基于BiLSTM-Attention的电网告警信息缺陷风险预警

为实现对SCADA(数据采集与监视)系统海量告警信息的缺陷辨识和风险分析,提出了一种基于自然语义分析的电网告警信息文本缺陷风险预警方法。将基于BiLSTM-Attention神经网络的语义分析技术与模糊化缺陷风险评估方法相结合,首先对告警信息文本进行数据预处理;利用Word2vec模型进行词嵌入向量表征后作为BiLSTM层输入;然后通过注意力机制增强对告警信息中与缺陷程度相关的特征并完成缺陷等级分类;最后利用缺陷评估方案进行N-1风险定级和预警。经测试和应用分析表明:基于该方法的判断模型能够精准完成告警信息的缺陷分类定级,实现告警信息的缺陷风险预警,可为调控人员缺陷处置提供辅助决策。     

基于语义分析的电网调度操作票智能校核方法

为实现电网调度操作票的自动智能校核,提出了一种基于双向GRU（门控循环单元）神经网络和多种校验规则的调度操作票审核分析方法。将基于双向GRU神经网络的语义分析技术与智能审核方法相结合,对调度指令和检修申请单文本进行数据预处理,将安全措施状态与操作票设备最终状态对比。在智能规则校核环节依次进行格式校核、逻辑校核、安全校核,最后将票面错误异常进行输出。利用浙江电力停电智能管控系统中的历史调度操作票对所提方法进行测试,结果表明该方法提高了审核的安全性和工作效率,实现了电网调度操作票的智能效核。