基于深度学习的电网故障预案信息提取方法和系统技术方案

本发明专利技术公开了基于深度学习的电网故障预案信息提取方法和系统，将故障预案的中文文本数字化向量表示；将复杂的预案语句分割为针对不同电网故障处置应用类型的子句获得子句向量；对分割好的子句向量进行分类，划分成电网故障处置中不同场景对应的类别；对属于不同应用场景的子句做针对性的关键信息抽取。相比于常规的信息识别、抽取方法，本发明专利技术提出在对文本做命名实体识别之前增加分句和子句场景分类步骤，采用本发明专利技术能够准确地提取预案关键信息，在较大程度上降低目前人工查阅预案文本信息、频繁查找计算结果的操作工作，为智能辅助调度人员、提高电网故障处置效率提供了快速、准确、可靠的决策信息基础。

【技术实现步骤摘要】
基于深度学习的电网故障预案信息提取方法和系统
本专利技术涉及电网
、自然语言处理领域，具体涉及一种基于深度学习的电网故障预案信息提取方法和系统。
技术介绍
随着我国能源结构的转型、分布式电源的快速发展和特高压交直流大容量输电线路的投运，电网的结构形态和系统特性日趋复杂，使得电网调控业务的难度和复杂度大幅增加。尤其是在电网故障情况下，为保证快速、安全恢复线路供电，维持电网负荷的安全稳定运行，对电网故障处置系统提出了更高的要求。而电网故障处置预案作为调度员进行故障处置操作的重要参考依据，目前仍需手动查阅，由人工对照调度自动化系统中的实时数据进行故障的处置，智能化水平较低。当发生特高压直流大功率失去、极端自然灾害造成的设备相继故障跳闸时，告警繁多、信息分散、操作不便等问题十分突出，增加了调度故障处置难度及压力。因此，在实际电网故障处置时，快速准确地提取故障预案的关键信息，从而进一步实现故障处置智能化应用的需求极为迫切。而故障预案关键信息的自动提取能够大幅减少调度员的人工查阅工作，为后续的设备关联、操作策略提示导航等应用提供强大的数据支撑本文档来自技高网...

【技术保护点】
1.一种基于深度学习的电网故障预案信息提取方法，其特征在于，包括：将电网故障预案文字转化为向量；对获得的向量进行分割获得子句向量集；/n将子句向量集中的各子句向量按照应用场景进行分类；/n根据分类结果对子句向量进行设定信息类别识别。/n

【技术特征摘要】
1.一种基于深度学习的电网故障预案信息提取方法，其特征在于，包括：将电网故障预案文字转化为向量；对获得的向量进行分割获得子句向量集；
将子句向量集中的各子句向量按照应用场景进行分类；
根据分类结果对子句向量进行设定信息类别识别。


2.根据权利要求1所述的一种基于深度学习的电网故障预案信息提取方法，其特征在于，所述应用场景包括事故结果类别和事故处理措施类别，所述事故结果类别包括：安控切机或机组跳闸类、潮流转移及变化类、电压变化类、频率变化类、薄弱运行方式类、损失负荷类、负荷转带类和/或提示性告警类；所述事故处理措施类别包括开机或停机组类、机组出力控制类、电压控制或容抗器投退类、潮流监视控制类、防护措施类、重合闸投或退类、线路启或停类、事故拉限电类、相关注意事项类和/或非重要内容类。


3.根据权利要求1所述的一种基于深度学习的电网故障预案信息提取方法，其特征在于，所述设定信息类别包括：调度级别类、所令调度级别类、厂站类、地区类、设备数量类、设备容量类、设备名称类、电压等级类、指标名称类、指标值和/或指标变化量类。


4.根据权利要求1所述的一种基于深度学习的电网故障预案信息提取方法，其特征在于，所述将电网故障预案文字转化为向量形式，包括：
利用Bert模型将电网故障预案文字转化为向量形式。


5.根据权利要求1所述的一种基于深度学习的电网故障预案信息提取...

【专利技术属性】
技术研发人员：陆廷骧，宁剑，王波，张勇，闪鑫，江长明，戴则梅，张哲，李雷，郑义明，郭磊，沈维建，郭骏，余飞翔，刘栋，谈振宁，黄胜，
申请(专利权)人：国电南瑞科技股份有限公司，国家电网公司华北分部，国家电网有限公司，南瑞集团有限公司，国电南瑞南京控制系统有限公司，国网电力科学研究院有限公司，
类型：发明
国别省市：江苏;32