TY - JOUR ID - 10.16081/j.epae.201912027 TI - 基于数据挖掘和CAPSO-SNN的电力作业风险态势感知 AU - 陈碧云 AU - 李弘斌 AU - 李滨 VL - 40 IS - 1 PB - 电力自动化设备杂志社 SP - EP - PY - JF - 电力自动化设备 JA - 电力自动化设备 UR - http://www.epae.cn/dlzdhsb/ch/reader/view_abstract.aspx?file_no=202001021&flag=1 KW - 数据挖掘;态势感知;云自适应粒子群优化;脉冲神经网络;态势利导;电力作业 KW - data mining; situation awareness; cloud adaptive particle swarm optimization; spiking neural networks; situation orientation; power operation AB - 随着电力作业安全监控技术的不断发展,电力作业全过程在线信息采集成为可能。以电力作业数据为基础,提出一种基于数据挖掘和云自适应粒子群优化脉冲神经网络(CAPSO-SNN)的电力作业风险态势感知方法。该方法首先从电力作业事故事件数据库中提炼出所有作业风险影响因素以构建风险影响因素体系,然后通过主成分分析法从中挖掘出作业过程中应重点关注的风险关键要素,再以风险关键要素作为输入参数,通过云自适应粒子群优化脉冲神经网络进行作业风险态势感知的训练和预测。最后,以某电网公司的实际历史作业事故事件为样本,展示了所提方法的应用过程。算例结果表明,该方法不仅适用于分析电力作业的风险组成,还可以在作业过程中有效地感知风险状态信息,跟踪风险发展趋势,有助于实施电力作业风险的全过程精细化态势利导管控。 ER -