[發明專利]基于人工智能和大數據的電網基建人員安全風險評估方法

有效

• 申請號: 202110755707.3
• 申請日: 2021-07-05
• 公開（公告）號: CN113361968B
• 公開（公告）日: 2023-01-20
• 發明（設計）人: 任亞軍;劉乃桓;吳進喜;江宇超;李金蹊;謝志梅
• 申請（專利權）人: 廣東電網有限責任公司佛山供電局
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/06;G06N3/04;G06N3/08
• 代理公司: 鄭州芝麻知識產權代理事務所(普通合伙) 41173
• 代理人: 張雯雯

1.一種基于人工智能和大數據的電網基建人員安全風險評估方法，其特征在于，包括以下步驟：

步驟一，獲取電網區域的圖像數據；

步驟二，對所述圖像數據進行處理，獲取每個電力作業人員圖像以及對應的坐標位置；

步驟三，對每個電力作業人員圖像進行識別，獲取每個電力作業人員的工種信息；

步驟四，根據作業人員的工種信息以及所述坐標位置，獲取同一工種下作業人員的坐標集合，并利用凸包分析方法，獲取各工種坐標集合的質心；以質心為起始節點，所述坐標位置為截止節點，通過第一連接邊連接起始節點和截止節點，得到各工種的作業人員的圖數據結構，所述第一連接邊的邊權值是根據人員未正常穿戴概率以及工種的聚集程度、節點間距離、作業風險程度確定；

步驟五，將所述各工種坐標集合的質心通過第二連接邊進行連接，獲取電網區域的圖數據結構，所述第二連接的邊權值是根據工種之間的交叉風險和所述第一連接邊的邊權值計算得到；

步驟六，利用隨機游走方法對所述電網區域的圖數據結構進行層次游走，獲取圖嵌入向量；所述層次游走是先進行不同工種的質心之間的游走，再進行每個工種內質心到截止節點的游走；

步驟七，根據構建的神經網絡，將所述圖嵌入向量作為所述神經網絡的輸入，輸出電網區域作業人員的風險等級；

所述第一連接邊的邊權值為：

其中，O為工種的作業風險程度，P為工種的聚集程度，d為起始節點與截止節點之間的節點間距離；q為系數，log_b(P+d)用于值域映射，0a1、0b1。

2.根據權利要求1所述的基于人工智能和大數據的電網基建人員安全風險評估方法，其特征在于，所述工種的聚集程度為

其中，P0_i表示第i個核心點坐標，P1_i,j表示第i個核心點范圍內的第j個邊界點坐標，n1表示核心點數量，n2ⁱ表示第i個核心點范圍內的邊界點數量，Euclidean distance為歐式距離公式。

3.根據權利要求1所述的基于人工智能和大數據的電網基建人員安全風險評估方法，其特征在于，所述人員的穿戴風險系數的獲取方法為：

構建卷積神經網絡；

將所述每個電力作業人員圖像分為訓練集和測試集，利用所述訓練集訓練所述卷積神經網絡，得到訓練好的卷積神經網絡；

將所述測試集輸入所述訓練好的卷積神經網絡，輸出每個作業人員的穿戴結果；

對所述每個作業人員的穿戴結果進行統計，得到工種內所有作業人員的未正常穿戴概率。

4.根據權利要求1所述的基于人工智能和大數據的電網基建人員安全風險評估方法，其特征在于，所述工種的作業風險程度為:

其中，S′為同一工種作業人員的凸包區域，S_k為作業人員所在的電網區域內的第k個工種區域，N為電網區域內的工種區域個數，w_k為權重。

5.根據權利要求2所述的基于人工智能和大數據的電網基建人員安全風險評估方法，其特征在于，所述第二連接邊的邊權值為：

EW2＝log_cd_CD*(SDW^m*SDW^t)

其中，SDW^m、SDW^t分別表示第m個和第t個工種的安全風險，d_CD為兩個工種作業人員坐標集合的倒角距離，log_cd_CD*(SDW^m*SDW^t)用于值域映射，0c1；

其中工種的安全風險：n表示工種內的作業人員數量，EW1_m表示第m個工種的邊權值。

6.根據權利要求1所述的基于人工智能和大數據的電網基建人員安全風險評估方法，其特征在于，所述步驟六中的層次游走的過程為：

步驟1，將所述第一連接邊的邊權值和第二連接邊的邊權值分別進行歸一化，并將歸一化后的邊權值映射到概率空間中，得到對應的邊權歸一化概率；

步驟2，對所述電網區域的圖數據結構進行游走，以其中一工種的質心為起始節點，并結合所述邊權歸一化概率進行隨機游走，得到游走節點，所述游走節點為其他工種的質心；

步驟3，根據所述游走節點，進行工種的作業人員的圖數據結構內的隨機游走，每游走一次記錄一下游走路徑對應的歸一化邊權值，如此反復游走設定次數，然后返回步驟2，按照設定次數重復步驟2和步驟3，得到所述電網區域的圖數據結構對應的圖嵌入向量。