电力运维安全是备受社会关注的课题。为了避免因运维人员的操作失误而产生严重后果,提出了一种基于长短期记忆网络LSTM(Long Short Term Memory)的、面向电力运维作业的动作识别方法,该方法涵盖了从数据采集、数据处理到分类识别的整个...电力运维安全是备受社会关注的课题。为了避免因运维人员的操作失误而产生严重后果,提出了一种基于长短期记忆网络LSTM(Long Short Term Memory)的、面向电力运维作业的动作识别方法,该方法涵盖了从数据采集、数据处理到分类识别的整个过程,可对人员工作过程中的操作行为进行识别和监督。基于新构建的电力运维作业数据集将方法中用到的深度学习算法LSTM与传统机器学习算法KNN进行仿真对比实验,结果表明,LSTM的表现更佳,在时间窗口为120帧时,LSTM的准确率达到91.32%,比KNN高出约2个百分点。展开更多
文摘电力运维安全是备受社会关注的课题。为了避免因运维人员的操作失误而产生严重后果,提出了一种基于长短期记忆网络LSTM(Long Short Term Memory)的、面向电力运维作业的动作识别方法,该方法涵盖了从数据采集、数据处理到分类识别的整个过程,可对人员工作过程中的操作行为进行识别和监督。基于新构建的电力运维作业数据集将方法中用到的深度学习算法LSTM与传统机器学习算法KNN进行仿真对比实验,结果表明,LSTM的表现更佳,在时间窗口为120帧时,LSTM的准确率达到91.32%,比KNN高出约2个百分点。
