一种电力领域的人工智能算法库引擎的实现方法技术

本发明专利技术公开了一种电力领域的人工智能算法库引擎的实现方法，包括：数据预处理模块，针对电网数据进行各种预处理；智能算法训练模块，利用预处理好的数据选择相关算法进行训练；电力智能算法模块，已训练好的算法模型，提供智能服务。本发明专利技术将电网领域知识与人工智能算法相结合，可提供一整套电力领域的人工智能算法库解决方案。

【技术实现步骤摘要】
一种电力领域的人工智能算法库引擎的实现方法
本专利技术涉及电力智能算法训练
，特别是涉及一个电力领域的人工智能算法库引擎。
技术介绍
人工智能是让机器通过计算、感知、认知三种能力的融合实现类人智慧。新一代人工智能技术主要在模糊逻辑、专家系统、机器学习等多类技术发展中演进。而电力系统规模不断扩大，客户越来越多、客户类型越来越复杂，数据类型复杂多样，数量越来越庞大，在科学技术飞速发展的现在，人工已经难以适应电网运营的高强度工作，与人工智能技术相结合是不可阻挡的趋势。电力行业不断改革，市场扩张，电网运营管理问题日益突出智能电表普及，如何充分利用大量的电量数据是电网体制改革的一大突破口。掌握电能量数据，能更及时地发现电网供应、营销、服务客户中的问题，使电力行业有更强的市场竞争力。目前在电力领域中缺乏完整的适用于电力的人工智能算法库引擎，已经严重阻碍了人工智能在电力领域的发展。综上所述，如何将人工智能技术结合到电力领域中，形成一个适用于电力领域的人工智能算法框架，是一个急需要解决的问题。
技术实现思路
本专利技术提出了一种电力领域的人工智能算法库引擎的实现方法，其目的是：（1）将人工智能引擎应用于电力领域；（2）根据电网数据的类型，对数据预处理模块进行特殊化处理；（3）根据电力领域问题类别，特别设置常用的问题模型，经过优化用于训练解决此类问题；（4）算法库预先训练用于解决各种电网领域问题的算法模型，提供丰富的模型供使用；（5）提供一整套从数据预处理、模型训练到模型部署的电力领域智能算法训练流程。本专利技术技术方案如下：一个电力领域的人工智能算法库引擎的实现方法，所述的人工智能算法库引擎包括：数据预处理模块：本专利技术专利所述的一个电力领域的人工智能算法库引擎，针对电力数据提供了多种数据预处理方式，包括缺省值处理，数据归一化，PCA降维处理，序列特征映射，切分数据集，异常值检测。并且在处理过程中，根据电力专家经验，以及数据特点，进行了相关检测和处理。模型训练模块：本专利技术所述的一个电力领域的人工智能算法库引擎，为电力领域提供了各种常用的算法模型，方便用户进行选择训练，并进行结果测试。特别的，在模型训练模块中，针对电力领域常需要解决的问题类别，设置了优化后的问题训练模型，如电量预测，设备故障分类，电力实体识别，电力设备图像检测。预先训练的算法模型模块：本算法库引擎为方便用户使用，经过行业调研，特别预训练了几种主要常用的算法模型，用于解决特定的电力领域经典问题，用户可下载这些模型，根据模型说明，输入数据即可得到结果。进一步的，还包括预训练算法调用流程，该调用流程的具体实施过程：用户根据问题类别，选择相应的预训练模型；用户根据所选择的预训练模型，导入相应格式的数据；运行模型后，用户查看运行结果，以便判断算法模型是否达到要求。相对于现有技术，本专利技术具有以下有益效果：（1）用户既可以通过数据预处理，模型训练测试，模型部署等流程得到用自己数据训练的算法模型，也可以直接调用本算法库引擎预先提供的电力领域算法模型，用于解决智能问题；（2）根据电网数据的类型，对数据预处理模块进行了特殊化处理；（3）根据电力领域问题类别，特别设置常用的问题模型，经过优化可以训练解决相关问题；（4）算法库预先训练用于解决各种电网领域问题的算法模型，提供了丰富的模型供使用；（5）提供了一整套从数据预处理、模型训练到模型部署的电力领域智能算法训练流程。附图说明图1为本专利技术引擎的训练流程图。图2为本专利技术引擎的预训练算法流程图。具体实施方式为了使本
的人员更好地理解本专利技术方案，下面结合附图和具体实施方式对本专利技术作进一步的详细说明。显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。图1为本专利技术实施例中一个电力领域的人工智能算法库引擎的一种训练流程图，该实施流程以数据预处理、模型训练、模型部署为主要步骤，展示本人工智能算法库引擎的模型训练基本使用流程。该流程可以包括以下步骤：见图1步骤1：将训练数据导入到算法库引擎中，本算法库引擎主要支持两种形式的数据导入，一是通过excel导入，二是通过数据库导入，通过数据库导入时需要填写数据库地址，数据库名，用户名，以及密码等。用户根据自身的数据形式进行选择。见图1步骤2：在进行实际训练前，需要对数据进行预处理，用户可以选择不同的预处理方式，比如异常值检测，选择某一列进行归一化操作，或者如果维度太高，进行PCA降维处理。见图1步骤3：根据需要解决的问题类型，用户选择相应的模型进行训练。本算法库引擎提供各种算法类型，包括SVM,决策树，kmeans聚类，深度学习模型。另外本算法库引擎还提供经过调优的用于解决特定电网问题的模型类别，比如电量预测算法模型，设备故障分类算法模型，电力文本实体识别算法模型，选择此类模型，用户的数据必须符合该模型的要求。选好模型后，用户还需要为模型设定参数。见图1步骤4：模型训练好后，用户可以用测试数据，对模型进行泛化能力测试，检验错误率，以便决定是否要重新进行训练。见图1步骤5：如果用户认为模型已经符合要求，可以将训练好的模型导出，或者进行线上部署提供智能服务。图2为本专利技术专利一个电力领域的人工智能算法库引擎预训练算法调用流程，该调用流程的具体实施过程：见图2步骤1：用户根据问题类别，选择相应的预训练模型。本算法库引擎提供多种预训练好的算法模型，用户根据问题可以直接调用这些模型。见图2步骤2：每种预训练好的模型对数据的要求不一样，本步骤根据所选择的模型，用户导入相应格式的数据，以便顺利运行模型。见图2步骤3：运行模型后，用户可以查看运行结果，以便判断算法模型是否达到要求。本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。本文中应用了具体个例对本专利技术的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本专利技术的技术方案及其核心思想。应当指出，对于本
的普通技术人员来说，在不脱离本专利技术原理的前提下，还可以对本专利技术进行若干改进和修饰，这些改进和修饰也落入本专利技术权利要求的保护范围内。本文档来自技高网...

【技术保护点】
1.一种电力领域的人工智能算法库引擎的实现方法，其特征在于：/n构建数据预处理模块：该模块用于提供多种数据预处理方式，包括缺省值处理、数据归一化、PCA降维处理、序列特征映射、切分数据集和异常值检测；并且在处理过程中，根据专家库以及数据特点，对数据进行检测和处理；/n构建模型训练模块：用于提供算法模型，方便用户进行选择训练，并进行结果测试；/n构建预先训练的算法模型模块：该模块用于解决特定的电力领域问题。/n

【技术特征摘要】
1.一种电力领域的人工智能算法库引擎的实现方法，其特征在于：
构建数据预处理模块：该模块用于提供多种数据预处理方式，包括缺省值处理、数据归一化、PCA降维处理、序列特征映射、切分数据集和异常值检测；并且在处理过程中，根据专家库以及数据特点，对数据进行检测和处理；
构建模型训练模块：用于提供算法模型，方便用户进行选择训练，并进行结果测试；
构建预先训练的算法模型模块：该模块用于解决特定的电力领域问题。


2.如权利要求1所述的电力领域的人工智能算法库引擎的实现方法，其特征在于：构建模型训练模块时，针对电力领域需要解决的问题类别设置问题训练模型，包括...

【专利技术属性】
技术研发人员：肖勇，钱斌，周密，
申请(专利权)人：南方电网科学研究院有限责任公司，
类型：发明
国别省市：广东;44