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：河北科迪新能源科技有限公司

摘要：本发明公开了基于异构数据的电力施工安全预警方法，方法包括：数据采集、数据预处理、构建电力施工安全风险评估模型、模型最佳参数搜索和电力施工安全预警。本发明属于安全预警技术领域，具体是指基于异构数据的电力施工安全预警方法，本方案引入相互最近邻值进行数据划分，基于最小距离选择簇中心，基于距离判定进行关键数据分簇，综合考虑相互最近邻值以及关键数据和非关键数据各自聚类情况设计损失函数，提高模型的构建效率和准确性；基于重心对立学习设计初始化策略，计算每个维度的自适应权重，设计积极‑消极位置更新策略，基于动态感知概率确定个体更新时选取的策略，找到最佳参数，优化预警能力和响应速度。

主权项：1.基于异构数据的电力施工安全预警方法，其特征在于：该方法包括以下步骤：步骤S1：数据采集；步骤S2：数据预处理；步骤S3：构建电力施工安全风险评估模型，引入相互最近邻值进行数据划分，计算关键数据到最近邻数据的平均距离，基于最小距离选择簇中心，基于距离判定进行关键数据分簇，综合考虑相互最近邻值以及关键数据和非关键数据各自的聚类情况设计损失函数；步骤S4：模型最佳参数搜索，基于重心对立学习设计初始化策略，计算每个维度的自适应权重，设计积极-消极位置更新策略，基于动态感知概率确定个体更新时选取的策略，找到最佳参数；步骤S5：电力施工安全预警；在步骤S3中包括步骤S34：计算损失函数，综合考虑相互最近邻值以及关键数据和非关键数据各自的聚类情况来设计损失函数，所用公式如下： ；式中，SH是损失函数，λ1、λ2和λ3分别是第一权重、第二权重和第三权重，U和V分别是关键数据和非关键数据的数量，Oc是第c个关键数据所在簇的簇中心，s是非关键数据索引，xs是第s个非关键数据，是与第s个非关键数据所在簇距离最近的一个簇的簇中心，Q是异构数据集中的数据数量，a是异构数据集中的数据索引，XHa是异构数据集中第a个数据的相互最近邻值，HF是划分阈值，c是关键数据索引，xc是第c个关键数据；在步骤S3中，所述构建电力施工安全风险评估模型，具体包括以下步骤：步骤S31：数据划分，基于相互最近邻值将异构数据集中的数据划分为关键数据和非关键数据，包括以下步骤：步骤S311：计算相互最近邻值，计算异构数据集中每个数据的k1个最近邻数据，然后得到每个数据的相互最近邻值；所用公式如下： ； ；式中，XHa是异构数据集中第a个数据的相互最近邻值，a和b是异构数据集中的数据索引，和分别是异构数据集中第a个数据和第b个数据的最近邻数据集合，xa和xb分别是异构数据集中的第a个数据和第b个数据，g（·）是判断函数，k1是第一最近邻数量；步骤S312：计算划分阈值，所用公式如下： ；式中，HF是划分阈值，Q是异构数据集中的数据数量；步骤S313：划分关键数据和非关键数据，若第a个数据的相互最近邻值大于划分阈值，则将第a个数据划分为关键数据；否则，则将第a个数据划分为非关键数据；步骤S32：关键数据聚类；步骤S33：非关键数据聚类，将非关键数据分配给与其距离最近的一个已聚类数据所属的簇中；步骤S34：计算损失函数；在步骤S32中，所述关键数据聚类具体包括以下步骤：步骤S321：计算关键数据到最近邻数据的平均距离PJ，计算每个关键数据的k2个最近邻数据，然后得到每个关键数据到其k2个最近邻数据的平均距离；所用公式如下： ；式中，PJc是第c个关键数据到其k2个最近邻数据的平均距离，c和f是关键数据索引，是第c个关键数据的最近邻数据集合，dcf是第c个关键数据与其第f个最近邻数据之间的距离，k2是第二最近邻数量；步骤S322：选择簇中心，在所有关键数据中选择PJ最小的数据作为第一个簇的中心；步骤S323：分簇，对于剩余的每个关键数据xc，计算其和已存在的第m个簇中所有数据之间的最小距离，计算第m个簇中所有数据的PJ最大值，将最小距离与和中较大的那个值进行距离判定，若距离判定结果为小于，则将关键数据xc分配到第m个簇中，所用公式如下： ；式中，是第c个关键数据和第m个簇中所有数据之间的最小距离，Bm是第m个簇，m是簇索引，是第m个簇中所有数据的PJ最大值，max（·）是取最大值函数；步骤S324：选择新簇中心，在未聚类的关键数据中再次选择PJ最小的数据作为下一个簇的中心，然后重复步骤S323，直至所有关键数据都完成聚类；在步骤S4中，所述模型最佳参数搜索是搜索电力施工安全风险评估模型的最佳参数，完成模型优化，具体包括以下步骤：步骤S41：初始化个体位置，对电力施工安全风险评估模型中的第一最近邻数量k1、第二最近邻数量k2、第一权重λ1、第二权重λ2和第三权重λ3参数进行归一化处理，基于归一化后的模型参数建立搜索空间，用个体位置作为电力施工安全风险评估模型参数的代表，将基于模型参数建立的电力施工安全风险评估模型的损失函数作为个体的适应度值，基于重心对立学习设计初始化策略；步骤S42：计算动态感知概率，所用公式如下： ；式中，Gi（t）是第t次迭代时第i个个体的动态感知概率，t是迭代索引，Fworst（t）是第t次迭代时个体的最大适应度值，F（qi（t））是第t次迭代时第i个个体的适应度值；步骤S43：设计自适应权重，所用公式如下： ；式中，wj（q）是第q次迭代时第j维度的自适应权重，和分别是第q次迭代时全局最优位置和全局最差位置在第j维度的位置；步骤S44：设计积极-消极位置更新策略，基于动态感知概率确定个体进行位置更新时选择的策略，预先设定感知阈值E，当第i个个体的动态感知概率小于感知阈值时，该个体采取积极策略更新位置；否则，该个体采取消极策略更新位置；所用公式如下： ；式中，qi，j（t+1）和qi，j（t）分别是第t+1次和第t次迭代时第i个个体第j维度的位置，A1和A2分别是第一吸引因子和第二吸引因子，是第t次迭代时所有个体在第j维度的平均位置；步骤S45：模型最佳参数确定，预先设定适应度值阈值和最大迭代次数，更新个体的适应度值和全局最优位置，当全局最优位置的适应度值低于适应度值阈值时，全局最优位置对应的模型参数为最佳参数，基于最佳参数构建电力施工安全风险评估模型，完成模型优化；否则，若达到最大迭代次数，则转至步骤S41重新初始化个体位置；否则转至步骤S42继续迭代；在步骤S41中，所述初始化个体位置具体包括以下步骤：步骤S411：计算个体重心和维度重心，在搜索空间内随机初始化N个个体位置，计算N个个体的重心和每个维度的重心，所用公式如下： ； ；式中，Z是N个个体的重心，Lj是第j维度的重心，i是个体索引，j是搜索空间的维度索引，qi是第i个个体的随机初始化位置，qi，j是第i个个体第j维度的随机初始化位置；步骤S412：生成对立个体，所用公式如下： ；式中，是第i个个体的对立个体位置；步骤S413：初始位置确定，将N个个体的随机初始化位置在每个维度的最大值和最小值作为该维度的安全上界和安全下界，若生成的对立个体位置大于该维度的安全上界或小于安全下界，则重新生成对立个体在该维度的位置，最后计算N个个体的随机初始化位置和重新生成的N个对立位置的适应度值，选取最小的N个适应度值对应的位置为最终的个体初始位置，重新生成对立个体在该维度的位置所用公式如下： ；式中，是第i个对立个体在第j维度重新生成的位置，uj和hj分别是第j维度的安全下界和安全上界，是第i个对立个体在第j维度的位置，rand（·）是随机数生成函数；在步骤S5中，所述电力施工安全预警是将历史电力施工数据和实时电力施工数据经数据预处理后共同输入至优化后的电力施工安全风险评估模型中进行聚类，基于聚类结果，选取簇中具有最多数量历史电力施工数据的标签类型作为簇标签，得到实时电力施工数据的安全风险，当安全风险达到预先设置的安全阈值时，进行电力施工安全预警。

全文数据：

权利要求：

百度查询： 河北科迪新能源科技有限公司 基于异构数据的电力施工安全预警方法