基于大数据及人工智能技术的电力行业技能等级评价方法.pdf

自动化技术与应用2024 年第 43 卷第 3 期行业应用与交流Industrial Applications and CommunicationsTechniques ofAutomation&Applications基于大数据及人工智能技术的电力行业技能等级评价方法邬晓方,陈 剑,钱 涛（国网江苏省电力有限公司技能培训中心，江苏 苏州 215000）摘要:电力行业现有技能类工种等级评价中，每个工种考核标准、方式存在不同，导致电力行业技能等级评价的效果欠佳。基于此，提出基于大数据及人工智能技术的电力行业技能等级评价方法。通过人工智能技术确定底层评价标准点，计算技能等级阈值区间，构建等级评价体系；基于评价体系和评价指标权重，构建综合评价函数，再结合阈值区间完成对电力行业技能等级的评价。通过机器不断学习，从底层试题库中根据不同的专业工种自动匹配到考评点，提高专业化等级考评工具的应用。实验结果表明：设计技能等级评价方法评价指标效度高，性能较高。关键词:大数据；人工智能；电力行业；技能等级；综合评价中图分类号：TP18；TP391文献标识码:A文章编号:1003-7241(2024)03-0165-04Skill Level Evaluation Method of Power IndustryBased on Big Data and Artificial Intelligence TechnologyWU Xiao-fang,CHEN Jian,QIAN Tao(State Grid Jiangsu Technician Training Center,Suzhou 215000 China)Abstract:In the current evaluation of skill type of work in power industry,there are different assessment standards and methods for eachtype of work,which leads to poor effect of skill level evaluation in power industry.Based on this,this paper proposes a skill levelevaluation method of power industry based on big data and artificial intelligence technology.Through the artificial intelligencetechnology to determine the bottom evaluation standard point,calculate the skill level threshold interval,and construct the levelevaluation system.Based on the evaluation system and evaluation index weight,the comprehensive evaluation function is con-structed,and then the skill level of power industry is evaluated by combining with the threshold interval.Through continuous ma-chine learning,automatically from the bottom of the test database according to different professional work automatically match tothe test evaluation point,improve the application of professional grade evaluation tool.The experimental results show that the de-sign skill level evaluation method has high validity and high performance.Keywords:big data;artificial intelligence;electric power industry;skill level;comprehensive evaluation收稿日期:2022-05-08DOI:10.20033/j.1003-7241.（2024）03-0165-04.1引言现代电力企业中存在非常明显的竞争关系，随着电力业务的扩展，这种竞争已经不限于产品和价格，而是对高端人才的竞争，如何有效地管理和开发技术人才，是提高电力企业自身实力的关键1。电力行业是一个具有非常强专业性的领域，对于技术人才的管理和开发必须注重个人对技能的掌握程度。早期很多电力企业通过职业技能考试来判断一个人对技能的掌握程度，经过研究与实践发现，这种偏重理论的考试并不能完全代表一个人的技能水平，为了更加严谨地判断个人技能水平，技能等级评价方法被一些专家提出并应用2。从目前的研究资料和评级方法应用情况分析可知，近些年，已经有比较成熟的评价方法应用在电力行业技能等级评价中，并得到一些应用成果。如文献3中提到的基于灰色关联模型的评价方法，基于电力行业技术人员掌握的技术内容，构建了含有分辨系数的灰色关联模型，实现了对个人技能水平的等级评价，但是在实际应用中，面对越来越复杂的技能内容，其内部数据具有不同的量纲和量纲单位，并且种类越来越多，对评价结果造成了很大的影响，评价方法的自适应性比较差。文献4中基于熵权-COPARS的评价方法，利用熵权法评价个人技能等级，在一定程度上提高了评价指标的管理效率，但是评价中选择的指标不全面。基于上述评价方法中存在的问题，提出大数据及人工智能技术的电力行业技能等级评价方法，引入人工智能自学习阈值技术，解决上述传统的评价方法中存在的问题。实验结果表明：采用所提方法可有有效改善电力行业技能等级评价效果，具有一定可行性。165行业应用与交流Industrial Applications and Communications自动化技术与应用2024 年第 43 卷第 3 期Techniques ofAutomation&Applications2电力行业技能等级评价方法设计2.1基于人工智能技术的评价标准点确定和阈值计算在电力行业中，内部管理相关的评价数据呈现出大数据的特征，由于数据存在比较严重的数据量纲不同的问题5。因此，在进行电力行业等级评价之前，采用人工智能技术处理原始数据，在消除不同数据所具有不同量纲问题的同时，估计数据的概率密度分布函数，计算电力行业技能等级阈值区间。通过人工智能技术获得原始评价数据后，对目标数据进行归一化处理，假设原始数据的最小值为Umin、最大值为Umax，具体计算公式如下：（1）通过原始数据的归一化处理得到标准数值，将标准数值映射到0,1的范围内，得到符合标准正态分布的数据6。在得到处理后的数据后，估计目标数据的概率密度函数，得到的结果为：（2）式中，i=1,2,N，N表示区间总数；n表示样本数据的个数，和表示数据采集过程中受到外界影响产生的误差，ai表示落在第i个区间内的数据个数，Ui表示数据经过划分后，每个划分区域的中点值，wi表示每个区间的半宽度7。根据公式（2）即可确定数据的概率密度分布，在此基础上，以数据的概率密度分布为目标，拟合处理这些数据，得到：（3）式中，i表示由数据频数决定的权重系数，求解上述公式，即可确定形状参数和。已知数据的概率分布情况和形状参数，计算双侧分位数1和U的上侧分位数为2，1同时也是U的上侧1-分位数。利用公式计算电力行业技能阈值区间Threshol c1,Threshol c2，用以判断技能等级。计算公式如下：（4）（5）通过上述过程即可确定电力行业等级阈值区间，在评价完成后，将评价结果代入到阈值区间内，即可确定电力行业技能等级。以处理后数据作为目标等级评价数据，构建等级评价体系。2.2技能等级评价指标体系构建在上述数据分析基础上，采用SPSS软件集中分析上述数据，采用反向重新计分分析数据，分析各类数据产生的效果，计算各个指标的信度，从大数据中筛选出合适的指标，构建的评价指标体系具体内容如表1所示。表1电力行业技能等级评价指标体系一级指标知识技能认知能力安全态度二级指标应急抢修知识电力操作规程安全防护知识电力系统知识事故急救知识安全规章制度电气设备操作技能隐患排查能力电气故障处理能力注意力记忆力观察力主动性积极性认真度信度.327.562.273.197.249.237.315.376.318.405.391.217.334.392.455从构建的指标体系中可以看出，构建的指标体系呈现出多指标的特点，在评价过程中，由于评价对象所涉及的内容不同，各个评价指标权重也各不相同，考虑到评估数据的安全性，计算指标权重，在已知指标权重的基础，计算电力行业技能等级综合评价指数。2.3技能等级综合评价指数计算根据上述指标体系的构建，为实现等级的有效评价，需要确定指标权重。以两个指标的相对重要度的比来确定，指标权重的计算公式如下：（6）式中，aij表示判断矩阵中指标i和指标j的相对重要度8。依据公式（6），构建判断矩阵得到：（7）式中，r代表判断矩阵中组成因子。在此基础上，计算R中每行的几何平均值，得到：（8）式中，n表示指标个数，yi表示第i行的几何平均值，经过规范化处理后，得到评价指标的权重i为：（9）166自动化技术与应用2024 年第 43 卷第 3 期行业应用与交流Industrial Applications and CommunicationsTechniques ofAutomation&Applications在基础上，计算判断矩阵的最大特征值：（10）在已知电力行业技能等级评价指标权重的情况下，构建综合评价函数，计算综合评价指数G。综合评价函数如下：（11）依据公式（11）计算结果，结合计算的阈值区间，判断电力行业技能等级。然后将得到的电力行业技能等级数据通过机器不断学习，自动从底层试题库中根据不同的专业工种自动匹配到考评点，形成考评试题，提高专业化等级考评工具的应用。至此，基于大数据及人工智能技术的电力行业技能等级评价方法设计完成。3实验分析3.1实验数据在电力行业技能等级评价方法实验研究中，考虑到传统的评价方法中存在的问题，在实验中引入两种传统评价方法（基于灰色关联模型的评价方法和基于熵权-COPARS的评价方法），设计两组对比实验，以评价指标效度和事务处理效率两组实验，验证不同评价方法对人员组织、评价流程的整体适应能力。实验中准备同一来源的实验数据，具体内容如表2所示。表2实验数据来源类型个人知识个人属性操作能力数据来源个人考试心理测试个人测试安全态度考核表实操演练实验指标应急抢修知识安全防护与规章制度电力系统操作电力设备操作事故急救性格意志情绪注意力观察力记忆力主动性认真度积极性电气设备操作故障处理技能调查作业能力实验以对比实验为主，各个评价方法中可能并不涵盖上述全部的数据，数据之间存在差异性，可能影响实验结果分析，因此，对表中准备的数据进行标准化处理。具体处理公式如下所示：（12）（13）（14）式中，d表示目标数据，D1表示效益型数据的处理结果，min和max分别表示最小值和最大值，计算结果越大越好；D2表示固定型数据处理结果，其中表示固定值，计算结果越接近固定值表示数据越好；D3表示成本型数据处理结果，计算结果越小越好。在实验数据处理完成后，针对不同的电力行业技能等级评价方法，运用Amos软件统计实验数据，检验评价指标效度和对复杂事务的处理效率，在实验结束后，依据实验结果对比分析各个评价方法。3.2指标效度实验结果分析在评价指标效度实验中，使用Amos软件统计数据，检验评价方法评价指标与整个评价方法评价流程的拟合程度，其拟合结果如表3所示，拟合水平评价标准如表4所示。表3评价指标效度实验结果绝对拟合指标相对拟合指标评价指标拟合优度指数自由度与卡方值之间的比值拟合优度指数近似均方根误差比较拟合指数规范拟合指数简约规范拟合指数相对拟合指数增量拟合指数基于灰色关联模型的评价方法0.5921.4420.8140.0950.6110.7330.0390.7160.592基于熵权-COPARS的评价方法0.6920.8910.7040.0900.7190.5470.0430.6920.684提出的评价方法0.8123.0090.7640.0710.9270.8990.7880.9150.914表4拟合指数评价标准拟合优度指数自由度与卡方值之间的比值拟合优度指数近似均方根误差比较拟合指数规范拟合指数简约规范拟合指数相对拟合指数增量拟合指数理想值0.901.0；5.01.00.080.900.900.050.900.90可接受范围0.70,0.90)0.30.80,0.90)0.100.70,0.90)0.70,0.90)0.050.70,0.90)0.70,0.90)通过表中数据可知，设计的评价方法各项指数均在标准范围内，评价方法与指标数据的协方差矩阵之间相似程度大，说明评价指标效能高，在实际研究中能够满足167行业应用与交流Industrial Applications and Communications自动化技术与应用2024 年第 43 卷第 3 期Techniques ofAutomation&Applications电力行业技能等级评价需求。相比之下，另外两种传统的评价方法部分指数取值在标准范围外，如拟合优度指数，该值不在标准范围内，说明评价方法与评价指标数据之间显著性差异比较明显，相似程度小，拟合效果比较差，对应的评价方法效度比较差。综上所述，提出的基于大数据及人工智能技术的电力行业技能等级评价方法评价效度高，在实际使用中更加可靠。3.3评价方法事务处理效率实验分析在事务处理效率实验中，设计多种事务处理方案，以事务量和处理时间作为横纵坐标，计算不同评价方法处理复杂事务的工作效率，在计算完成后，使用第三方软件输出实验结果，实验结果具体内容如图1所示。观察上述不同评价方法中事务处理效率实验结果，从图1（a）中可以看出，面对任务量的不断增加，基于灰色关联模型的评价方法的工作效率逐渐降低，最低达到了13.6%，说明该方法对于复杂事务的处理，适应性比较差；图1（b）中显示的结果与（a）结果类似，工作效率下降明显；而提出的评价方法实验结果显示，在实验时间内，工作效率始终保持在较高水平，效率均在50%以上。结合评价指标效度实验结果可知，设计的基于大数据及人工智能技术的电力行业技能等级评价方法面对复杂事务的处理，工作稳定效率高，评价指标效度高，该方法的自适应性能优于传统的评价方法。4结束语本文以电力行业技能等级评价为核心展开研究与讨论，在大数据及人工智能技术的支持下，设计了电力行业技能等级评价方法。通过确定通过人工智能技术确定底层评价标准点，计算技能等级阈值区间，以处理后数据作为目标等级评价数据，构建等级评价体系；并通过构建的综合评价函数，结合阈值区间完成对电力行业技能等级的评价。在评价方法设计完成后，选择两种传统的评价方法设计对比实验，通过大量对比实验进一步验证了评价方法的可靠性和可行性，实验结果中设计的评价方法面对复杂的事务，工作效率始终处于较高水平，并且其内部评价指标效度高,能够满足评价需求，该方法有效地解决了传统的评价方法中存在的问题，为电力行业技能等级评价提供了依据。参考文献:1 张国斌,张叔禹,刘永江,等.基于大数据与人工智能技术的电力在线技术监督平台建设方案J.热力发电,2019,48(9):94-100.2 李路军,丁鹏堃,房鑫炎,等.基于权重自适应的电力应急预案指标评价方法J.电力系统保护与控制,2019,47(16):27-33.3 张琳娟,许长清,余晓鹏,等.基于综合赋权灰色关联模型的电网运行安全能力评价模型J.数据采集与处理,2020,35(6):1147-1153.4 黄秋爽,曾森,王杰峰,等.基于熵权-COPARS的电力企业可持续发展能力评价研究J.科技管理研究,2019,39(11):101-106.5 杨铮宇,田园,李申章.基于主成分分析和层次分析的高压电力用户信用评价模型研究J.云南大学学报(自然科学版),2020,42(2):12-18.6 石雪靖.能源互联网技术成熟度等级评估J.电力系统及其自动化学报,2020,32(3):129-134.7 赵军,董勤伟,徐滔,等.企业技能人才自主评价体系的构建与开发实践:以国网江苏电力为例J.中国人力资源开发,2020,37(9):130-140.8 王德亮,张峰,侯荣国,等.管培评协同的中等职业学校教师专业技能分级培训体系构建J.职业技术教育,2020,41(5):59-63.(a)基于灰色关联模型的评价方法(b)基于熵权-COPARS的评价方法(c)所提方法图1不同评价方法事务处理效率实验结果作者简介:邬晓方（1973-），男，本科，高级工程师，研究方向：人力资源开发与管理。168