一种基于KNN算法的断路器缺陷等级划分方法技术

本发明专利技术涉及一种基于KNN算法的断路器缺陷等级划分方法。现有的等级划分方法为通过运维人员经验判断，费时费力且正确率受人为影响较大。本发明专利技术首先建立“断路器缺陷文本词库”，然后针对断路器缺陷文本属于短文本的特点，提出了文本预处理方法，将其转化为可直接计算的向量。接着采用KNN算法，寻找与待分类缺陷文本最相近的几条文本，并加权计算出待分类缺陷文本所属的缺陷等级。本发明专利技术对断路器缺陷文本的分类计算效率高，方便应用。

【技术实现步骤摘要】

本专利技术属于电力系统
，具体是设及一种基于脚W算法的断路器缺陷等级 划分方法。
技术介绍
断路器的历史缺陷文本是断路器历史缺陷情况的载体，可被用于断路器的状态评 价中W完善断路器的状态评价模型，是断路器可靠性的一大表征。断路器的历史缺陷文本 中包含设备型式、电压等级、厂家、出厂时间、名称、所在变电所等基本设备信息，还包含缺 陷发现时间、缺陷描述文本、缺陷等级等缺陷内容。其中缺陷等级是断路器历史缺陷文本评 判的核屯、。缺陷等级通常采用运维人员现场运行经验判断，不仅费时费力，而且存在相同缺 陷被不同运维人员判断为不同等级的情况。因此需要对其进行科学分类。由于缺陷文本通 常采用中文自然语言记录，采用机器分析具有难度，目前鲜见缺陷文本被处理的相关研究。
技术实现思路
本专利技术的目的在于针对现有技术的不足，提供一种基于脚W算法的断路器缺陷等 级划分方法。 本专利技术方法包括W下步骤： 步骤1 ;建立"断路器缺陷文本词库"，该是根据电力专业知识由专利技术人人工建立。 步骤2 ;分词，依据步骤1建立的词库，将缺陷文本中的中文字符串合理地切分成 词语序列，该是中文文本信息处理必备且最为基础的环节。 步骤3 ;词频统计，是对文本中所有词进行出现频次的统计并据此排序。完整的词 频统计结果包括了文本中出现的所有词，可用该些词构成文本向量的向量空间。每个词对 应向量空间中一维。[000引步骤4;去除停用词，去除无法表征文本的词，执行中考虑先建立停用词表，再将 词频统计结果和停用词表中的词进行对照，删去词频统计结果中的停用词。 步骤5 ;文本向量化，是把经过上述处理的文本转化为数字向量的表示结果。每一 条文本对应一个特征向量，特征向量的每一维对应词频统计结果中的每一个词。具体方法 为根据文本向量的向量空间，再根据分词结果，将每条文本中的词与向量空间每一维对应 的词作对照，如果相同，则在该文本对应的特征向量中，将该词对应的维记为1，否则为0。 步骤6 ;量化缺陷文本的缺陷程度，紧急为3,重要为2, 一般为1。本步骤由专家组 根据专业知识完成。 步骤7 ;针对每一个缺陷文本，重复步骤2~6,建立缺陷文本库。 步骤8 ;计算待归类文本与缺陷文本库中每个文本的文本相近程度。对待归类缺 陷文本执行步骤2~5,完成文本向量化，然后采用式（1)计算待测文本与缺陷文本库中每 一个文本的相似度： (1)[001 引【主权项】1. 一种基于KNN算法的断路器缺陷检测方法，其特征在于该方法包括以下步骤： 步骤1 :建立断路器缺陷文本词库； 步骤2 :分词； 依据步骤1建立的词库，将缺陷文本中的中文字符串切分成词语序列； 步骤3 :词频统计； 对文本中所有词进行出现频次的统计并据此排序；完整的词频统计结果包括了文本中 出现的所有词，可用这些词构成文本向量的向量空间；每个词对应向量空间中一维； 步骤4 :去除停用词，即去除无法表征文本的词， 建立停用词表，再将词频统计结果和停用词表中的词进行对照，删去词频统计结果中 的停用词； 步骤5 :文本向量化，即把经过上述处理的文本转化为数字向量的表示结果；每一条文 本对应一个特征向量，特征向量的每一维对应词频统计结果中的每一个词； 具体是根据文本向量的向量空间，再根据分词结果，将每条文本中的词与向量空间每 一维对应的词作对照，如果相同，则在该文本对应的特征向量中，将该词对应的维记为1，否 则为〇 ; 步骤6 :量化缺陷文本的缺陷程度，紧急为3,重要为2, 一般为1 ; 步骤7 :针对每一个缺陷文本，重复步骤2~6,建立缺陷文本库； 步骤8 :计算待归类文本与缺陷文本库中每个文本的文本相近程度；对待归类缺陷文 本执行步骤2~5,完成文本向量化，然后采用式（1)计算待测文本与缺陷文本库中每一个 文本的相似度Sij:式中，Su为待归类文本i与文本库中文本j之间的相似度，M为向量的维数，W η为文 本i的特征向量的第1维的值，W#为文本j的特征向量的第1维的值； 步骤9 :按照文本相似度，在文本库中选出与待归类文本最相似的k条文本； 步骤10 :利用式（2)计算待归类缺陷文本i描述的缺陷严重程度yi:其中，Y1为第1条缺陷文本描述的缺陷严重程度。2. 根据权利要求1所述的一种基于KNN算法的断路器缺陷检测方法，其特征在于：根 据步骤10计算结果将该缺陷的严重程度归类，计算结果为 yi e (1，1. 5]，则归为一般类，计 算结果为Yie (1.5, 2. 5)，则归为严重类，计算结果为yie [2. 5, 3)，则归为紧急类。【专利摘要】本专利技术涉及一种基于KNN算法的断路器缺陷等级划分方法。现有的等级划分方法为通过运维人员经验判断，费时费力且正确率受人为影响较大。本专利技术首先建立“断路器缺陷文本词库”，然后针对断路器缺陷文本属于短文本的特点，提出了文本预处理方法，将其转化为可直接计算的向量。接着采用KNN算法，寻找与待分类缺陷文本最相近的几条文本，并加权计算出待分类缺陷文本所属的缺陷等级。本专利技术对断路器缺陷文本的分类计算效率高，方便应用。【IPC分类】G06F17-30【公开号】CN104866574【申请号】CN201510267932【专利技术人】王慧芳, 马润泽, 邱剑, 余佳文 【申请人】浙江大学【公开日】2015年8月26日【申请日】2015年5月23日本文档来自技高网...

【技术保护点】
一种基于KNN算法的断路器缺陷检测方法，其特征在于该方法包括以下步骤：步骤1：建立断路器缺陷文本词库；步骤2：分词；依据步骤1建立的词库，将缺陷文本中的中文字符串切分成词语序列；步骤3：词频统计；对文本中所有词进行出现频次的统计并据此排序；完整的词频统计结果包括了文本中出现的所有词，可用这些词构成文本向量的向量空间；每个词对应向量空间中一维；步骤4：去除停用词，即去除无法表征文本的词，建立停用词表，再将词频统计结果和停用词表中的词进行对照，删去词频统计结果中的停用词；步骤5：文本向量化，即把经过上述处理的文本转化为数字向量的表示结果；每一条文本对应一个特征向量，特征向量的每一维对应词频统计结果中的每一个词；具体是根据文本向量的向量空间，再根据分词结果，将每条文本中的词与向量空间每一维对应的词作对照，如果相同，则在该文本对应的特征向量中，将该词对应的维记为1，否则为0；步骤6：量化缺陷文本的缺陷程度，紧急为3，重要为2，一般为1；步骤7：针对每一个缺陷文本，重复步骤2～6，建立缺陷文本库；步骤8：计算待归类文本与缺陷文本库中每个文本的文本相近程度；对待归类缺陷文本执行步骤2～5，完成文本向量化，然后采用式(1)计算待测文本与缺陷文本库中每一个文本的相似度Sij：Sij=Σl=1MWil×WjlΣl=1MWil2Σl=1MWjl2---(1)]]>式中，Sij为待归类文本i与文本库中文本j之间的相似度，M为向量的维数，Wil为文本i的特征向量的第l维的值，Wjl为文本j的特征向量的第l维的值；步骤9：按照文本相似度，在文本库中选出与待归类文本最相似的k条文本；步骤10：利用式(2)计算待归类缺陷文本i描述的缺陷严重程度yi：yi=Σl=1kSilylΣl=1kSil---(2)]]>其中，yl为第l条缺陷文本描述的缺陷严重程度。...

【技术特征摘要】

【专利技术属性】
技术研发人员：王慧芳，马润泽，邱剑，余佳文，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江;33