典型文献
基于多模态深度学习的不停电作业风险评估
文献摘要：
不停电作业是目前电网中的一种主要检修方式,对其展开有效的风险评估是电网安全运行的重要保障,但作业过程中不同类型影响因素的复杂耦合关系对其风险评估结果的准确性提出了挑战.文中筛选了作业人员健康数据、绝缘数据、线路状态数据为主要输入量,依据行业标准确定了各因素风险系数判据,利用深度学习在提取数据特征方面的灵活性,提出了基于多模态深度学习的不停电作业风险评估算法;基于实测及调研数据建立了各输入量物理模型及训练样本库,并使用该算法对不停电作业风险进行了评估.通过与SVM、ANN等传统算法的对比,此方法展现出了更高的风险评估精度.
文献关键词：
不停电作业;风险评估;多模态;深度学习
中图分类号：
作者姓名：
张玮亚;陈中;宫衍平;王舒凡;李强;韩涛
作者机构：
国网江苏省电力有限公司南京供电分公司,南京 210019;天津大学电气自动化与信息工程学院,天津 300072
文献出处：
引用格式：
[1]张玮亚;陈中;宫衍平;王舒凡;李强;韩涛-.基于多模态深度学习的不停电作业风险评估)[J].高压电器,2022(11):138-150
A类：
B类：
多模态深度学习,不停电作业,作业风险,检修方式,开有,电网安全,作业过程,复杂耦合关系,风险评估结果,作业人员,健康数据,绝缘,状态数据,输入量,风险系数,判据,提取数据,数据特征,评估算法,调研数据,各输,物理模型,训练样本,样本库,ANN,传统算法
AB值：
0.341118
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
