一种基于自然语言处理的短路冲击自动诊断方法技术

本发明专利技术公开了一种基于自然语言处理的短路冲击自动诊断方法，方法为：S1对电力自然语言数据进行预处理，建立字符特征数据集，构建文本目标数据提取模型；S2导入文本目标数据提取模型抽取目标信息，将得到的目标关键信息使用文本余弦相似度匹配算法进行关联，获取承受最大短路电流值和历史短路冲击情况；S3构建短路跳闸特征挖掘模型；S4依据短路电流比，关联历史跳闸事件、短路冲击严重等级和冲击后检修策略，生成特定预警信息和检修建议。本发明专利技术的有益效果是：解决了人为开展短路冲击分析工作存在的局限性以及录波文件与台账数据信息匹配困难的问题，能够实时为不同程度的短路冲击提供针对性运维检修意见。提供针对性运维检修意见。提供针对性运维检修意见。

【技术实现步骤摘要】
一种基于自然语言处理的短路冲击自动诊断方法


[0001]本专利技术属于电气设备故障诊断
，具体涉及一种基于自然语言处理的短路冲击自动诊断方法。

技术介绍

[0002]随着电网规模不断扩大，当变压器遭受近区短路时，流经变压器的短路电流可激增到额定电流的几倍至几十倍，对变压器绕组形成额定负载时几百倍的电动力、热冲击，严重考验变压器的动稳定和热稳定能力，是造成变压器故障的主要原因之一。现阶段主要开展短路冲击电流与允许短路电流的百分比计算与统计，并以此作为依据开展后续运维检修工作，但在实际执行时存在以下问题：
[0003]（1）主变压器遭受短路冲击分析存在遗漏。负责主变压器短路冲击分析工作的是普通工作人员，对输电专业线路跳闸情况掌握不够，往往会忽视线路跳闸对两侧主变压器的短路冲击的影响；同时，工作人员对短路冲击较小的情况重视度不够，没有开展计算分析和统计工作。
[0004]（2）短路冲击分析实时性不够。当主变压器遭受短路冲击时，需要人员来回跑到变电站，导出录波文件，开展计算分析，实时性不够。
[0005]（3）忽视短路冲击本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于自然语言处理的短路冲击自动诊断方法，其特征在于：方法步骤如下：S1：对历史录波文件中电力自然语言数据进行预处理，建立字符特征数据集，构建文本目标数据提取模型；所述文本目标数据提取模型用于对电力自然语言关键信息抽取，得到关键特征信息；根据关键特征信息使用文本相似度算法匹配好变电站、主变压器和时间信息；S2：文本目标数据提取模型同步录波子站中的录波文件，并从录波文件中抽取目标关键信息，将得到的目标关键信息使用文本余弦相似度匹配算法与设备台账对应的信息进行关联，获取目标关键信息中主变压器高压侧、中压侧、低压侧承受最大短路电流值和历史短路冲击情况；S3：根据历史短路冲击情况对短路冲击电流波形进行特征分析，构建短路跳闸特征挖掘模型，判断是否存在短路冲击、判断故障起始时刻和判断故障终止时刻；同时提出时钟同步修正计算方法，计算短路电流比；S4：依据短路电流比，关联历史跳闸事件、短路冲击严重等级和短路冲击后检修策略，生成特定预警信息和检修建议。2.根据权利要求1所述的一种基于自然语言处理的短路冲击自动诊断方法，其特征在于：步骤S1中建立字符特征数据集，过程如下：将变电站名称、主变压器名称、录波时间作为电力自然语言文本提取目标，对历史录波文件中电力自然语言数据进行去除停用词、分词预处理，对分词预处理后文本用BIO序列标注方式建立字符特征数据集。3.根据权利要求1所述的一种基于自然语言处理的短路冲击自动诊断方法，其特征在于：步骤S1中构建的文本目标数据提取模型为双向长短期记忆神经网络
‑
条件随机场模型，由双向长短期记忆神经网络层输出的每个标签的分数作为条件随机场层的输入，并在条件随机场层的输入基础上引入门控去噪机制，对输入字向量进行微调，自动学习过滤不重要字信息，保留关键目标信息。4.根据权利要求3所述的一种基于自然语言处理的短路冲击自动诊断方法，其特征在于：门控去噪机制是一个神经网络，通过对输入字向量进行一次线性变换和一次非线性变换实现，由一个sigmoid激活函数作用在原始输入字向量上，输出一系列0~1之间的值，将一系列0~1之间的值分别加权到对应的原始字向量上，将原始字向量作为门控去噪机制神经网络层的输入，采用门控去噪机制直接作用到对应的原始字向量上，得到微调后的字向量，控制输入字向量的输入程度，达到去噪效果，计算如公式（1）和公式（2）所示：计算如公式（1）和公式（2）所示：其中，g
t
为门控去噪机制，为0~1之间的值，、分别为权重参数和偏置项参数，为原始字向量，为微调后的字向量；双向长短期记忆神经网络层用来生成发射矩阵，其中长短期记忆神经网络层包含三个门，分别为遗忘门、输入门、输出门，如公式（3）所示：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)其中，f
t
为遗忘门中sigmoid神经层的输出单元状态，i
t
为输入门中sigmoid神经层的输出单元状态，为输出门的当前单元状态，C
t
为当前时刻网络的输出单元状态，h
t
为当前时刻长短期记忆神经网络层输出值，σ（x）为sigmoid激活函数，W
f
、b
f
分别为遗忘门的权重矩阵和偏置项，W
i
、b
i
分别为输入门的权重矩阵和偏置项，W
c
、b
c
分别为输出门的权重矩阵和偏置项，W
o
、b
o
分别为权重矩阵和偏置项，h
t
‑1为上一时刻长短期记忆神经网络层的输出值，x
t
为当前时刻网络的输入值 ，C
t
‑1为上一时刻的网络的输出单元状态，为激活函数，x为sigmoid激活函数输入值；条件随机场层学习标签之间的约束关系具体是：生成一个转移矩阵，使用标记状态转换概率作为评分，如公式（4）所示：(4)其中，score（h，y）为对整个给定输入序列h时网络输出对应的标注序列y正确路径分数；为输入序列h第i个待抽取句子中字到第个实体标签的概率；为第个标签到第个标签的转移概率；m为整数变量；利用Softmax归一化指数函数得到归一化后的概率公式，如公式（5）所示：(5)其中，为输入序列h时网络输出标注序列y的最大化似然概率；exp为自然对数；Z（h）为归一化因子。5.根据权利要求1所述的一种基于自然语言处理的短路冲击自动诊断方法，其特征在于：步骤S3中根据历史短路冲击情况对短路冲击电流波形进行特征分析，构建短路跳闸特征挖掘模型，判断是否存在短路冲击、判断故障起始时刻和判断故障终止时刻，具体步骤如下：S3...

【专利技术属性】
技术研发人员：童超，周志豪，李帆，张宇，李阳林，胡岸，华桦，童涛，
申请(专利权)人：国家电网有限公司南昌科晨电力试验研究有限公司国网江西省电力有限公司南昌大学，
类型：发明
国别省市：