基于隐马尔科夫和主成分分析的电网数据词典构建

电网企业拥有海量采用中文记录的非结构化文本信息,其中包含有大量重要的可靠性统计信息。但依靠人工对其进行挖掘不仅效率低而且准确性因人而异。如何高效、准确、智能地挖掘电网企业设备缺陷文本中重要的可靠性统计信息是目前亟待解决的问题。文章基于改式隐式马尔科夫算法对通过全过程技术监督工作采集的非结构化文本数据进行分句分词,制定研究非结构化数据的结构化表达规则。利用主成分分析、词向量以及深度神经网络等的自然语言处理算法对现有的问题描述文本中的同名词、同义词以及近义词等的语义相似度进行计算,并采用K阶近邻算法对降维后的词向量进行分类聚类。上述工作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,形成一份国网系统运检专业领域的数据词典库,为电网领域的非结构化数据挖掘提供了新技术,为今后技术监督工作的展开具有重要意义和贡献。     

面向混凝土坝施工管理的知识图谱智能构建

混凝土坝施工管理知识多以文本的形式记录存储,具有数据量大、碎片化严重、层次性差等特点。本文从非结构化文本数据中智能挖掘施工知识,理清知识间的逻辑关系,提升知识的应用效率是混凝土坝施工管理面临的重要问题。本文提出一种混凝土坝施工管理知识图谱智能生成方法,将海量文本数据转化为可直接利用的知识。融合字词向量、BiLSTM-CRF(Bi-directional Long Short-Term Memory-Conditional Random Field)网络、Attention机制,建立混凝土坝施工管理实体智能识别模型,强化施工实体特征,获取混凝土坝施工管理文本中的实体词语。结合已识别的施工实体,定义实体间关系类型,利用互信息提取实体关系,组合形成施工知识链,构建混凝土坝施工管理知识图谱。该方法应用于实际混凝土坝施工管理文本分析中,经过计算得到混凝土坝施工管理实体智能识别模型的F1值为92.48%,优于其他实体识别模型;利用已识别实体间的关联关系,建立了混凝土坝施工管理知识图谱,形成基于知识图谱的施工知识检索机制,实现施工知识的快速提取,提高了施工知识的应用效率。     

基于BIM-P3E/C的水电工程进度成本协同研究

为了提高水电工程进度与成本协同管理的易操作性和直观性,采用BIM和P3E/C软件建立了进度成本协同的实施解决方案。将水电工程P3E/C进度成本计划数据与BIM模型的构件进行关联同步,在分析了基于IFC标准的进度成本信息模型表达的基础上,结合P3E/C Web Service接口建立了异步调用的实施流程,并通过C#二次开发Revit的方式实现了进度成本信息模型的初始化,为基于网络的信息协同提供了基准模型。在此基础上,提出了进度成本协同管理实施的一般流程,并实现了基于BIM的5D进度成本跟踪分析功能,为不同层次的工作人员提供了一个可视化的信息共享与协同办公平台。结果表明,该方法能够提供可视化的手段跟踪施工进度与成本状况,能为项目领导层、管理层提供更直观的决策信息,同时也降低实施层对专业管理软件的作业门槛。     

水电工程施工安全隐患文本智能分类与知识挖掘北大核心CSCD

基于隐患排查信息的知识挖掘对于工程安全管理具有重要的支持作用。自然语言处理(natural language processing,NLP)技术是目前实现文本知识挖掘的重要方法,知识挖掘的深度和精度是该类方法的重要衡量指标。为了提升水电工程安全隐患文本知识挖掘效率,本文提出了一种结合文本分类与文本挖掘技术的隐患文本知识挖掘方法。该方法利用RoBERTa-wwm-CNN混合深度学习模型进行隐患文本快速智能分类,在此基础上,通过绘制隐患词云图实现不同种类隐患管理要点的可视化分析,以词共现网络构建为基础,分析隐患数据间的内在联系。将该方法应用于白鹤滩水电站安全隐患文本挖掘分析,与现有较先进的文本分类模型相比,本文所提模型精度有所提升,验证了所提模型的优越性。     

混凝土坝施工文档实体知识智能挖掘方法

混凝土坝施工信息多以文档文本的形式呈现,其体量大、分布广、内在关系复杂,人工操作难以准确、高效地提取信息知识内容,理清错综复杂的施工信息关系.在自然语言处理技术中,命名实体是文本信息知识的载体,实现精确快速的实体识别是施工知识挖掘的重要前提.本文提出一种融合深度学习与关联规则技术的混凝土坝施工文档知识智能识别及挖掘分析...     

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。     

基于改进PSENet与CRNN网络的智能电能表文本识别技术研究

电网系统的不断发展与智能化带来了庞大的计量需求,其中智能电能表作为主要计量设备得以广泛铺设,然而不同品牌、型号和批次的智能电能表携带的电能表信息也相差甚远,非智能的人工信息采集方式已经严重阻碍了电能表设备升级发展与采集安全,制约了电力资产管理的质量和水平。文中将文本识别技术应用于智能电能表的信息采集过程,设计一种两阶段的系统对电能表图片中的文本信息进行检测并识别,实现了电能表信息智能化采集,提高了智能电能表信息提取的效率和安全性。文中的两阶段系统包括文本检测模块和文本识别模块,文本检测模块通过改进的PSENet网络对电能表图片中的文本位置进行检测,文本识别模块通过CRNN网络对检测到的文本框进行识别。算法本身不受输入图像的质量和场景束缚,并且对面临的字体大小不一、曝光过高或过低等问题具有较强的抗干扰能力,对电能表图片中的汉字、英文和数字都具有很高的识别精度。     

面向EPC总承包商的水电工程建设项目信息集成管理

本文在研究EPC模式信息管理特点的基础上,建立水电工程EPC项目信息集成概念模型,提出项目目标集成、基于RWBS的投资与进度集成控制、项目组织集成、工程管理软件集成以及异构应用系统集成的解决方案,并使用J2EE技术搭建集成化信息管理平台,以促进EPC总承包商对项目的集成管理.     

电力工程管理数据挖掘模型设计与实践

分析了电力工程管理信息的特点,介绍了电力工程信息管理平台数据模型设计的整体思路,并针对工期延误原因的关联分析、多任务进度汇总的权重模型训练等重点难点问题进行了详细阐述。结论是,电力工程管理数据挖掘必须有一定的数据体系支持,对非结构化数据信息的整理是关键。     

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Labeled-LDA模型的文本特征提取方法

针对LDA主题模型文本特征提取时主题识别不明确的问题,提出一种基于Labeled-LDA模型的文本特征提取方法。使用LDA主题模型对文本隐含主题中的主题词进行提取,根据TF-IDF算法实现对文本类别的关键词进行提取。通过文本simhash算法对提取出的主题词与关键词进行相似度计算,找到文本隐含主题的类别并提取特征词。实验表明结合后的特征提取方法比TF-IDF、传统LDA主题模型的文本特征提取方法,获得更高的分类精度,其中准确度提高了3.40%,召回率提高了4.40%,F值提高了3.92%。     

乌东德及白鹤滩特高拱坝智能建造关键技术

金沙江乌东德、白鹤滩水电站是目前世界上在建的规模最大、技术难度最高、建设环境条件最复杂的大型水电工程,需要建设300 m级特高混凝土双曲拱坝,面临众多关键技术难题和安全优质建设的管理挑战。本文遵循“全面感知、真实分析、实时控制”的闭环智能控制理论,将现代信息技术与水电工程建设深度融合,构建了聚焦核心工艺过程与主要业务流程的大坝智能建造技术路线。围绕安全优质高效建设乌东德和白鹤滩两座特高拱坝的工程需求,对混凝土施工质量全环节实时监控、混凝土温控全过程实时控制、工程全生命期安全与工作性态评价、全坝低热水泥混凝土性能复核、智能建造管理平台iDam深化研发等关键技术进行了探索研究和实践应用,并研发相应的智能化控制设备和管理系统。工程实践表明,智能建造中形成的关键技术及管理平台极大提高了工程建设的技术水平和管理效率,将提升中国水电的核心竞争力,为“一带一路”水电工程开发和基础设施工程建设提供更好的技术支撑。     

基于知识模型的输变电工程进度编排与控制

针对输变电工程建设的特点及原有进度管理模式的弊端,提出了一种基于知识模型的施工进度安排方法,即在加强输变电工程典型设计的基础上,以输变电工程的工作分解结构为基础,通过计算各施工工序工期,建立施工工序间的逻辑关系,实现进度的自动生成.该方法可以使项目管理人员及时对输变电工程建设进度进行深入的跟踪和管理控制.     

特约文章：大型水电工程建设全过程数字化动态管控

大型水电工程建设过程中面临生产要素流动的复杂性,实物计量的准确性和实效性,以及参建各方管理体系、业务流程、工艺过程的差异性导致的前瞻性与实时性等管理问题。本文依托金沙江下游水电建设,以定位技术、移动应用和物联网等新一代信息化技术为手段,深入开展工程建设与信息化技术的融合研究,集成研发复杂环境下不同定位精度和响应速度的混合叠加定位技术,制定了水电建设各专业标准化工艺流程、管理表格及编码体系,开发移动在线应用系统,研发关键工艺智能技术和设备,构建贯通工程计价全过程的信息系统。项目成果确保了工程建设管理数据全面、真实、准确和实时的获取,实现了人员设备等流动性要素、质量安全等核心业务流程、混凝土浇筑温控及水泥灌浆等关键工艺过程、单元工程计量等真实实物成本在内的工程建设全过程数字化动态管控,促进了业务链、工序链等管理链的整体优化,为智能建造打下了基础,是工程建设智能技术的重要组成部分。     

基于自然语言处理的弱监督知识获取系统的实现

知识获取多年来一直被认为是阻碍智能系统开发的瓶颈问题,尤其是互联网时代,大量的信息都以非结构化的文本形式存在。本文运用分布式计算思想设计了一个基于互联网大规模语料库的知识自动获取系统。采用弱监督条件下机器学习的方法对信息自动挖掘和获取,实现机器对知识的自动学习和挖掘、新词词典发现、实体关系模板提取、命名实体识别等功能。利用该系统分别对未登录新词发现和地名识别两种应用进行了实验,运用N gram和互信息(PMI)方法分别取得了72.1%和87.28%的准确率。     

基于关键链的输电线路施工进度预测模型设计

以加强输电线路整体建设和管理为目的,对输电线路施工的整体进度进行研究,提出并设计了基于关键链的输电线路施工进度预测模型。分析影响输电线路施工进度的因素分析,综合考量资源约束与时间约束生成的关键链替换关键路径当作施工瓶颈,引入模糊方法对关键链下输电线路施工进度进行预测。利用模糊数描述主观预测具备的模糊性,采用梯形模糊数表征施工工程整体时间,得到工程最可能的进度时刻。在安排好工程各项工作整体顺序的前提下,利用正推法、逆推法设置各个工序时间参数,同时对其总时差进行计算,选择总时间最长的线路当作计划中的关键路径。以缩短工期为目的,结合施工进度预测和关键路径确定,分别通过项目进度计划、缓冲区确定、工程进度控制等关键模块对输电线路施工进度和日常安排进行管理。实验结果表明,该模型与实际工况拟合度高,预测时间较短,整体可靠性优于当前相关成果。     

基于语义关联特征的大型信息管理系统数据挖掘技术

为了提高大型信息管理系统的数据检索和挖掘能力,提出了一种基于语义关联特征提取的大型信息管理系统数据挖掘技术。构建云存储模型进行大型信息管理系统中大数据分布式存储设计,结合大数据信息流的特征重组方法进行信息管理系统的优化结构重组,在重组的信息管理系统拓扑结构中提取信息管理分布数据的语义关联维特征量,以语义关联特征量为训练样本集进行信息管理系统的集成调度和数据挖掘,采用模糊C均值算法进行大型信息管理系统中分布数据语义关联特征的自适应融合和聚类处理,采用特征压缩器进行大型信息管理系统的存储空间降维处理,提高目标数据挖掘能力和信息管理系统的自适应调度能力。仿真结果表明,采用该方法进行大型信息管理系统数据挖掘的准确性较好,语义关联聚类性较强,提高了对信息管理系统目标数据的检索和调度能力。