一种通信网关机遥控参数智能模糊比对方法技术

本发明专利技术公开了一种通信网关机遥控参数智能模糊比对方法，实施步骤包括将两个遥控参数分别通过训练好的词向量模型转换为相同维度的包含语义信息的一维向量，将两个一维向量分别输入两卷积神经网络，两卷积神经网络共享参数且对称，两卷积神经网络将两个一维向量构成的二维矩阵重新编码为一维向量后接入同一神经网络层，通过神经网络层计算两个卷积神经网络输出的一维向量之间的语义距离，根据该语义距离是否超过预设阈值来判断是否模糊匹配成功。本发明专利技术能更加智能地识别词语不同而语义相同的参数描述，更准确地区分词语匹配率高却语义不同的参数描述，提高了参数比对的准确率与效率，改善了遥控参数比对性能，提高了变电站遥控操作的安全性。

An intelligent fuzzy comparison method for remote control parameters of communication network

【技术实现步骤摘要】
一种通信网关机遥控参数智能模糊比对方法
本专利技术涉及变电站遥控的核验、比对遥控参数技术，具体涉及一种通信网关机遥控参数智能模糊比对方法。
技术介绍
变电站遥控时，高效正确地核验、比对遥控参数，是避免误遥控、保证电网安全运行的必不可少的关键操作。为此，工程技术人员设计了一些自动化系统进行参数比对，以降低原人工比对方法的工作量，提高比对工作效率。遥控参数自动比对通常有两类基本技术：第一种是字符串最大匹配方法，这类方法要求字符串严格相同，不能适用于灵活多变的文字性描述，实际应用中只作为比对的基本技术；第二种是基于规则库与专家库，例如隔离开关，按照规则，与隔离刀闸、隔刀、刀闸可认为是匹配的；第三种是基于神经网络和深度学习技术进行模糊比对。但是，因为遥控参数，特别是遥控点的描述，缺少强制规范，工程人员输入时表述形式较自由，导致有大量的不同参数描述都是匹配的，一些相近的描述却可能是不匹配的。对于基于规则库和专家库的比对方法来说，一旦参数描述方式不在规则库当中，则该类方法就失效。对于传统神经网络和深度学习技术，则需要海量的人工标注的文本训练样本，才能够获得较好的效果，实际应用中阻碍这类技术应用的本文档来自技高网...

【技术保护点】
一种通信网关机遥控参数智能模糊比对方法，其特征在于实施步骤包括：1)输入待比对的通信网关机的两个遥控参数X1和X2；2)将两个遥控参数X1和X2分别通过预先训练好的词向量模型M1转换为相同维度的一维向量[X1]和[X2]；3)将一维向量[X1]输入卷积神经网络CNN1，同时将一维向量[X2]输入卷积神经网络CNN2，所述卷积神经网络CNN1和卷积神经网络CNN2为共享参数的两个对称的卷积神经网络，所述卷积神经网络CNN1和卷积神经网络CNN2将一维向量[X1]和[X2]构成的二维矩阵重新编码为一维向量后接入同一个神经网络层，并通过神经网络层计算卷积神经网络CNN1和卷积神经网络CNN2输出的一...

【技术特征摘要】
1.一种通信网关机遥控参数智能模糊比对方法，其特征在于实施步骤包括：1)输入待比对的通信网关机的两个遥控参数X1和X2；2)将两个遥控参数X1和X2分别通过预先训练好的词向量模型M1转换为相同维度的一维向量[X1]和[X2]；3)将一维向量[X1]输入卷积神经网络CNN1，同时将一维向量[X2]输入卷积神经网络CNN2，所述卷积神经网络CNN1和卷积神经网络CNN2为共享参数的两个对称的卷积神经网络，所述卷积神经网络CNN1和卷积神经网络CNN2将一维向量[X1]和[X2]构成的二维矩阵重新编码为一维向量后接入同一个神经网络层，并通过神经网络层计算卷积神经网络CNN1和卷积神经网络CNN2输出的一维向量[X’1]和[X’2]之间距离；4)判断卷积神经网络CNN1和卷积神经网络CNN2输出的一维向量[X’1]和[X’2]之间距离是否大于预设阈值，如果大于预设阈值，则判定两个遥控参数X1和X2之间模糊匹配成功，否则判定两个遥控参数X1和X2之间模糊匹配失败。2.根据权利要求1所述的通信网关机遥控参数智能模糊比对方法，其特征在于，步骤3)中计算卷积神经网络CNN1和卷积神经网络CNN2输出的一维向量[X’1]和[X’2]之间距离具体采用L2范数。3.根据权利要求1或2所述的通信网关机遥控参数智能模糊比对方法，其特征在于，步骤3)中的卷积神经网络CNN1和卷积神经网络CNN2的训练步骤如下：3.1)导出通信网关机的参数配置文件中的网关机参数描述，并将网关机参数描述通过进行分词后保存为词向量训练数据T1；3.2)将词向量训练数据T1使用词向量工具进行无监督的模型训练，根据网关机参数描述的基本结构将语义和语法作用相近的词转换成距离较近、固定长度的向量，得到由固定长度向量组成的词向量模型M1；3.3)将词向量模型M1转换为遥控参数样本矩阵Am×n，其中m为词向量的长度，n为词的数量；3.4)基于遥控参数样本矩阵Am×n随机构造训练样本对，随机打乱遥控参数样本矩阵Am×n的顺序，将遥控参数样本矩阵两两配对为训练样本对，如果训练样本对的两个遥控参数之间语义相同，则将该训练样本对标注为1，否则将该训练样本对标注为0，将所有带有标注的训练样本对构建得到有标注的数据集T2作为训练样本集合；3.5)将训练样本集合划分为若干批次的子集D，每批次的子集D由支持集Dsupport和测试集数据Dtest构成，且构造每批次的子集D时应遵从：对于N类不同的遥控参数描述，每类样本对均应随机选择K个...

【专利技术属性】
技术研发人员：彭熹，业娅，李龙，崔卓，袁超雄，魏续彪，吴潘，刘烁，陈尚敏，侯备，
申请(专利权)人：国网湖南省电力公司，国网湖南省电力公司检修公司，国家电网公司，
类型：发明
国别省市：湖南,43