信息系统运维

电力人员行为识别是电力系统安全运维的重要环节，现有的人员行为识别算法主要采用支持向量机和多层感知机进行行为分类，存在识别精度低、未考虑人体骨架之间交互关系、迁移性、通用性差等问题。针对上述问题，提出一种基于自注意力与交叉注意力机制的行为分类解码器，充分考虑了人体骨架之间的关联。其分类精度相比传统分类方法提升10%~20%，较深度学习多层感知机（multilayer perceptron，MLP）分类方法提升2%以上。该方法运用编码器-解码器架构的二阶段方法进行行为识别，使得解码器可以适用于任意姿态估计，网络后端具有很强的可扩展性。此外，采用分组解码的方式克服了注意力机制带来的二次方复杂度，使得该解码器可以扩展到更多行为类别，具有更好的普适性。该行为识别算法能够在基于变电站工作场景下的人员图像数据集验证中达到优异的识别效果，综合识别率达91.1%，验证了所提电力人员行为分类方法的有效性和适用性。

​4月15日，国网甘肃省电力公司电力信息系统运维员工李兴在开展营销业务应用系统主机设备巡检作业时，通过装在手机上的智能一体化运维支撑平台微应用，在现场很快完成了巡检记录和检修申请线上办理。以往，他需要手工记录巡检情况，回到办公室在电脑上填写巡检记录，根据缺陷情况提报检修申请，然后开展消缺。

6月28日，国网陕西省电力有限公司业务全链路监测工具正式上线运行。该工具能够主动监测、实时预警、精准定位、智能防控信息系统运行风险，像哨兵一样24小时不间断值守，提升了信息系统运维保障水平。