[发明专利]一种基于多个神经网络的设备安全风险的评估方法及装置

说明书

本发明公开了一种基于多个神经网络的设备安全风险的评估方法及装置，所述方法包括：获取设备的测量数据，并利用所述测量数据分别与每个神经网络进行评估训练，构建得到多个设备安全性评估模型；重复对每个所述设备安全性评估模型进行系数调整操作，生成对应综合评估模型；利用多个所述综合评估模型与预设的运行数据进行安全风险评估计算，得到计算结果，所述预设的运行数据为设备在运行时实时采集的状态数据；基于计算结果确定设备安全风险。本发明可以采集设备的测量数据，并利用测量数据对多个神经网络进行评估训练和权重分配，从而可以提高模型的评估准确率，并且设置多个评估模型可以适配更多不同的设备，进一步提高评估的灵活性和实用性。

技术领域

本发明涉及设备安全风险的评估技术领域，尤其涉及一种基于多个神经网络的设备安全风险的评估方法及装置。

背景技术

电力行业与人们的生活水平息息相关，时代的发展与科技的进步使得越来越多的电力设备投人到电网系统中，使得电网结构越发显得庞大复杂。同时，各种不确定的风险诸如外力因素、操作因素、设备因素及管理因素也影响着电网的安全稳定运行，增加了电网的运营风险。

为了让各个设备的安全正常地工作，以使电网安全稳定地运行，目前常用的方法是在运行过程中记录各个设备的运行数据，再利用训练好的模型进行安全风险的评估。

但目前常用的预测评估方法有如下技术问题：由于设备的种类较多，而单一的训练模型难以适配多种不同的设备，导致评估预测的结果与实际不符，降低了准确率。

发明内容

本发明提出一种基于多个神经网络的设备安全风险的评估方法及装置，所述方法可以采用多个模型进行协同预测评估，不但可以适配不同种类的设备，也可以提高评估预测的准确率。

本发明实施例的第一方面提供了一种基于多个神经网络的设备安全风险的评估方法，所述方法包括：

获取设备的测量数据，并利用所述测量数据分别与每个神经网络进行评估训练，构建得到多个设备安全性评估模型；

重复对每个所述设备安全性评估模型进行系数调整操作，生成对应综合评估模型；

利用多个所述综合评估模型与预设的运行数据进行安全风险评估计算，得到计算结果，其中，所述预设的运行数据为设备在运行时实时采集的状态数据；

基于计算结果确定设备安全风险。

在第一方面的一种可能的实现方式中，所述系数调整操作具体为：

分别确定每个所述设备安全性评估模型的预测结果与给定标签的损失值；

利用所述预测结果和所述给定标签的损失值初始化计算每个所述设备安全性评估模型的初始调整系数；

将所述预测结果与所述初始调整系数相乘得到预测结果中间值，计算所述预测结果中间值与所述预测结果的支持度，对支持度进行归一化处理得到归一化支持度；

将所述归一化支持度与预设的学习率相乘得到更新调整系数，直到所述预测结果和所述给定标签的损失值的损失总和值小于预设损失阈值。

在第一方面的一种可能的实现方式中，所述初始调整系数的计算如下式所示：

其中，表示第i个神经网络模型的预测结果；表示第i个神经网络模型的预测结果对应的给定标签的损失值；

S_i表示第i个神经网络模型的预测结果与第i个神经网络模型的预测结果对应的给定标签的损失值的计算结果；表示第i个神经网络模型的初始调整系数。

在第一方面的一种可能的实现方式中，所述归一化支持度的计算如下式所示：