(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111417809.0 (22)申请日 2021.11.26 (71)申请人 国网山东省电力公司电力科 学研究 院 地址 250003 山东省济南市 市中区望岳路 2000号 申请人 国家电网有限公司 (72)发明人 巩泉泉　谢连科　张用　石鑫　 张永　王坤　窦丹丹　张兆波　 陈超　臧玉魏　张国英　马新刚　 尹建光　崔相宇　李方伟　 (74)专利代理 机构 北京中济纬天专利代理有限 公司 11429 代理人 杨乐(51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 50/06(2012.01) G06K 9/62(2022.01) G06N 20/00(2019.01) (54)发明名称 建立预测电网作业人员冻伤风险的模型的 方法及系统 (57)摘要 本申请提供了一种建立预测电网作业人员 冻伤风险的模 型的方法， 属于冻伤 风险预测技术 领域； 具体方案为： 收集样 本的多个变量信息， 多 个变量信息中包括是否发生过冻伤； 以是否发生 冻伤为标签， 其他变量作为训练的特征， 进行随 机森立模型的构建和测试； 对构建的随机森立模 型的参数进行优化， 并确定n_ estimators的最优 取值， 其中n_estimators为评估器的数量； 将n_ estimators的最优取值代入随机森立模型， 建立 预测电网作业人员冻伤风险的模 型。 本申请实时 预测作业人员发生冻伤的风险， 提早采取干预措 施， 降低电网工作人员冻伤的发生率。 本申请还 公开了一种建立预测电网作业人员冻伤风险的 模型的系统、 介质以及电子设备。 权利要求书2页 说明书12页 附图2页 CN 113935552 A 2022.01.14 CN 113935552 A 1.一种建立预测电网作业人员冻伤风险的模型的方法， 其特 征在于， 包括： 收集样本的多个 变量信息， 所述多个 变量信息中包括是否发生过冻伤； 以是否发生冻伤为标签， 其 他变量作为训练的特 征， 进行随机森立模型的构建和 测试； 对构建的所述随机森立模型的参数进行优化， 并确定n_estimators的最优取值， 其中 n_estimators为评估器的数量； 将所述n_estimators的最优取值代入所述随机森立模型， 建立预测电网作业人员 冻伤 风险的模型。 2.如权利要求1所述的建立预测电网作业人员冻伤风险的模型的方法， 其特征在于， 收 集样本的多个 变量信息包括： 分析网络调查问卷的结果， 并提取 所述网络调查问卷中的多个 变量信息 。 3.如权利要求1所述的建立预测电网作业人员冻伤风险的模型的方法， 其特征在于， 以 是否发生冻伤为标签， 其 他变量作为训练的特 征， 进行随机森林模型的构建和 测试， 包括： 以是否发生冻伤为标签， 其他变量作为训练的特征， 并确定预测的结局为是否发生冻 伤， 再进行随机森林模型的构建和 测试。 4.如权利要求1所述的建立预测电网作业人员冻伤风险的模型的方法， 其特征在于， 进 行随机森林模型的构建和 测试， 包括： 采用机器学习模块进行随机森林的构建和 测试。 5.如权利要求1至4任一项所述的建立预测电网作业人员冻伤风险的模型的方法， 其特 征在于， 确定n_estimators的最优取值的同时， 还 包括： 确定max_depth的最优值； 其中， max_depth是指随机森林模型中每棵树的最大深度。 6.如权利要求5所述的建立预测电网作业人员冻伤风险的模型的方法， 其特征在于， 确 定n_estimators的最优取值的同时， 还 包括： 确定max_features的最优值； 其中， max_features是指随机森林模型中的特 征个数。 7.如权利要求6所述的建立预测电网作业人员冻伤风险的模型的方法， 其特征在于， 将 所述n_estimators的最优 取值代入 所述随机森立模 型， 建立预测电网作业人员冻伤 风险的 模型包括： 将所述n_estimators的最优取值代入所述随机森立模型的同时， 将max_depth以及 max_features的最优取值代入所述随机森立模型， 建立预测电网作业人员冻伤风险的模 型。 8.一种建立预测电网作业人员冻伤风险的模型的系统， 其特 征在于， 包括： 变量收集模块， 用于收集样本的多个变量信息， 所述多个变量信息中包括是否发生过 冻伤； 构建测试模块， 用于以是否发生冻伤为标签， 其他变量作为训练 的特征， 进行随机森立 模型的构建和 测试； 参数优化模块， 用于对中间构建的模型的参数进行优化， 并确定n_estimators的最优 取值； 模型建立模块， 用于将所述n_estimators的最优取值代入所述随机森立模型， 建立预权　利　要　求　书 1/2 页 2 CN 113935552 A 2测电网作业人员冻伤风险的模型。 9.如权利要求8所述的建立预测电网作业人员冻伤风险的模型的系统， 其特征在于， 收 集样本的多个 变量信息包括： 分析网络调查问卷的结果， 并提取 所述网络调查问卷中的多个 变量信息 。 10.如权利要求8所述的建立预测电网作业人员冻伤风险的模型的系统， 其特征在于， 以是否发生冻伤为标签， 其 他变量作为训练的特 征， 进行模型构建和 测试， 包括： 以是否发生冻伤为标签， 其他变量作为训练的特征， 并确定预测的结局为是否发生冻 伤， 再进行模型构建和 测试。 11.如权利要求8所述的建立预测电网作业人员冻伤风险的模型的系统， 其特征在于， 进行模型构建和 测试， 包括： 采用机器学习模块进行模型构建和 测试。 12.如权利要求8至11任一项所述的建立预测电网作业人员冻伤风险的模型的系统， 其 特征在于， 确定n_estimators的最优取值的同时， 还 包括： 确定max_depth的最优值； 其中， max_depth是指随机森林模型中每棵树的最大深度。 13.如权利要求12所述的建立预测电网作业人员冻伤风险的模型的系统， 其特征在于， 确定n_estimators的最优取值的同时， 还 包括： 确定max_features的最优值； 其中， max_features是指随机森林模型中的特 征个数。 14.如权利要求13所述的建立预测电网作业人员冻伤风险的模型的系统， 其特征在于， 将所述n_est imators的最优 取值代入 所述随机森立模 型， 建立预测电网作业人员冻伤 风险 的模型包括： 将所述n_estimators的最优取值代入所述随机森立模型的同时， 将max_depth以及 max_features的最优取值代入所述随机森立模型， 建立预测电网作业人员冻伤风险的模 型。 15.一种介质， 其上存储有程序， 其特征在于， 该程序被处理器执行时实现如权利要求 1‑7任一项所述的建立预测电网作业人员冻伤风险的模型的方法中的步骤。 16.一种电子设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的程 序， 其特征在于， 所述处理器执行所述程序时实现如权利要求 1‑7任一项所述的建立预测电 网作业人员冻伤风险的模型的方法中的步骤。权　利　要　求　书 2/2 页 3 CN 113935552 A 3