[发明专利]一种基于图神经网络的电力作业与人员匹配的方法

说明书

本发明公开了一种基于图神经网络的电力作业与人员匹配的方法，通过深度图神经网络技术，构建电力作业和人员的图神经网络模型，对作业和人员的特征和关系进行深度学习，获取作业和人员的关系特征，实现作业可跨组织匹配最优作业人员，对比传统人工选择方法在客观性、准确性、高效性上有明显优势，并且在作业安全方面，明显减少作业安全事件的发生，降低作业风险，保障作业人员的安全。

技术领域

本发明涉及信息安全技术领域，尤其涉及一种基于图神经网络的电力作业与人员匹配的方法。

背景技术

电力作业是一种技术要求高、风险等级高、危险系数大的工作，一方面需要作业人员自身具有较高的资质能力，另一方面，需要结合作业人员自身的经验和技能应对复杂的工作任务。因此，如何合理地分配执行电网作业的人员来控制作业安全风险是电网运维作业面临的重要问题。

电力作业涉及的专业、类型、风险等内容繁多，管理人员在选择作业和参与作业的人员时，通常凭个人的主观印象去选择，随意性强、理由不明确，如果选择的作业人员尤其是工作负责人不合适，就增大了作业的安全风险，容易造成作业安全事故。特别是比较大型的项目，需要跨班组、跨专业、跨部门甚至跨单位去选择作业人员，由于管理人员对被选择的作业人员并不了解，很难去评估选择最适合的人员。

中国专利文献CN114169806A公开了一种“电网风险管控作业的人员匹配方法”。通过设备参数计算电力设备风险值，并根据电力设备风险值分别得到电力设备风险管控等级和生产作业风险等级，再根据得到的作业类别，采用矩阵计算的方式得到人员名单集合。上述技术方案主要对于作业类别进行分析，缺乏对于作业人员的充分评定。

发明内容

本发明主要解决原有的技术方案主要对于作业类别进行分析，缺乏对于作业人员的充分评定的技术问题，提供一种基于图神经网络的电力作业与人员匹配的方法，通过深度图神经网络技术，构建电力作业和人员的图神经网络模型，对作业和人员的特征和关系进行深度学习，获取作业和人员的关系特征，实现作业可跨组织匹配最优作业人员，对比传统人工选择方法在客观性、准确性、高效性上有明显优势，并且在作业安全方面，明显减少作业安全事件的发生，降低作业风险，保障作业人员的安全。

本发明的上述技术问题主要是通过下述技术方案得以解决的：本发明包括以下步骤：

S1获取作业和人员的基础特征表达；

S2获取作业和人员的关系；

S3构建图神经网络模型；

S4对构建的图神经网络模型进行模型训练；

S5利用训练好的模型进行作业和人员匹配。

作为优选，所述的步骤S1具体包括，利用作业和人员的基础属性，采用自相似原则，获取作业和人员的基础特征表达，WE和PE。

作为优选，所述的步骤S2具体包括：

S2.1从作业历史数据中提取不同人员与其历史作业的关系；

S2.2将提取的关系表示为WID(作业ID)，PID(人员ID)和RID(角色ID即关系类型)的三元组。

从作业历史数据中通过不同角色的人员做过的哪些作业提取关系，一个人员可以对应多个作业。关系数据中，作业和人员的ID都是唯一不重复的。

作为优选，所述的步骤S3具体包括：

S3.1构建异构图节点，将作业和人员分别作为图节点，并赋予各自的基础特征表达WE和PE；

S3.2构建多关系的边，利用WRP(项目-角色-人员)三元组关系，构建相应的边；

S3.3进行节点特征的聚合，将构建的图G的每类节点在W和P的特征通过边的关系把邻居的特征聚合起来；