本發(fā)明涉及電力作業(yè)安全，具體涉及一種電力作業(yè)風(fēng)險(xiǎn)預(yù)警系統(tǒng)。

背景技術(shù)：

1、電力作業(yè)是確保電力系統(tǒng)穩(wěn)定運(yùn)行的關(guān)鍵基礎(chǔ)，電力作業(yè)安全關(guān)乎作業(yè)人員生命安全和國家財(cái)產(chǎn)安全。然而，就目前的觀測來看，被上級查處的嚴(yán)重違章居高不下，違章查處壓力較大，主要原因有如下三個：

2、1.安全規(guī)程較多，現(xiàn)場工程人員難以完整學(xué)習(xí)；

3、2.人員素質(zhì)不足，難以準(zhǔn)確辨認(rèn)現(xiàn)場工作中存在的潛在危險(xiǎn)點(diǎn)；

4、3.現(xiàn)場工作人員存在惰性心理，內(nèi)心對安全管理存在一定的抵觸情緒。

技術(shù)實(shí)現(xiàn)思路

1、為更好解決該問題，本發(fā)明提供一種電力作業(yè)風(fēng)險(xiǎn)預(yù)警系統(tǒng)，在不增加工作負(fù)擔(dān)的情況下，壓降嚴(yán)重違章查處率。

2、本發(fā)明通過下述技術(shù)方案實(shí)現(xiàn)：

3、一種電力作業(yè)風(fēng)險(xiǎn)預(yù)警系統(tǒng)，包括：

4、計(jì)劃采集模塊，用于錄入預(yù)執(zhí)行作業(yè)的工作計(jì)劃并獲得所述工作計(jì)劃涉及的主線開關(guān)，所述工作計(jì)劃包括工作涉及的線路、區(qū)段以及預(yù)執(zhí)行工作實(shí)施內(nèi)容；

5、文本處理模塊，用于對所述預(yù)執(zhí)行工作計(jì)劃以及歷史工作實(shí)施內(nèi)容進(jìn)行詞向量處理，得到關(guān)于所述歷史工作實(shí)施內(nèi)容的第一詞向量、所述預(yù)執(zhí)行工作實(shí)施內(nèi)容的第二詞向量和關(guān)于所述線路以及區(qū)段的第三詞向量；

6、判斷模塊，用于根據(jù)所述第二詞向量分析判斷出對應(yīng)的高風(fēng)險(xiǎn)點(diǎn)；

7、匹配模塊，用于根據(jù)高風(fēng)險(xiǎn)點(diǎn)在違章庫中匹配對應(yīng)的提示語，同時，通過所述第三詞向量結(jié)合中臺數(shù)據(jù)庫所存儲的信息匹配出工作涉及的線路、區(qū)段所涉及的新能源用戶信息以及涉及的臺區(qū)信息；

8、通信模塊，將所述提示語、新能源用戶信息、臺區(qū)信息發(fā)送給工作人員。

9、作為優(yōu)化，沿?cái)?shù)據(jù)傳輸方向，所述文本處理模塊包括分詞單元和詞向量轉(zhuǎn)換單元，其中，所述分詞單元基于自然語言處理算法對所述工作計(jì)劃進(jìn)行分詞處理，得到對應(yīng)的分詞結(jié)果集；所述詞向量轉(zhuǎn)換單元用于對所述分詞結(jié)果集進(jìn)行轉(zhuǎn)換得到對應(yīng)的若干第二詞向量和第三詞向量，或者所述分詞單元基于自然語言處理算法對所述歷史工作實(shí)施內(nèi)容進(jìn)行分詞處理，得到對應(yīng)的分詞結(jié)果集；所述詞向量轉(zhuǎn)換單元用于對所述分詞結(jié)果集進(jìn)行轉(zhuǎn)換得到對應(yīng)的若干第一詞向量。

10、作為優(yōu)化，沿?cái)?shù)據(jù)傳輸方向，所述詞向量轉(zhuǎn)換單元包括預(yù)訓(xùn)練的bert模型以及相似度計(jì)算單元，所述bert模型將所述第二分詞結(jié)果集轉(zhuǎn)換為由若干第二初始詞向量組成的第二初始詞向量集，且所述bert模型將所述第一分詞結(jié)果集轉(zhuǎn)換為若干第一詞向量，所述相似度計(jì)算單元用于將若干所述第二初始詞向量與所述第一詞向量進(jìn)行相似度計(jì)算，并將與所述第一詞向量的相似度不小于設(shè)定的相似度閾值的第二初始詞向量分類為第二詞向量，將與所述第一詞向量的相似度小于設(shè)定的相似度閾值的第二初始詞向量分類為第三詞向量。

11、作為優(yōu)化，所述判斷模塊包括訓(xùn)練好的循環(huán)神經(jīng)網(wǎng)絡(luò)rnn模型，所述rnn模型訓(xùn)練過程為：

12、a1、獲取歷史工作實(shí)施內(nèi)容以及歷史高危數(shù)據(jù)，所述歷史工作實(shí)施內(nèi)容通過所述文本處理模塊轉(zhuǎn)換為若干所述第一詞向量，若干所述第一詞向量與對應(yīng)的所述歷史高危數(shù)據(jù)共同形成數(shù)據(jù)集，并將所述數(shù)據(jù)集按比例分為訓(xùn)練集、驗(yàn)證集和測試集；

13、a2、基于改進(jìn)的蜣螂算法以及訓(xùn)練集優(yōu)化所述rnn模型各層的參數(shù)，以構(gòu)建判斷模型，通過所述驗(yàn)證集對所述判斷模型的參數(shù)進(jìn)行微調(diào)，通過所述測試集對所述代理模型進(jìn)行測試。

14、作為優(yōu)化，所述判斷模型以歷史高危點(diǎn)數(shù)據(jù)與預(yù)測高危點(diǎn)數(shù)據(jù)之間的相似度最大為目標(biāo)函數(shù)，其中，所述歷史高危點(diǎn)數(shù)據(jù)為執(zhí)行所述歷史工作實(shí)施內(nèi)容所總結(jié)出來的結(jié)果，所述預(yù)測高危點(diǎn)數(shù)據(jù)為所述判斷模型的實(shí)際輸出結(jié)果，將所述rnn模型各層的參數(shù)的一組值視為一只蜣螂所在的位置，基于改進(jìn)的蜣螂算法以及訓(xùn)練集優(yōu)化所述rnn模型各層的參數(shù)的具體過程為：

15、a2.1、初始化蜣螂種群中各蜣螂的位置和蜣螂算法的參數(shù)；

16、a2.2、將蜣螂種群按照適應(yīng)度的大小進(jìn)行排序，從而得到當(dāng)前最優(yōu)位置和當(dāng)前最差位置；

17、a2.3、所有所述蜣螂根據(jù)適應(yīng)度進(jìn)行排序，并根據(jù)排序的位置分別對應(yīng)進(jìn)行滾球行為、跳舞行為、繁殖行為、覓食行為和偷竊行為用以對所述蜣螂進(jìn)行位置更新；

18、a2.4、判斷每個更新后的蜣螂位置是否超出邊界；

19、a2.5、重新根據(jù)適應(yīng)度排序更新蜣螂種群；

20、a2.6、判斷是否達(dá)到最大迭代次數(shù)；

21、a2.7、若是，則輸出當(dāng)前更新的蜣螂種群，得到所述rnn模型中各層最優(yōu)的參數(shù)，否則，重復(fù)a2.2～a2.6。

22、作為優(yōu)化，所述目標(biāo)函數(shù)為：

23、f＝max∑(a·b)/(||a||||b||)

24、其中，a為歷史高危點(diǎn)數(shù)據(jù)的詞向量，b為預(yù)測高危點(diǎn)數(shù)據(jù)的詞向量；

25、所述適應(yīng)度為：

26、s＝∑(a·b)/(||a||||b||)。

27、作為優(yōu)化，所述rnn模型各層的參數(shù)包括輸入特征的維度、隱藏層特征的維度、rnn層的數(shù)量、偏置的大小、dropout概率。

28、作為優(yōu)化，a2.3中，對所述偷竊行為的具體更新公式為：

29、

30、其中，n為蜣螂的數(shù)量，表示第i個蜣螂在第t次更新后的適應(yīng)度排名，x*為當(dāng)前最佳位置，即當(dāng)前局部最優(yōu)位置，表示第i個蜣螂在第t次更新后的位置，表示第i個蜣螂在第t+1次更新后的位置，g是大小為1*d維的服從正態(tài)分布的隨機(jī)向量，q是一個常數(shù)。

31、作為優(yōu)化，所述通信模塊包括無線藍(lán)牙、無線網(wǎng)絡(luò)和有線網(wǎng)絡(luò)的其中一種或多種。

32、作為優(yōu)化，所述工作人員包括管理科室、班組長、工作負(fù)責(zé)人和安全監(jiān)護(hù)人。

33、本發(fā)明與現(xiàn)有技術(shù)相比，具有如下的優(yōu)點(diǎn)和有益效果：

34、通過本發(fā)明的預(yù)警系統(tǒng)，每次執(zhí)行任務(wù)前針對性的將高危點(diǎn)發(fā)給工作人員，讓工作人員注意，這樣可以讓工作人員針對性的注意，不需要將所有高危點(diǎn)(包括本次執(zhí)行任務(wù)不會涉及到的高危點(diǎn))記住，使得工作人員的違章率下降。

35、通過本發(fā)明的預(yù)警系統(tǒng)，實(shí)現(xiàn)作業(yè)前主動分析現(xiàn)場作業(yè)可能存在的安全風(fēng)險(xiǎn)點(diǎn)、優(yōu)質(zhì)服務(wù)投訴風(fēng)險(xiǎn)，通過短信的方式告知工作負(fù)責(zé)人，在不增加工作人員負(fù)擔(dān)情況下，實(shí)現(xiàn)現(xiàn)場安全的高效管理。

36、通過改進(jìn)的蜣螂算法訓(xùn)練循環(huán)神經(jīng)網(wǎng)絡(luò)模型，使得能夠用更少的訓(xùn)練集訓(xùn)練出更加精準(zhǔn)的循環(huán)神經(jīng)網(wǎng)絡(luò)模型，讓后續(xù)的風(fēng)險(xiǎn)預(yù)警更加準(zhǔn)確。

技術(shù)特征：

1.一種電力作業(yè)風(fēng)險(xiǎn)預(yù)警系統(tǒng)，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的一種電力作業(yè)風(fēng)險(xiǎn)預(yù)警系統(tǒng)，其特征在于，沿?cái)?shù)據(jù)傳輸方向，所述文本處理模塊包括分詞單元和詞向量轉(zhuǎn)換單元，其中，所述分詞單元基于自然語言處理算法對所述工作計(jì)劃進(jìn)行分詞處理，得到對應(yīng)的第二分詞結(jié)果集；所述詞向量轉(zhuǎn)換單元用于對所述第二分詞結(jié)果集進(jìn)行轉(zhuǎn)換得到對應(yīng)的若干第二詞向量和第三詞向量，或者所述分詞單元基于自然語言處理算法對所述歷史工作實(shí)施內(nèi)容進(jìn)行分詞處理，得到對應(yīng)的第一分詞結(jié)果集；所述詞向量轉(zhuǎn)換單元用于對所述第一分詞結(jié)果集進(jìn)行轉(zhuǎn)換得到對應(yīng)的若干第一詞向量。

3.根據(jù)權(quán)利要求2所述的一種電力作業(yè)風(fēng)險(xiǎn)預(yù)警系統(tǒng)，其特征在于，沿?cái)?shù)據(jù)傳輸方向，所述詞向量轉(zhuǎn)換單元包括預(yù)訓(xùn)練的bert模型以及相似度計(jì)算單元，所述bert模型將所述第二分詞結(jié)果集轉(zhuǎn)換為由若干第二初始詞向量組成的第二初始詞向量集，且所述bert模型將所述第一分詞結(jié)果集轉(zhuǎn)換為若干第一詞向量，所述相似度計(jì)算單元用于將若干所述第二初始詞向量與所述第一詞向量進(jìn)行相似度計(jì)算，并將與所述第一詞向量的相似度不小于設(shè)定的相似度閾值的第二初始詞向量分類為第二詞向量，將與所述第一詞向量的相似度小于設(shè)定的相似度閾值的第二初始詞向量分類為第三詞向量。

4.根據(jù)權(quán)利要求1所述的一種電力作業(yè)風(fēng)險(xiǎn)預(yù)警系統(tǒng)，其特征在于，所述判斷模塊包括訓(xùn)練好的循環(huán)神經(jīng)網(wǎng)絡(luò)rnn模型，所述rnn模型訓(xùn)練過程為：

5.根據(jù)權(quán)利要求4所述的一種電力作業(yè)風(fēng)險(xiǎn)預(yù)警系統(tǒng)，其特征在于，所述判斷模型以歷史高危點(diǎn)數(shù)據(jù)與預(yù)測高危點(diǎn)數(shù)據(jù)之間的相似度最大為目標(biāo)函數(shù)，其中，所述歷史高危點(diǎn)數(shù)據(jù)為執(zhí)行所述歷史工作實(shí)施內(nèi)容所總結(jié)出來的結(jié)果，所述預(yù)測高危點(diǎn)數(shù)據(jù)為所述判斷模型的實(shí)際輸出結(jié)果，將所述rnn模型各層的參數(shù)的一組值視為一只蜣螂所在的位置，基于改進(jìn)的蜣螂算法以及訓(xùn)練集優(yōu)化所述rnn模型各層的參數(shù)的具體過程為：

6.根據(jù)權(quán)利要求5所述的一種電力作業(yè)風(fēng)險(xiǎn)預(yù)警系統(tǒng)，其特征在于，所述目標(biāo)函數(shù)為：

7.根據(jù)權(quán)利要求4或5或6所述的一種電力作業(yè)風(fēng)險(xiǎn)預(yù)警系統(tǒng)，其特征在于，所述rnn模型各層的參數(shù)包括輸入特征的維度、隱藏層特征的維度、rnn層的數(shù)量、偏置的大小、dropout概率。

8.根據(jù)權(quán)利要求5所述的一種電力作業(yè)風(fēng)險(xiǎn)預(yù)警系統(tǒng)，其特征在于，a2.3中，對所述偷竊行為的具體更新公式為：

9.根據(jù)權(quán)利要求1所述的一種電力作業(yè)風(fēng)險(xiǎn)預(yù)警系統(tǒng)，其特征在于，所述通信模塊包括無線藍(lán)牙、無線網(wǎng)絡(luò)和有線網(wǎng)絡(luò)的其中一種或多種。

10.根據(jù)權(quán)利要求1所述的一種電力作業(yè)風(fēng)險(xiǎn)預(yù)警系統(tǒng)，其特征在于，所述工作人員包括管理科室、班組長、工作負(fù)責(zé)人和安全監(jiān)護(hù)人。

技術(shù)總結(jié)
本發(fā)明涉及電力作業(yè)安全技術(shù)領(lǐng)域，公開了一種電力作業(yè)風(fēng)險(xiǎn)預(yù)警系統(tǒng)，包括：計(jì)劃采集模塊，用于錄入預(yù)執(zhí)行作業(yè)的工作計(jì)劃并獲得所述工作計(jì)劃涉及的主線開關(guān)；文本處理模塊，用于對所述預(yù)執(zhí)行工作計(jì)劃以及歷史工作實(shí)施內(nèi)容進(jìn)行詞向量處理，得到關(guān)于所述歷史工作實(shí)施內(nèi)容的第一詞向量、所述預(yù)執(zhí)行工作實(shí)施內(nèi)容的第二詞向量和關(guān)于所述線路以及區(qū)段的第三詞向量；判斷模塊，用于根據(jù)所述第二詞向量分析判斷出對應(yīng)的高風(fēng)險(xiǎn)點(diǎn)；匹配模塊，用于根據(jù)高風(fēng)險(xiǎn)點(diǎn)在違章庫中匹配對應(yīng)的提示語、的新能源用戶信息以及涉及的臺區(qū)信息；通信模塊，將所述提示語、新能源用戶信息、臺區(qū)信息發(fā)送給工作人員。本發(fā)明在不增加工作人員負(fù)擔(dān)情況下，實(shí)現(xiàn)高效管理。

技術(shù)研發(fā)人員：劉奇,曾啟才,鄺俊威,楊帆,宋翠,羅建文,左方煜,曾從海,丁晉,郭詠梅,張倫瑞,肖茂
受保護(hù)的技術(shù)使用者：國網(wǎng)四川省電力公司瀘州供電公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/9