、評審的時間和范圍等。其次，收集目標電力工程的數據和資料，包括工程設計圖紙、施工方案、設備參數、驗收標準、相關法規和行業標準等。評審員需要將收集到的數據和資料進行分類整理，以便后續的評審工作。在此基礎上，根據電力工程的特點和行業規范，制定相應的評審標準，包括技術標準、安全標準、環保標準、質量標準等。再次，開展具體的電力工程評審工作，按照評審標準，對收集到的數據和資料進行逐項評審。具體的評審內容包括技術方案、設備選型、施工工藝、安全措施等。最后，記錄評審結果，并對評審結果進行匯總分析，找出共性問題，將評審過程和結果進行歸檔和總結，為之后的電力工程評審提供參考。

按照上述所示的方式，實現對電力工程智能化評審管理系統邏輯架構的設計，最大限度地保障系統在不斷迭代應用過程中，對應的評審結果也能夠越來越精準。

1.2 基于大數據的電力工程智能化評審

從構建的電力工程智能化評審管理系統邏輯架構可以看出，電力工程評審標準的制定以及電力工程評審工作的執行是本文設計系統最核心的環節。對此，本文利用大數據分析技術，開展了具體的設計。

在電力工程評審標準制定階段，本文以歷史數據為基礎，采用大數據分析中的統計方法確定具體評審項指標的標準范圍。其中，具體計算方式可以表示為：

其中，k表示電力工程評審指標的平均差異值，xi表示電力工程評審指標，T表示電力工程計劃執行周期，f（x）表示電力工程評審指標的評審標準，即具體電力工程評審指標的允許波動閾值范圍，z表示電力工程評審指標對于整體電力工程的置信水平參數，ε表示電力工程評審指標的標準差，m表示參與標準制定的歷史數據規模。

按照這樣的方式，確定電力工程評審指標的評審標準后，在具體的電力工程評審工作實現階段，本文充分考慮了不同工程內容在屬性方面表現出的差異。當評審電力工程內容涉及多個指標參數時，利用大數據分析中的關聯分析實現對電力工程的評審。使用Apriori算法找出具體的頻繁項集和關聯規則，可以表示為：

其中，G（X）表示內容涉及多個指標參數的電力工程評審結果，X表示評審電力工程內容涉及的多個指標參數集。

按照上述所示的方式，實現對電力工程的智能化評審，提高評審的效率和精準性。

2 系統測試

2.1 測試準備

在對本文設計的系統性能進行分析時，以A地區的110 kV變電站改造工程為基礎開展了對比測試。該項目旨在改造A地區現有的110 kV變電站，提高其供電能力和穩定性，以滿足當地日益增長的電力需求。項目包括對變電站設備進行更新、升級和改造，同時對變電站的進出線進行優化設計，提高供電效率。對具體的項目范圍進行分析，設備更新方面主要是更換老舊設備，采用新型、高效、可靠的電氣設備。設備升級方面主要是對現有設備進行升級改造，提高其性能和穩定性。同時需要對變電站的進出線進行優化設計，減少線路損耗，提高供電效率，并完善變電站的配套設施，包括控制室、配電室、消防設施等。項目計劃設計階段進行項目可行性研究、初步設計和施工圖設計。采購階段采購所需的電氣設備、材料和設備。施工階段按照施工圖紙進行施工，包括設備安裝、調試和配套設施建設。

以上述測試環境為基礎，為了保障基于大數據分析的電力工程智能化評審管理系統性能測試結果的客觀性，本文分別將程俊溢等［5］提出的以電網資源大數據為基礎的智能精細輔助評審系統以及張睿等［6］提出的以BIM輕量化模型為基礎的電力工程物資評審系統作為測試的對照組。通過對比分析3個系統的測試結果，對本文設計系統的應用性能進行分析。

2.2 測試結果

在對3個系統的測試結果進行分析時，本文將評審結果的精度作為具體的評價指標，得到的測試結果如圖2所示。

結合圖2所示的測試結果可以看出，在3個系統中，本文設計系統的評審精度最高，始終穩定在90.0%以上，具有良好的實際應用效果。

3 結語

電力工程評審過程中需要處理大量的數據，因此提高評審效率和快速生成評審報告成了限制縮短項目周期的關鍵。本文提出基于大數據分析的電力工程智能化評審管理系統，利用大數據和人工智能技術對數據進行深入分析和挖掘，在保障評審準確性和全面性的前提下，大大提高了評審效率。希望本文設計的電力工程智能化評審管理系統可以為促進電力工程的數字化轉型、推動行業的發展提供借鑒。

參考文獻

［1］王志雄，韓曉瑞.基于大數據分析的電氣二次設" 備遠程智慧管理平臺研究［J］.中國設備工程，2023（22）：33-35.

［2］羅昌宏，陳銘.基于大數據分析的500 kV輸電線路狀態評估分析［J］.電氣技術與經濟，2023（9）：339-342.

［3］李國文，周翔，王波.110 kV及以上輸變電工程設計智能化評審管理平臺研究［J］.中國管理信息化，2021（8）：107-108.

［4］安樹勇.基于大數據分析的電力工控網絡威脅檢測與預警系統設計［J］.網絡安全和信息化，2023（10）：125-127.

［5］程俊溢，雷川麗，周偉，等.基于電網資源大數據的智能精細輔助評審系統設計與應用［J］.電力信息與通信技術，2023（8）：52-58.

［6］張睿，計建仁，諸吉祥，等.基于BIM輕量化模型的電力工程物資可視化評審方法［J］.微型電腦應用，2023（3）：28-31.

［7］張波，樓秉吾，吳冰，等.基于冗余約簡和缺失數據修復的電力工程智能評審迭代式框架［J］.自動化技術與應用，2022（12）：9-12，76.

Design of an intelligent evaluation and management system for power engineering based on big data analysis

Abstract： "Due to the large amount of data analysis and calculation involved in the evaluation of power engineering， the accuracy of the evaluation results is difficult to guarantee. Therefore， a research on the design of an intelligent evaluation and management system for power engineering based on big data analysis is proposed. On the basis of constructing the logical architecture of the intelligent evaluation management system for power engineering， the evaluation standards for power engineering were formulated using big data analysis， and specific evaluation analysis was carried out. The test results show that the evaluation accuracy has always been stable at above 90.0%， which has practical application value.

Key words： big data analysis; electric power engineering; intelligence; review management; logical architecture; review criteria