【技术实现步骤摘要】
一种电网设备故障报告内故障信息的快速提取方法
本专利技术涉及快速提取电网设备故障报告内故障信息的方法，具体涉及一种电网设备故障报告内故障信息的快速提取方法。
技术介绍
变压器、输电线等电力设备在送电使用后，常因设备固有缺陷隐患、短路冲击、过载运行等因素产生故障。当设备发生故障后，技术人员通常会对设备从正常运行、到发现可能存在状态异常、到采取多种手段检测、以及停电检修、确诊存在隐患/故障的完整过程进行记录，通常包含设备类型、名称、故障发生时间、现象、原因、检修方法、检修结果等信息，并以故障报告的形式存档，为设备故障诊断、故障处理方法检修处理决策积累经验。电网设备故障报告基本以自然语言表述的文档，即非结构化形式存储，没有固定的格式和结构，难以快速、准确与相似故障情况关联，无法进一步辅助开展故障分析诊断。另外人工智能已经在电网领域进行了广泛的应用，基于模型的人工智能在文本挖掘、图像识别、故障诊断、决策支持等多个领域取得了良好的成果。如秦善强，付志红，朱学贵，籍勇亮在2017年在电工技术学报上发表的论文：遗传神经网络的瞬变电...
【技术保护点】
1.一种电网设备故障报告内故障信息的快速提取方法，其特征在于：其包括以下步骤：/n步骤一、基于N层双向Transformer进行BERT模型构建，并利用构建的BERT模型对文本进行词嵌入转换，将输入的文本数据
【技术特征摘要】
1.一种电网设备故障报告内故障信息的快速提取方法，其特征在于：其包括以下步骤：
步骤一、基于N层双向Transformer进行BERT模型构建，并利用构建的BERT模型对文本进行词嵌入转换，将输入的文本数据通过Transformer转化为向量，将文本以字的单位转换成字向量；
步骤二、利用BiLSTM模型结合前向LSTM的隐层和后向LSTM的隐层对词嵌入处理后的数据进行分类得到向量；
步骤三、使用CRF模型对模型的损失进行计算，基于位置信息转移矩阵进行矩阵相乘计算得到输出的概率，使输出更符合实体语法规则，得到输出向量，从而得到全局最优秀的序列，即输出各故障类别的概率，
其中，对步骤一中的BERT模型进行微调，其微调如下：
①基于迁移学习理论对预训练的中文模型进行参数初始化操作；
②冻结部分靠近输入的Transformer层的参数；
③训练剩下靠近输出的Transformer层和全连接层，使其跟随下游任务进行微调训练，
其中微调后的
。
2.根据权利要求1所述的一种电网设备故障报告内故障信息的快速提取方法，其特征在于：所述BERT模型通过Transformer中的编码器对语句进行编码，其中包括多头自注意力机制。
3.根据权利要求2所述的一种电网设备故障报告内故障信息的快速提取方法，其特征在于：多头自注意力机制通过构建多个自注意力中的Q、K、V矩阵得到的，对于每个K、Q、V矩阵，进行多个线性层映射，再通过缩放的点积注意力机制进行运算，拼接后得到结果。
4.根据权利要求2或3所述的一种电网设备故障报告内故障信息的快速提取方法，其特征在于：经过多头自注意力机制进行句词加权计算后，...
【专利技术属性】
技术研发人员：陈再发，劳山，付军，
申请(专利权)人：浙江国际海运职业技术学院，
类型：发明
国别省市：浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。