一种基于自适应学习的变电站误操作风险评估方法及系统

本发明公开了一种基于自适应学习的变电站误操作风险评估方法及系统，涉及变电站技术领域，包括对变电站电气误操作风险相关的多维度特征数据进行收集和预处理；利用TabNet算法对经过预处理的特征数据进行自适应特征选择，通过注意力机制评估不同特征的重要性，并动态调整特征的权重；采用CatBoost算法对选定的特征进行深度学习建模，处理类别型和数值型特征的非线性关系，建立风险等级的判定模型；结合TabNet和CatBoost算法的输出结果，划分变电站电气误操作的风险等级，设置风险等级量化标准和动态优化的风险等级划分准则，完成对变电站电气误操作风险的评估。本发明能够实时调整风险等级判定准则，有效解决了传统静态评估方法无法适应倒闸操作动态变化的问题。