摘要:技术发展水平的不断进步以及社会各界用电需求的不断增长很大程度上对于电力生产的安全性提出了更高的要求。由于电力系统当中涉及的机械设备越来越多样化，电力施工与维护检修的难度也有所加大，相关技术人员必须全面掌握电力安全生产情况，才能够将安全隐患事故的发生概率降低到最小。构建电力安全生产监督管理云平台不仅能够很大程度上减轻维护检修人员的工作难度，同时也能够帮助其获得更为多样化的数据信息，时期有针对性的落实维护检修工作。将深度学习引入到电力安全生产监督管理云平台当中，能够在原有的基础之上大幅度提升监督与管控能力，降低不必要的成本消耗。在这篇文章当中，我们就具体对于深度学习在电力安全生产监督管理云平台中的应用进行了研究和分析。
关键词:深度学习；电力安全生产；监督管理云平台；应用
一、引言
随着人们对于电力安全生产监督管理工作重视水平的不断提高，已有的电力安全生产监督管理系统也在不断的完善。但就目前情况来看，大部分的监督管理系统都仍然存在着诸多的不足，例如，视频图像采集系统灵活性较差、系统对于人工干预依赖性过高、存储数据量日益增长等。这些问题的存在很大程度上限制了电力安全生产监督管理平台作用的发挥，也使得监督管理人员很难针对一些潜在的问题做出及时精准的判断，我给出相应的预防对策。加强深度学习，能够在一定程度上弥补原有电力安全生产监督管理系统在应用过程中所存在的不足，减少资金消耗，提升管控水平。在下文当中我们就具体对于深度学习在电力安全生产监督管理云平台中的应用进行了研究。
二、电力安全生产监督管理云平台的构建
电力安全生产云监督管理平台应当集合互联网、物联网、大数据为一体，充分借助云服务器和云数据打造综合性的电力安全生产监督体系，实现数据信息的采集、交互、整合与应用，能够随时对于电路情况以及变电站运行情况进行监督，从而有效减少人为操作失误而导致的潜在问题无限的可能性，为电力系统的安全有序运行保驾护航。
结合电力安全生产监督管理云平台构建的需求，大部分的平台在最初进行设计时，都会选择明确的监测点位，常见的监测点可以大致分为字符串型、布尔型以及实数型，结合供电公司的实际情况以及未来一段时间的发展规划，确定点位的数量，并设置一定量的移动点位。而不同的仪器设备承担着不同的收集信息的功能，应当能够容纳大量的新写入的信息。由于电力安全生产监督管理云平台需要时刻不间断的录入信息和整合信息，因此。平台往往会在较短的时间内获取到大量的信息，且普遍为影音数据，因此该平台还需要实现对于信息的压缩存储。整体平台必须充分保障开放性、标准性和可靠性。
三、深度学习在电力安全生产监督管理云平台中的应用
电力安全生产监督管理云平台所具备的一个主要的优势就在于能够实现实时的监督管理，很大程度上减轻了监管人员的工作压力，但对于监督管理人员而言，了解平台数据信息同样需要花费大量的精力，监管人员每日从事着相同或类似的工作难免会出现疏漏，因此，完备的平台还需要具备对于监督管理人员工作行为的监管功能。深度学习伴随着大量的数据信息，使得模型跳脱出了传统的规范要求的束缚，能够更加灵活的收集电力系统的运行信息，强化系统的智能化特征。
（一）图像的识别
以往系统平台在进行图像的预处理，尤其是人像的识别时，会将重点放在各身体环节的单独分析方面，这使得很多时候，系统在采集图像时，如果人体距离传感器过近，就会出现检测失败的问题。将深度学习引入到电力安全生产监督管理平台当中，需要将原始数据进行重新训练和统计，有效提升运算效率，提升整体图像识别系统的优化效果，缩小数据输出的预测值与实际值之间的差异，减少类别概率之间的差别，强化对于低分辨率输入图像的处理水平，重点对于图片当中相对较小的物体进行深入识别，提升对于身体动作以及身体状态的识别水平。
（二）语音的识别
在电力系统安全生产监督管理工作开展的过程当中，很多时候，所有的指令都是通过语音来传达的，因此在该平台当中语音的识别同样是一个十分重要的部分。优质的语音识别能力要求平台能够验证工作人员的身份，识别语音指令的信息，从而做出正确的指示。另外，如果出现了突发事件，还需要通过语音识别来辅助完成追责。通常情况下语音信号都是连续性的，在系统当中可以将语音信号转换成为频域信号，分辨出低频信号和高频信号，并提取出包络信息。系统平台所收集到的影音数据会直接存储于物联网平台当中，存储量不受限制，数据的安全性和可靠性也更能得到保障，且更能够满足电力安全管理工作信息存储量大、信息调取量小的特点。
（三）硬件与软件配制
为了充分满足数据信息采集的需求，电力安全生产监督管理云平台必须有足够完备的硬件设备和软件系统作为支持，借助信息采集器、机电保护装置以及通讯网络系统完成信息的收集、整合和交互。同时，还需要结合云平台和开发端营造良好的运行环境，构建良好的应用平台。借助GPU云服务器到了玻璃破碎提升系统的运行在识别速率，采取OpenPose进行图像数据的预处理，提升整体系统的图像识别效率。尤其应当注意的是，在新时期数据量大量增加的大背景下，TSDB，即时序时空数据库发挥着更为突出的作用，通过多次提交写入请求，能够连续记录多个不同的时间线，为后续查询工作的开展提供有力的参考依据。
四、总结
综上所述，立足于当前阶段电力安全生产监控系统的现状，我们可以发现大部分的系统平台在运行的过程当中都需要人工的辅助才能完全发挥其作用，然而受到人的主观能动性的影响，许多人为给定的指令难免会存在许多误差，这在很大程度上影响了云平台作用的体现。深度学习在电力安全生产监督管理云平台中的应用比常规的硬件设备的使用和物理存储形式的应用更具优势，能够有效提升信息获取的准确性以及信息识别的效率，总体来说有着较为突出的应用优势。
参考文献:
[1]王佳伟. 深度学习在电力安全生产监督管理云平台中的应用研究[D]. 2019.
[2]那琼澜, 万莹, 张子健. 深度学习在电力信息化领域的研究现状及展望[C].2018智能电网信息化建设研讨会.
[3]周吉安. 电力安全生产全过程监督管理系统的研究[J]. 电力信息化, 2011, 009(008):28-32.
[4]周念成, 廖建权, 王强钢,等. 深度学习在智能电网中的应用现状分析与展望[J]. 电力系统自动化, 2019, 43(04):267-284.