基于卷积和长短期记忆网络的电网监控告警事件识别方法技术

本发明专利技术公开了一种基于卷积和长短期记忆网络的电网监控告警事件识别方法，该方法通过电网监控系统中历史监控告警信息及时标生成信息向量，并且从收集的历史监控告警信息中提取事件样本，构建告警事件样本库；其次，建立基于长短期记忆网络和卷积神经网络组合的深度学习识别模型，利用告警事件样本对模型进行训练；最后使用训练好的深度学习模型对监控告警信息进行识别，取概率最大的事件类别作为识别结果输出。本发明专利技术结合长短期记忆网络在处理时序问题和卷积神经网络在挖掘短文本局部特征中的优异性能，建立组合模型，可以实现电网告警事件的快速识别，有效减轻监控业务人员的监屏压力，提升日常监视和事故异常处置工作效率。

Recognition method of power grid monitoring alarm events based on convolution and short term memory network

【技术实现步骤摘要】
基于卷积和长短期记忆网络的电网监控告警事件识别方法
本专利技术属于电力系统智能告警控制技术，具体涉及一种基于卷积和长短期记忆网络的电网监控告警事件识别方法。
技术介绍
随着电网规模不断扩大，对调控人员快速响应电网设备故障、及时恢复电网运行方式提出了更高的要求，因此提升电网设备运行监控的智能化水平，实现对电网告警事件的自主识别，对提升日常监控和事故异常处置的工作效率具有重要意义。电网监控告警信息作为一种中文文本数据，是调控人员监视电网运行状态的重要数据基础。随着电网设备规模扩大及智能监测水平提升，电力数据出现爆发性增长，监控告警信息的数量呈现几何级增长趋势，集到的信息全部按时间顺序显示，未作任何的推理判断处理。电网调控人员需要对每一条信息逐一进行判别、分析并做出反馈，容易遗漏重要告警信息，无法在短时间内做出准确识别，出现设备故障或异常漏判误判的情况。这种方法已无法适应当前形势下电网监控业务的更高要求。本专利技术应用深度学习算法中的长短期记忆网络和卷积神经网络，对电网监控告警事件进行识别。传统的机器学习模型如Logistic回归、支本文档来自技高网...

【技术保护点】
1.一种基于卷积和长短期记忆网络的电网监控告警事件识别方法，其特征在于，包括以下步骤：/n(1)采集电网监控系统中历史监控告警信息及每条告警信息的时标，告警信息中包含的所有变电站和线路名称，构成电网监控告警事件识别模型所需的训练数据集；/n(2)对历史监控告警信息进行数据预处理，通过word2vec模型对监控告警信息进行无监督训练，生成包含信号特征的信息向量；/n(3)从采集的历史监控告警信息中按照滑动时间窗口提取监控告警信息集合，确定告警信息集合的事件类型和告警事件的标志词，得到各类标签化监控告警事件的样本，构建告警事件样本库；/n(4)建立基于长短期记忆网络和卷积神经网络组合的深度学习识别...

【技术特征摘要】
1.一种基于卷积和长短期记忆网络的电网监控告警事件识别方法，其特征在于，包括以下步骤：
(1)采集电网监控系统中历史监控告警信息及每条告警信息的时标，告警信息中包含的所有变电站和线路名称，构成电网监控告警事件识别模型所需的训练数据集；
(2)对历史监控告警信息进行数据预处理，通过word2vec模型对监控告警信息进行无监督训练，生成包含信号特征的信息向量；
(3)从采集的历史监控告警信息中按照滑动时间窗口提取监控告警信息集合，确定告警信息集合的事件类型和告警事件的标志词，得到各类标签化监控告警事件的样本，构建告警事件样本库；
(4)建立基于长短期记忆网络和卷积神经网络组合的深度学习识别模型，设置各类超参数，建立目标函数并选取优化算法，利用监控告警事件样本库中的样本对模型进行迭代训练，并且通过计算损失函数的梯度逐步迭代更新识别模型的参数；
(5)使用训练好的深度学习模型对监控告警信息进行识别，取概率最大的事件类别作为告警事件识别结果输出。


2.根据权利要求1所述的基于卷积和长短期记忆网络的电网监控告警事件识别方法，其特征在于：步骤(2)对历史监控告警信息的数据预处理和生向量生成的具体过程如下：
(21)分词和去停用词
(211)更新电力词库，将从历史监控告警信息中导出的变电站名称和线路名称导入电力词库作为分词使用的电力词典；
(212)根据Jieba分词工具的精确模式进行初始分词，生成按时间排序的由一系列中文词语组成的监控告警信息；
(213)建立停用词表，剔除监控告警信息中的已经停用的电力词汇实现数据清洗；
(22)监控告警信息向量化
(221)利用word2vec模型对监控告警信息进行无监督训练，计算生成告警信息中每个词语的分布式词向量表示；
(222)计算告警事件发生时监控告警信息中所有词的向量求平均值，得到与词向量维数相同的监控告警信息的向量表示，计算公式为：



式中：d表示一条监控告警信息；word_num表示d中词语的个数；t表示监控告警信息中的词；word2vec(t)表示t的向量；Word2vec_sum(d)表示一条监控告警信息的分布式向量表示。


3.根据权利要求1所述的基于卷积和长短期记忆网络的电网监控告警事件识别方法，其特征在于：步骤(4)中建立基于长短期记忆网络和卷积神经网络组合的深度学习识别模型的具体过程如下：
(41)LSTM层的输入为告警事件样本，将其表示为X＝{x1,x2,…,xn}，其中xi是监控告警信息的分布式向量表示，i＝1,2,…n；n是告警事件样本包含的监控告警信息的数量；
输入门中当前时刻网络输入中保存到记忆单元中的信息量计算公式如下：
it＝σ(wxixt+whiht-1+bi)
式中：it是输入门的输出；xt和ht-1分别是当前输入和前一个隐含层输出；wxi和whi分别是输入xt和ht-1的权重；bi是输入门的偏置；σ表示sigmoid激活函数；
输入门输出一个临时记忆单元c′t的计算公式如下：
c′t＝tanh(wxcxt+whcht-1+bc)
式中：w...

【专利技术属性】
技术研发人员：臧海祥，白子瑜，程礼临，孙国强，卫志农，
申请(专利权)人：河海大学，
类型：发明
国别省市：江苏;32