| 基于注意力机制优化组合神经网络的电力缺陷等级确定方法 |
| |
| 引用本文： | 程宏伟,高莲,于虹,李鹏. 基于注意力机制优化组合神经网络的电力缺陷等级确定方法[J]. 电测与仪表, 2024, 61(1): 83-90,98 |
| |
| 作者姓名： | 程宏伟 高莲 于虹 李鹏 |
| |
| 作者单位： | 云南大学 信息学院,云南大学 信息学院,云南电网有限责任公司 电力科学研究院,云南大学 信息学院 |
| |
| 基金项目： | 国家自然科学基金资助项目(61763049)；云南省应用基础研究计划重点项(2018FA032) |
| |
| 摘 要： | 为解决电力缺陷描述专业词汇较多分词准确率不佳以及单一神经网络模型自身存在不足的问题,提出了基于注意力机制优化组合神经网络的电力缺陷等级确定方法。该方法首先使用分布式字向量对电力缺陷描述进行表示,然后使用由卷积神经网络和双向长短时记忆网络组成的卷积循环神经网络对电力缺陷描述的局部特征和序列特征进行特征提取,最后采用注意力机制对组合神经网络得到的语义特征进行权重分配,减少关键特征的丢失,进一步增强关键信息对分类结果的影响。以云南电网公司2014-2019年间11万条缺陷描述数据作为实验对象,文中所提方法的Acc、MF1值和WF1值分别为0.927 5、0.911 2和0.927 5,验证了本方法在电力缺陷等级确定中的有效性和可行性,为电网的智能化运行提供帮助。
|
| 关 键 词： | 卷积循环神经网络 字粒度 注意力机制 电力缺陷描述 状态评价 |
| 收稿时间： | 2020-08-19 |
| 修稿时间： | 2020-08-19 |
A determination method of defect grades in electrical equipment based on combination neural network optimized by attention mechanism |
| |
| CHENG Hongwei,GAO Lian,YU Hong,LI Peng. A determination method of defect grades in electrical equipment based on combination neural network optimized by attention mechanism[J]. Electrical Measurement & Instrumentation, 2024, 61(1): 83-90,98 |
| |
| Authors: | CHENG Hongwei GAO Lian YU Hong LI Peng |
| |
| Affiliation: | School of Information,Yunnan University,School of Information,Yunnan University,Electric Power Research Institute of Yunnan Power Grid Co., Ltd,School of Information,Yunnan University |
| |
| Abstract: | |
| |
| Keywords: | |
|
| 点击此处可从《电测与仪表》浏览原始摘要信息 |
|
点击此处可从《电测与仪表》下载免费的PDF全文 |
|
