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
2021-07-02陆世豪祝云周振茂
广东电力 2021年6期
陆世豪,祝云,周振茂
(1.广西电力系统最优化与节能技术重点实验室 (广西大学),广西 南宁 530004;2.广西电网有限责任公司来宾供电局,广西 来宾 546100)
电力设备巡检是保障电力系统安全运行的重要举措。巡检发现的设备缺陷将被记录到缺陷管理系统,包括缺陷发现时间、缺陷描述、缺陷等级等。判断设备缺陷等级是消缺的前提,根据电网公司设备缺陷分类标准[1],将设备缺陷按严重程度分为紧急缺陷、重大缺陷和一般缺陷,不同等级的缺陷消除时限也不同,目前缺陷分类工作主要由人工完成。随着电力系统的规模越来越庞大,设备的数量成倍增长,极大地增加了巡检工作量。同时随着设备运行时间推移和操作频次增加,加大了设备缺陷的出现几率。如果巡检人员的知识和经验不足,很容易对设备缺陷等级产生误判,影响消缺的时间和效果。因此,快速、准确地将设备缺陷进行分类对电网安全运行具有重要意义。
电网缺陷管理系统中存在大量已经消缺的历史缺陷记录,其中的缺陷描述包含缺陷的具体信息,若使用历史缺陷描述将新缺陷自动分类,不仅能提高电力系统信息资源利用率,还可降低人工分类的工作量。
电力设备缺陷描述文本涉及电力专业领域,与许多日常的中文文本存在不同。首先,每个人的用语习惯不同,描述上存在差异,对同一装置或者缺陷会出现不同表达;其次,存在相同词在不同缺陷描述中表达严重程度不同的情况,例如表1中的加粗词语在不同缺陷情况描述中所表达的程度不同;……
登录APP查看全文
