基于多模态深度学习的不停电作业风险评估

• 作者: 张玮亚 陈中 宫衍平 王舒凡 李强 韩涛
• 来源期刊: 高压电器
• 学科: 工学
• 关键词: 不停电作业 风险评估 多模态 深度学习
• 年，卷（期）: 2022,（11）
• 所属期刊栏目: 基于多源信息融合对电气设备性能评估
• 页码范围: 138-150
• 页数: 12页
• 语种: 中文
• DOI: 10.13296/j.1001⁃1609.hva.2022.11.018

摘要

不停电作业是目前电网中的一种主要检修方式，对其展开有效的风险评估是电网安全运行的重要保障，但作业过程中不同类型影响因素的复杂耦合关系对其风险评估结果的准确性提出了挑战。文中筛选了作业人员健康数据、绝缘数据、线路状态数据为主要输入量，依据行业标准确定了各因素风险系数判据，利用深度学习在提取数据特征方面的灵活性，提出了基于多模态深度学习的不停电作业风险评估算法；基于实测及调研数据建立了各输入量物理模型及训练样本库，并使用该算法对不停电作业风险进行了评估。通过与SVM、ANN等传统算法的对比，此方法展现出了更高的风险评估精度。