一种基于AI智能学习的操作票算法制造技术

本发明专利技术公开了一种基于AI智能学习的操作票算法，该技术方法所属人工智能(AI)与机器学习领域，在电网结构日益强大，管辖设备日益增多，现场人员工作繁重的背景下，操作票系统的编写和审核环节不仅会增加人员的工作负担，导致停电时间增加，而且稍有不慎，可能造成带电合接地刀闸或带接地刀闸送电等严重事故，影响电网的安全稳定运行。在这一背景下，开展对智能操作票的研究，构建了一款基于机器学习技术智能操作票系统，有效缩短了操作票编写时长，减少操作票出错率，对提升现场工作人员的工作效率、做好安全生产工作、加快智能化调度的发展、确保电力系统安全稳定运行有一定的推动作用。

【技术实现步骤摘要】

本专利技术涉及人工智能领域中的计算机视觉和人机交互领域，具体来说是一种基于ai智能学习的操作票算法。

技术介绍

1、在电力系统的安全运行规范中，对每个电气操作都有明确的规范，并且要求对每个操作都要有明确详细的记录。电力操作票系统就是为了维护这些信息，使得每次操作信息都可以做到追踪和管理的系统。操作票是电力作业和管理的依据，也是电力调度中经常使用的依据之一，在电力系统中操作票是防止电力调度出现误操作、误作业的关键。随着电网建设的复杂度越来越高，在电力调度中，操作票的填票涉及到的事项也越来越多，操作票的填写和信息也越来越复杂，需要填写和使用的操作票也越来越多，特别是电网春秋检期间，变电运维人员需要大批量的填写操作票，这导致整个工作量急剧增加，复杂的工作量也使得操作票的有效性越来越低，容易在信息填写和记录环节出现错误，一旦出现填写错误等情况，对电网运行和现场人员人身安全是一个巨大的威胁，因此，如何构建信息化的操作票系统，来解决当前电力系统操作票的复杂的信息记录、校验及管理工作，成为电力信息化建设面临的一个重要的任务和挑战。近年来，随着电力系统智能化建设的加速和完本文档来自技高网...

【技术保护点】

1.一种基于AI智能学习的操作票算法，其特征在于：所述基于AI智能学习的操作票算法，其核心在于采用规则学习方法构建操作票的规则库，通过自顶向下的方式确定初始规则体条件，挖掘操作票命令术语的语法规则，进而生成规则库，同时，利用隐马尔可夫模型(HMM)的强大时序概率分析能力，揭示调度操作票背后的状态变化模式，通过维特比算法推断出最可能的调度状态序列，优化调度流程，在算法实现中，中文分词作为基础步骤，采用基于字的构词分词算法和隐马尔可夫模型实现精准分词和词性标注，整个操作票系统通过实时监测功能获取新建票及调度指令信息，实现智能化的决策和管理，智能操作票编辑功能则通过自动分析和推荐信息，辅助用户...

【技术特征摘要】

1.一种基于ai智能学习的操作票算法，其特征在于：所述基于ai智能学习的操作票算法，其核心在于采用规则学习方法构建操作票的规则库，通过自顶向下的方式确定初始规则体条件，挖掘操作票命令术语的语法规则，进而生成规则库，同时，利用隐马尔可夫模型(hmm)的强大时序概率分析能力，揭示调度操作票背后的状态变化模式，通过维特比算法推断出最可能的调度状态序列，优化调度流程，在算法实现中，中文分词作为基础步骤，采用基于字的构词分词算法和隐马尔可夫模型实现精准分词和词性标注，整个操作票系统通过实时监测功能获取新建票及调度指令信息，实现智能化的决策和管理，智能操作票编辑功能则通过自动分析和推荐信息，辅助用户高效准确地完成操作票编辑，最后，在操作票管理方面，通过录入、修改和删除功能，实现操作票信息的全面管理和高效维护，这些功能的综合应用，有效提升了操作票系统的智能化水平，为调度操作票的自动生成和优化提供了有力支持。

2.根据权利要求书1所述的一种基于ai智能学习的操作票算法，其特征在于：所述采用规则学习方法建立操作票的规则库，首先通过自顶向下的方式确定初始规则体条件，找出具有最高显著性的判定结果，并计算其在不同属性取值下的相关性，然后完善规则体语句，利用相关性概率调整，重复搜寻判定结果与其他属性的相关性，并将具有极高相关性的属性补充至规则库中，最后，为避免过拟合情况，设定规则体内的规则语句数量以及条件数量的限制条件，通过贪心搜索生成调度操作票命令术语的语法规则库，这一过程提升了对调度操作票命令术语语法规则的深度挖掘，从而有效地生成了操作票的规则库。

3.根据权利要求书1所述的一种基于ai智能学习的操作票算法，其特征在于：所述隐马尔可夫模型(hmm)是一种强大的时序概率模型，用于描述一个隐藏状态序列生成观测序列的过程，在调度操作票的状态分析中，hmm能够揭示隐藏在观测数据背后的状态变化模式，模型中的状态变量代表调度操作票的不同状态，而观测变量则是这些状态的外在表现，根据hmm的定义，任意时刻的状态只与前一时刻的状态有关，即具有“马尔可夫性”，这意味着时间的流逝中，状态的转移形成了一个马尔可夫链，而观测变量的取值则受到当前状态变量的影响，通过训练数据，hmm学习得到状态转移矩阵a、初始状态矩阵π以及观测状态矩阵b，这些参数共同描述了模型的行为，在学习过程中，隐藏状态序列是通过观察序列推断出来的，这一过程常利用维特比算法实现，维特比算法是一种动态规划算法，用于在给定观测序列的情况下，寻找最可能的隐藏状态序列，算法首先初始化每个可能状态的概率，然后在每个时间点根据状态转移概率和观测概率更新这些概率，最终输出概率最大的状态序列，在调度操作票的应用中，通过维特比算法，从观察到的操作票命令术语中推断出最可能的调度状态序列，这对于理解和优化调度流程具有重要意义，通过分析这些状态序列，发现调度过程中的潜在问题和优化点，从而提高调度效率和安全性。

4.根据权利要求书1所述的一种基于ai智能学习的...

【专利技术属性】
技术研发人员：吴斌，费传学，王永生，吕少军，王辛，方亮，李耀，方振霖，王杰，刘华喜，项治国，尹传文，程宜兴，刘玉帆，冯宇航，张沈浩，
申请(专利权)人：国网安徽省电力有限公司六安供电公司，
类型：发明
国别省市：