基于神经网络的电力人身事故、误操作事故与违章操作事故的预测方法技术

本发明专利技术涉及一种基于神经网络的电力人身事故、误操作事故与违章操作事故的预测方法，包括以下步骤：S1.采集各种电力人身事故、误操作事故、违章操作事故的历史数据；S2.搭建神经网络，利用各种电力人身事故、误操作事故、违章操作事故的历史数据对神经网络进行训练；S3.将测试数据输入至训练好的神经网络中，得到预测结果。

Neural network based prediction method for accident of human body, misoperation and violation operation

The invention relates to a method for predicting electric power personal accidents, misoperation accidents and illegal operation accidents based on neural networks, including the following steps: S1. collecting historical data of various electric power personal accidents, misoperation accidents and illegal operation accidents; S2. constructing neural networks to utilize various electric power personal accidents and misoperation accidents. Therefore, the historical data of the accident of illegal operation are trained to the neural network; S3. The test data are input into the trained neural network, and the prediction results are obtained.

【技术实现步骤摘要】
基于神经网络的电力人身事故、误操作事故与违章操作事故的预测方法
本专利技术涉及电力安全管控
，更具体地，涉及基于神经网络的电力人身事故、误操作事故与违章操作事故的预测方法。
技术介绍
大数据的发展可谓如日中天，也成为当今信息行业的热门话题，所谓大数据即数据量庞大到无法通过现阶段的主流软件工具进行统计，并在合理的时间内达到获取，管理，处理并整理成为帮助企业经营决策的更有价值更有效的信息。从电力企业近年来安全生产的数据来看，人身伤亡事故数和死亡人数呈逐年上升的趋势，电力生产中人身事故、特大和重大设备事故等恶性事故也时有发生，在人因安全方面依然形势严峻。同时，违章问题也一直是电力企业生产安全管理的一个重难点。相关研究表明，违章行为可导致人身伤害的主观感觉的作用、违章行为会受到法规惩处的作用、违章行为与遵章行为满足生理心理需要作用的差值等；侥幸心理、从众心理、草率心理、省能心理、逆反心理、散漫心理等也是产生违章作业的原因。此外，电气误操作问题一直受到高度重视。运行值班人员误操作行为的原因包括人为因素、自然环境因素、设备因素、人因失误以及认知和技能因素、环境因素、生理/心理/性格因素等。然而目前电力人身事故、误操作与违章研究方法及其成果大多相近，大多以定性分析为主。例如：采用层次分析法，将各目标因素按照重要性的大小，形成关联层次，建立排序判断矩阵，并作为决策的依据，存在一致性和计算量大等问题。采用基于模糊函数的层次分析法，能够有效解决上述问题，但难以揭示电力人身和误操作事故事件的规律和特征。采用基于三角模糊函数的层次分析法，改进了以往单纯使用层次分析法的不足，在一定程度上有助于揭示电力人因事故事件的发生机理，但缺乏基础数据。
技术实现思路
本专利技术为解决以上现有技术的缺陷，提供了一种基于神经网络的电力人身事故、误操作事故与违章操作事故的预测方法。为实现以上专利技术目的，采用的技术方案是：基于神经网络的电力人身事故、误操作事故与违章操作事故的预测方法，包括以下步骤：S1.采集各种电力人身事故、误操作事故、违章操作事故的历史数据；S2.搭建神经网络，利用各种电力人身事故、误操作事故、违章操作事故的历史数据对神经网络进行训练；S3.将测试数据输入至训练好的神经网络中，得到预测结果。与现有技术相比，本专利技术的有益效果是：本专利技术利用历史数据，研究电力人身事故、误操作事故、违章操作事故的特征，采用神经网络探究事故发生规律，分析检测各种事故状态，研究电力人身事故、误操作事故、违章操作事故与人、机、料、法、环等特征要素关联性和灵敏性的大数据分析方法，揭示电力人身事故、误操作事故、违章操作事故的发生规律，明确电力人身事故、误操作事故、违章操作事故分析所需的关键信息，确定导致电力人身事故、误操作事故、违章操作事故的高风险因素，制定电力人身事故、误操作事故、违章操作事故的预控策略。附图说明图1为方法的流程图示意图。图2为训练神经网络的示意图。具体实施方式附图仅用于示例性说明，不能理解为对本专利的限制；以下结合附图和实施例对本专利技术做进一步的阐述。实施例1如图1所示，本专利技术提供的方法包括有以下步骤：S1.采集各种电力人身事故、误操作事故、违章操作事故的历史数据；S2.搭建神经网络，利用各种电力人身事故、误操作事故、违章操作事故的历史数据对神经网络进行训练；S3.将测试数据输入至训练好的神经网络中，得到预测结果。在具体的实施过程中，如图2所示，所述对神经网络进行训练时，采集发生电力人身事故、误操作事故、违章操作事故时的电力生产工作、电力建设工作、条件特征、人员特征作为神经网络的输入值；而采集发生电力人身事故、误操作事故、违章操作事故时的事故等级、人身事故类型、电力人身事故等级、人身事故事件层级、责任类型作为神经网络的输出值，通过输入值、输出值对神经网络进行训练；电力生产工作可为以下中的任一种：输电、变电、配电、供电、用电、调度、运行、巡视、检修、维护、试验、抄表验收、用电检查、修理、技改、业扩；电力建设工作可为以下中的任一种：输变电配电工程施工、安装、调试和监理；条件特征可为以下中的任一种：触电、倒杆、高空坠落、火灾、爆炸爆破；人员特征可为以下中的任一种：性别、年龄、学历、用工形式、工龄、工种、本工种工龄、教育培训、安全考试、资格证书、职业禁忌；事故等级可为以下中的任一种：特大、重大、较大、一般；人身事故类型可为以下中的任一种：人身死亡、人身伤害；电力人身事故等级可为以下中的任一种：一级、二级、三级、四级、五级；人身事故事件层级可为以下中的任一种：500kV、220kV、110kV、35kV、10kV、380V、220V；责任类型可为以下中的任一种：领导责任、管理责任、执行责任或直接责任、间接责任。其中对神经网络进行训练的具体过程如下：1)数据预处理将不同来源、格式、性质的数据进行有机整合，根据数据特点进行存储，必要时进行关联储存或分布式存储。进行数据筛选，去除数据中不完整的，不一致的数据，去除噪声数据，将可用的，完成的数据整合为数据集。将数据做变换，平滑，规范化，归一化等处理，保证其成为神经网络的输入数据格式。2)搭建网络神经网络结构搭建如下：电力人身事故、误操作事故、违章操作事故的数据量庞大，将准备好的电力生产工作，电力建设工作，条件特征，人员特征作为输入信号X，经过对这些信号的分析，可以预测电力事故的结果类型与等级，这些状态作为输出信号Y，本专利技术采用4层神经网络，隐藏层节点为7个和5个，即构建双隐藏层的电力事故BP神将网络，同时考虑到双曲正切函数在该问题上有更好的效果，激活函数采用双曲正切函数，函数为：f(x)＝tanh(x)3)初始化网络，初始化权重和偏置利用随机值对权重和偏置进行初始化4)正向传播(4.1)计算输入层到隐藏层网络搭建完后需要进行训练，对于神经网络而言，训练即为参数的学习过程，又正向传播和反向传播构成，正向传播中，输入层到隐藏层的传播过程为公式(2)所示，将数据逐条提供给输入层，并计算隐藏层各节点值及隐藏节点的输出。其中yhk为隐藏层神经元的值，ωhi为权值，xi为输入值，bhk为偏置，f为激活函数。(4.2)计算隐藏层到输出层隐藏层到输出层的传播过程相同于此相同，公式如下，利用公式(3)计算出网络的输出值5)计算误差输出层得到理论输出，将其与实际输出比较，计算误差并根据误差进行反向传播，均方差为计算误差的常用方式。利用公式(4)计算误差，其中yi为输出层神经元的输出值，Yi为实际值。6)反向传播根据误差进行反向传播，更新隐藏层的权值和偏置，权重更新的公式如下，其中第一项为常规算法的权值修正项，表示误差的梯度方向，η为学习率，第二项为动量项，α为动量因子7)学习率自学习按照公式(6)至(10)进行学习率自学习，调整网络的学习率η，其中gt为梯度，mt，vt分别对梯度的一阶矩估计和二阶矩估计，是对mt和vt的矫正，β1，β2为参数，可分别设为0.9和0.999，∈可设置为10-8，其可防止除数为0，m0，v0初始值为0mt＝β1mt-1+(1-β1)gt(6)8)动量因子自学习按照公式(11)进行动量因子自学习，调整网络的动量因子α，其中λ为正常数，用于控制动量因子的大小，显然，α的值处于0和1之间，并随着误差关本文档来自技高网...

【技术保护点】
1.基于神经网络的电力人身事故、误操作事故与违章操作事故的预测方法，其特征在于：包括以下步骤：S1.采集各种电力人身事故、误操作事故、违章操作事故的历史数据；S2.搭建神经网络，利用各种电力人身事故、误操作事故、违章操作事故的历史数据对神经网络进行训练；S3.将测试数据输入至训练好的神经网络中，得到预测结果。

【技术特征摘要】
1.基于神经网络的电力人身事故、误操作事故与违章操作事故的预测方法，其特征在于：包括以下步骤：S1.采集各种电力人身事故、误操作事故、违章操作事故的历史数据；S2.搭建神经网络，利用各种电力人身事故、误操作事故、违章操作事故的历史数据对神经网络进行训练；S3.将测试数据输入至训练好的神经网络中，得到预测结果。2.根据权利要求1所述的基于神经网络的电力人身事故、误操作事故与违章操作事故的预测方法，其特征在于：所述对神经网络进行训练时，采集发生电力人身事故、误操作事故、违章操作事故时的电力生产工作、电力建设工作、条件特征、人员特征作为神经网络的输入值；而采集发生电力人身事故、误操作事故、违章操作事故时的事故等级、人身事故类型、电力人身事故等级、人身事故事件层级、责任类型作为神经网络的输出值，通过输入值、输出值对神经网络进行训练；电力生产工作可为以下中的任一种：输电、变电、配电、供电、用电、调度、运行、巡视、检修、维护、试验、抄表验收、用电检查、修理、技改、业扩；电力建设工作可为以下中...

【专利技术属性】
技术研发人员：余永奎，汪海涛，段春雨，黄振财，刘文韬，梁志祥，
申请(专利权)人：广东电网有限责任公司中山供电局，
类型：发明
国别省市：广东,44