买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：国网浙江省电力有限公司丽水供电公司

摘要：本发明公开了一种电力作业工序识别方法及系统，通过获取电网作业数据，并对电网作业数据进行分类处理，得到连续型数据、离散型数据和文本型数据；将连续型数据、离散型数据和文本型数据进行特征拼接，得到作业特征矩阵，对作业特征矩阵加入场景变量，利用随机森林算法构建的多个决策树分别对加入场景变量后的作业特征矩阵进行预测，得到预测输出，将预测输出输入作业工序识别模型中，以使作业工序识别模型利用卷积层对预测输出进行卷积操作，得到卷积后的数据，利用全连接层对卷积后的数据进行分类后，输出工序识别结果。通过上述方法，实现了对电力作业对应工序的自动识别，从而可以根据工序得到该工序的风险点，提高了电力作业风险管控效率。

主权项：1.一种电力作业工序识别方法，其特征在于，包括：获取电网作业数据，并对所述电网作业数据进行分类处理，得到连续型数据、离散型数据和文本型数据；将所述连续型数据、所述离散型数据和所述文本型数据进行特征拼接，得到作业特征矩阵，对所述作业特征矩阵加入场景变量，利用随机森林算法构建的多个决策树分别对加入场景变量后的作业特征矩阵进行预测，得到预测输出；将所述预测输出输入作业工序识别模型中，以使所述作业工序识别模型利用卷积层对所述预测输出进行卷积操作，得到卷积后的数据，利用全连接层对卷积后的数据进行分类后，输出工序识别结果，以使人员根据所述工序识别结果，利用工序风险表得到工序对应的风险情况；所述作业工序识别模型通过利用电网作业样本数据进行训练得到的，训练过程为：获取电网作业样本数据，并对所述电网作业样本数据进行分类处理，得到连续型样本数据、离散型样本数据和文本型样本数据；利用弱监督标注方法对所述连续型样本数据、所述离散型样本数据和所述文本型样本数据对应的工序进行标注，得到样本聚合标注结果；将所述连续型样本数据、所述离散型样本数据和所述文本型样本数据进行特征拼接，得到样本特征矩阵，对所述样本特征矩阵加入场景变量，利用随机森林算法构建的多个决策树分别对加入场景变量后的样本特征矩阵进行预测，得到样本输出；将所述样本输出和所述样本聚合标注结果输入深度神经网络模型中，以使所述深度神经网络模型利用卷积层对所述预测输出进行卷积操作，得到卷积后的样本数据，利用全连接层对卷积后的样本数据进行处理后，输出识别结果；根据所述识别结果，利用交叉熵损失函数计算得到损失值，根据所述损失值对所述深度神经网络模型的参数进行更新，并返回使用下一个所述电网作业样本数据对更新后的深度神经网络模型进行训练，直到达到结束条件停止训练得到训练好的深度神经网络模型，其中，所述交叉熵损失函数的表达式为： 式中，为电网作业样本数据的数量，是类别数，是第个电网作业样本数据的真实标签，是第个电网作业样本数据预测为第类的概率。

全文数据：

权利要求：

百度查询： 国网浙江省电力有限公司丽水供电公司 一种电力作业工序识别方法及系统