[发明专利]一种电力领域的人工智能算法库引擎的实现方法

说明书

本发明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。

技术领域

本发明涉及电力智能算法训练技术领域，特别是涉及一个电力领域的人工智能算法库引擎。

背景技术

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。

发明内容

本发明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。

本发明技术方案如下：

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：

本发明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：

本发明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。