电网设备全路径名称是电网设备的一种命名规范,其中包含该设备及其应用的各种信息,是电力系统进行调度控制的重要信息来源之一。然而基于不同的标准,同一设备生成的的电网设备全路径名称格式也不尽相同。在本地调度机构使用外部机构的电网设备全路径名称之前,需要将其转换为本地使用的标准才能使用。然而随着电网设备逐渐增加,此项工作也愈发繁琐。论文依据人工神经网络的自学习、联想存储、高速寻找优化解的优点,提出了基于线性神经网络的电网设备全路径名称数据结构化及转换方法。论文主要工作为:首先应用不同数据编码对电网设备全路径名称数据化,应用电力术语字典和改进KMP算法对电网设备全路径名称结构化,使其转化为易于分析处理的结构化数据。然后构建了线性神经网络模型对结构化的电网设备全路径名称进行转换。同时提出了基于余弦相似度的不良数据处理方法和基于min-max标准化的数据归一化处理方法。并设计了神经网络训练方式,和程序实现等问题。最后应用实际数据对本文所研究方法进行实证分析,证明本文所研究方法的有效性。本文研究的基于线性神经网络的电网设备全路径名称数据结构化及转换方法在实际应用中可以自动进行基于不同标准的电网设备全路径名称转换,解决了长久以来依靠人力进行名称转换的问题,同时提高了工作效率。