基于语义分析的设备监控告警信息知识图谱构建研究

为实现对SCADA(数据采集与监控)系统海量告警信息的智能化辨识和分析,提出了一种面向电力设备监控告警信息故障诊断辅助决策的知识图谱构建方法。在构建电网设备知识图谱的基础上,将基于改进BM(Boyer-Moore)算法的语义分析技术与结线分析方法相结合,对告警信息进行智能化字符解析,形成可供决策系统辨识的结构化知识网络;利用推理引擎查询匹配的知识路径,进行告警信息判断和分析。通过某110 kV线路故障跳闸案例分析表明,所提方法实现了基于知识图谱的故障告警信息解析判别和智能辅助决策,为设备监控人员故障快速处理提供了参考。     

基于语义框架的电网缺陷文本挖掘技术及其应用

电网企业拥有大量蕴含着重要可靠性信息的设备缺陷文本,依靠人工进行挖掘不仅效率低而且准确性因人而异。以变压器缺陷文本为研究对象,通过分析文本的特点,建立了基于语义框架的电网缺陷文本挖掘模型,解决了缺陷文本句子成分难以划分、数字量无法精确提取等问题,为电网领域的非结构化数据挖掘提供了新技术。首先在建立本体词库基础上,对缺陷文本进行分词、词汇特征提取等预处理;然后定义了电力语义框架与语义槽,提出了槽填充和语义框架构建流程,并通过词串合并实现了本体字典自动完善;最后对缺陷文本挖掘结果在可靠性统计中的应用进行了研究。算例表明,所提出的挖掘技术应用于电网缺陷自动分类与统计中,具有可行性和有效性。     

基于多头注意力循环卷积神经网络的电力设备缺陷文本分类方法

充分利用历史电力设备缺陷描述文本可对新出现的设备故障进行快速分类,提升运维人员的检修效率,为此针对缺陷描述文本具有复杂语义等特点,提出基于多头注意力循环卷积神经网络(multi-head attention recurrent convolutional neural networks,MAT-RCNN)的电力设备缺陷分类方法。首先对电力设备缺陷描述文本进行研究,并分析部分文本分类模型的局限;然后采用分布式表示方法将词语表示为向量形式,并将多头注意力机制与优化的RCNN结合,构建基于MAT-RCNN的电力设备缺陷描述文本分类模型;最后,通过算例比较分析,证明所提方法在语义学习能力、分类效果等方面优于RNN等常规方法。     

继电保护装置缺陷文本专业词典构建及其语言特性分析

继电保护装置缺陷文本缺乏基于专业词典的数据挖掘，对继电保护缺陷定级、诊断和消除支撑不足，无法满足高效运维需求。结合某区域电网继电保护缺陷数据，提出了适用于继电保护装置缺陷的专业词典构建方法，并构建了相关专业词典。首先，汇总了该区域继电保护装置缺陷文本数据，形成缺陷文本语料库；其次，应用基于正则表达式的停用词识别方法，实现缺陷文本中无关字词的剔除；然后，采用机器与人工相结合的方法，构建了缺陷文本分词词典，采用潜在语义分析和决策树分类，实现了同义词合并；然后，通过整合停用词表、分词词典、同义词表，构建了该区域电网保护装置缺陷专业词典；最后，对比了使用词典前后的专业词汇齐普夫分布和语料库信息熵，验证了所构建专业词典的有效性。     

基于电力设备大数据的预训练语言模型构建和文本语义分析EI北大核心CSCD

在电力设备运维管理过程中,如何运用非结构化文本信息,构造电力设备文本语义分析模型,挖掘非结构化文本信息,提升设备缺陷和故障的诊断速度和准确性,辅助电网运行检修决策,是非常具有应用价值的问题。该文提出基于超大规模预训练方法的电力设备文本语义分析模型(PowerBERT)。该模型基于多头注意力机制,采用多层嵌入语义表达结构,模型总参数超过1.1亿,实现对电力文本内蕴含的信息的理解和分析。基于超过18.62亿字符的电力标准、管理规定及检修记录文本构成的电力专业语料,并采用字符掩码、实体掩码、片段掩码等多种掩码机制和动态加载策略开展模型预训练。针对电力设备文本分析场景,在电力文本实体识别、信息抽取和缺陷诊断场景进行任务场景训练和优化。与传统深度学习算法进行对比实验的结果表明,该文所提方法在基于极少的场景任务样本的情况下,在验证集和测试集上实现召回率和精准度20%~30%的性能提升。     

基于预训练语言模型的电力领域设备缺陷检测

电力设备缺陷种类繁多,部分缺陷会引发设备故障,及时检测电力设备存在的缺陷是防止发生设备故障的重要手段。设备缺陷检测旨在从文本中识别触发词并且将文本划分对应的设备缺陷类型。针对电力领域缺陷数据集标注不足,以及由于文本中包含大量专业术语造成语义理解难等问题,研究基于深度学习的设备缺陷检测方法,设计电力领域设备缺陷检测预训练语言模型,利用事件三元组知识。文中,构建一个电力设备缺陷检测数据集,在模型进行缺陷检测任务之前,通过事件三元组预训练的方式提高语言模型的表征能力。实验表明,基于现场设备案例数据经过预训练的模型在缺陷检测任务上具有更好的表现效果,可以有效实现对电力领域缺陷报告文本的缺陷检测。     

基于语义的信息时序检测技术设计研究

针对信息的交互与获取正日益突破时间与空间的限制,提出了一种基于语义技术的语义域话题关联检测相关性判定模型,模型是基于文本理解和语义分析的判定方法,其核心思想是根据不同话题生成对应的语义结构体,使系统能够实现自动根据语义信息对话题进行相关性判定,仿真实验结果表明文本的误检率还是漏检率都得到了明显的降低,因此,结果证明基于语义的信息时序检测模型能够有效提高对报道中语义空间中主题相关性检测的能力,对于话题的时序检测后期的研究有积极的意义。     

基于深度学习的智能录波器配置数据自动化映射方法

智能变电站配置描述文件中包含大量智能二次设备数据输出接口地址的配置数据集,将这些数据集映射至智能录波器各信息组是保证录波器精准采集设备运行数据的基础性步骤,当前主流映射方法是依照输出接口描述文本人工映射对应的配置数据,二次设备数目繁多时映射工作量大,而描述文本一定程度的不规范性给数据集自动化映射提出了难题。针对这一问题,本文提出了基于深度学习框架—动态卷积神经网络构造的智能录波器配置数据的自动化映射方法;首先利用文本表征模型word2vec对数据集描述文本的稀疏文本向量进行词组语义及关联关系的表征;随后构造动态卷积神经网络并输入文本向量,基于其多层次抽象化学习典型样本特征的特点进行语义规律挖掘与文本分类映射,据此结果实现接口地址配置数据的自动化映射。实际算例表明,基于动态卷积神经网络模型的文本分类方法语义分析能力强,分类精度高,有效提升了智能录波器配置数据自动化映射的准确率。     

基于负荷突变的配电系统故障告警研究与实现

对于调度自动化系统及配电自动化系统无法检测到的分支线失电、配变失电等配电系统故障,配电线路负荷突变是重要的判别及检测依据。本文在分析配电系统负荷突变原因的基础上,提出了基于负荷突变的配电系统故障预警方法并实现了实际应用。基于概率负荷分析确定负荷突变量告警值;利用非同期赋值法实现负荷变化量的采集与计算;通过合理设置闭锁,抑制非故障原因造成的告警信息;基于调度自动化系统实现该功能的开发与应用。实际案例分析结果验证了方法的有效性和可靠性。     

基于卷积神经网络的电力设备缺陷文本分类模型研究

电网生产管理系统中存在大量闲置的设备缺陷记录文本。针对电力设备缺陷文本的特点,构建了基于卷积神经网络的缺陷文本分类模型。首先通过分析大量电力设备缺陷记录,归纳了电力设备缺陷文本的特点;然后参考中文文本分类的一般流程,并考虑缺陷文本的特点,建立了一种基于卷积神经网络的电力缺陷文本分类模型;最后通过算例对基于卷积神经网络的缺陷分类模型和多种传统机器学习分类模型进行全面比较。算例结果表明,所提出的缺陷文本分类模型能显著降低分类错误率,在分类效率上也比较可观。     

基于深度语义学习的电力变压器运维文本信息挖掘方法

电力变压器运维过程中形成的工作票及操作票等文本蕴藏着丰富的设备状态信息,然而由于中文文本结构和语义的复杂性,难以进行信息挖掘。针对该现状,提出基于深度语义学习的变压器运维文本信息挖掘方法。首先分析并归纳传统文本挖掘模型的局限性及变压器运维文本的特点,然后利用分布式文本学习工具word2vec,自动学习语义信息,将单词用低维稠密向量表示,并建立循环卷积神经网络,基于其端到端的网络结构提取文本的深层语义特征。基于变压器运维文本的案例分析表明,所提方法比常规文本挖掘方法的语义学习能力更优。通过对非结构化文本数据的信息挖掘,有利于今后结合结构化数据,全面评估变压器运行状态。     

基于新词发现与特征融合的电力设备缺陷文本挖掘

随着电网设备运维的智能化发展,文本作为复杂的非结构化数据如何被有效利用已成为重要的问题.首先利用新词发现和传统分词方法对文本预处理,然后将字词特征映射至多维向量空间,最后基于特征融合构建了注意力机制优化卷积神经网络缺陷文本分类模型.算例分析表明,所提方法比传统深度学习方法提高了分类准确率,有更好的语义学习能力.     

应用门循环神经网络的变电站智能记录分析装置信息配置方法

为了节约人力资源,提高智能变电站二次设备数据输出端口地址信息在智能记录分析装置中的配置效率,提出了基于门循环单元神经网络的智能变电站二次设备端口地址信息的自动配置方法.首先,根据变电站二次设备端口描述文本的特点进行文本预处理;然后,利用word2vec模型对文本进行词向量表示及语义关联分析;最后,设计了基于门循环单元神...     

融合知识库和深度学习的电网监控告警事件智能识别

电网监控告警信息是监控人员进行监控事件识别的重要数据基础。针对当前人为处理海量监控告警信息效率低的现状和电网智能技术深化应用的需求,提出一种融合知识库和深度学习的电网监控告警事件自主识别方法。基于自然语言处理技术中的Word2vec模型对监控告警信息进行向量化建模,基于卷积神经网络建立监控告警事件识别模型,通过算例对比验证所建模型的有效性和实用性。提出融合知识库与所建模型的应用方法,实现电网监控告警事件的智能感知和可靠识别。     

基于依存句法分析的电力设备缺陷文本信息精确辨识方法

电力设备缺陷文本包含大量设备缺陷历史信息,从文本中精确辨识缺陷信息,可提供对于设备的故障率建模和健康状态评价问题的有效指导。引入依存句法分析技术,提出"左贪心"出栈规则和基于神经网络的依存关系状态转移分析模型,实现了电力设备实际缺陷文本和缺陷分类标准文本的依存句法树构建,并结合缺陷文本特点提出了电力设备依存句法树的剪枝、切分和重构方法。同时,提出了基于依存关系的树匹配算法,实现实际缺陷和标准缺陷依存句法树的匹配。以主变压器缺陷文本为例,研究了基于依存句法分析的缺陷信息辨识方法的可行性和有效性。结果表明,所提方法相比于其他树匹配算法和语义相似度计算方法在效率和准确性上有明显提升。     

电网运行风险评估与定级体系的构建及应用

为解决风险指标体系在工程应用中存在的评估细节反映不足和风险信息不够充分的缺陷,文中提出了一种电网运行风险评估与定级体系。首先,在结构上将风险重新定义为等级、类别、概率、严重程度、原因集和后果集的集合,在类别上将风险分为减供负荷、重载或过载、电压偏移、电网解列、厂站全停和重要用户全停。其次,设计了各类风险发生概率等级、严重程度等级及风险综合等级的定级方法。最后,从信息采集、风险辨识、风险评估、风险定级和风险预警五个环节设计了体系流程,并对该体系的应用效果作了说明。     

电网设备缺陷文本的质量评价与提升方法

文本质量直接影响着文本挖掘效果的优劣。在总结电网企业缺陷文本存在的质量问题基础上,提出了缺陷文本质量评价和提升方法。首先,通过对大量实际缺陷文本的分析,总结出电网设备缺陷文本的格式及容易出现的不完整、不具体、冗余度过高等问题。然后,基于相应问题,定义了缺陷文本质量的评价指标,并提出了基于"层次-自适应灰色关联分析法"的评价方法。接下来,针对历史缺陷文本中质量较差和缺陷等级与缺陷描述不匹配的文本,利用潜在狄利克雷分布方法,结合国家电网有限公司的缺陷分类标准,进行修正以提升质量;针对新录入文本,利用文本质量评价方法进行质量问题提示,利用词向量映射方法给出修正建议,保证新录入缺陷文本的质量。最后,结合实例对修正前后的缺陷文本进行质量对比,算例表明,修正后的历史缺陷文本在文本质量得分上有较大提升,新录入文本存在的问题也能较为准确地识别并给出对应修正建议。     

基于多源状态参量融合的油纸绝缘套管缺陷预警方法研究

油纸绝缘套管是大型电力变压器不可或缺的外部连接组件,若其发生故障影响巨大,有必要对油纸绝缘套管的缺陷进行及时预警。结合上百例油纸绝缘套管故障案例及专家经验,构建了基于多源状态参量融合的套管缺陷预警信息决策表,并结合遗传优化算法对决策表进行约简,实现了油纸绝缘套管决策规律的提取,形成套管缺陷预警知识,最终建立了套管缺陷预警模型。经实际应用,模型可实现对油纸绝缘套管的缺陷预警。该研究建立的油纸绝缘套管缺陷预警模型可随着数据量的积累与丰富,实现迭代优化,挖掘隐含的套管缺陷预警知识。研究成果可为高压套管智能化运维提供理论依据。     

基于电网运维数据的智能预警系统设计

为实现对电力设备海量数据进行快速准确地分析,正确提供电力设备健康状态的实时评估结果,结合典型数据分析方法,将影响设备评价结果的海量电气特征量进行融合,设计了电力设备状态智能预警系统。该系统由数据集合层、数据融合层、告警级别配置层和告警信息展示层构成,通过对电力设备不同维度数据之间的关联分析,经由设备预警模型和设备预警逻辑判断后生成预警信息,从而达到自动对故障设备准确定位并判断故障类别的预警目标。