← 返回列表

基于时间序列分析的电网环境火灾风险评估方法及设备

申请号: CN202410070578.8
申请人: 山东金桥保安器材有限公司
申请日期: 2024/1/18

摘要文本

马-克-数据 本发明涉及电网环境火灾风险评估技术领域,尤其涉及一种基于时间序列分析的电网环境火灾风险评估方法及设备,包括以下步骤:获取电网环境中的历史火灾数据;数据预处理;基于历史火灾数据时间序列中所记录的信息,采用无监督学习K‑均值聚类算法对火灾风险进行分级;采用相关性分析和主成分分析进行所涉及到的时间序列特征进行选择,时间序列由自变量为电网工作参数和环境监测数据所的构成;构建时间序列数据集;将测试集输入到训练得到的模型中,进行模型评估。本发明能够实现对电网环境火灾风险的全面、准确和实时评估,提高电网环境火灾防护的效率,加强了电网环境下火灾防护的效果。

专利详细信息

项目 内容
专利名称 基于时间序列分析的电网环境火灾风险评估方法及设备
专利类型 发明申请
申请号 CN202410070578.8
申请日 2024/1/18
公告号 CN117592789A
公开日 2024/2/23
IPC主分类号 G06Q10/0635
权利人 山东金桥保安器材有限公司
发明人 房立勇; 李增辉; 刘功朋; 王洪生; 吴佳慧; 张亮
地址 山东省济南市历下区转山西路4号中和广场3号楼1单元1731

专利主权项内容

1.一种基于时间序列分析的电网环境火灾风险评估方法,其特征是:包括以下步骤:S1.获取电网环境中的历史火灾数据,并持续采集电网工作参数以及环境监测数据;S2. 数据预处理;S2.1 构建时间序列将历史火灾数据、电网工作参数以及环境监测数据转换为可供机器学习模型分析的格式;S2.2 将上述构建后时间序列,进行数据归一化与缺失值处理;S3.基于历史火灾数据时间序列中所记录的信息,采用无监督学习K-均值聚类算法对火灾风险进行分级;S4.采用相关性分析和主成分分析进行所涉及到的时间序列特征进行选择,时间序列的自变量为电网工作参数和环境监测数据;S5.构建时间序列数据集,时间序列数据集划为训练集和测试集/>;S6.构建以卷积神经网络CNN和长短期记忆网络LSTM为基础结构的机器学习模型;S7. 将测试集输入到训练得到的机器学习模型中,进行模型评估。