基于视觉字符增强的电力调度故障预案匹配

电力系统中,调度控制中心会制定一系列的预案作为调度人员处理故障的参考和操作指南,然而,预案中包含的大量文本形式的知识目前仍需由人工进行反复记忆和查询,效率低,速度慢。为了解决这个问题,加快故障处理进程,该文提出一种用于自然语言推理的视觉特征增强型长短期记忆模型(enhanced long short-term memory model based on visual character-enhanced word embeddings for natural language inference,VCWE-ESIM)来实现故障现象与故障预案的自动匹配。该文从模型收敛速度、匹配准确性以及运算速度3方面将VCWE-ESIM模型与已有的文本匹配模型进行对比。算例分析表明,提出的VCWE-ESIM模型综合性能最优,能够准确快速地实现故障现象与故障预案的自动匹配,减少故障处置的时间,加快故障恢复的速度,防止由于故障处置不及时带来的严重后果,提高电网调度的智能化水平。