【技术实现步骤摘要】
电力设备故障分析方法、装置、设备及存储介质
[0001]本专利技术涉及一种深度学习
,尤其涉及一种基于深度学习的电力设备故障分析方法
、
装置
、
设备及介质
。
技术介绍
[0002]随着电力设备的升级及更广泛的应用,电力设备的故障也随之出现
。
根据电力设备历史故障案例报告可以发现设备故障规律:在一段时间内,同一种型号
、
同一系列或是同一厂家生产的电力设备会频繁地出现相同的故障类型
。
除此以外,发生同种故障类型的共同表征现象还体现在天气
、
使用环境条件等因素上
。
目前故障检测手段主要依靠人工检索
。
判断故障案例间的相似性只能依靠经验,故障检测的速度缓慢
、
准确性不高
。
[0003]目前常用的基于
TF
‑
IDF
算法检索分析电力设备家族病的设备存在无法考虑语义信息
、
忽略词语顺序
、
无法处理停用词以及数据稀疏等问题,导致设备的识别准确率不高
。
该类设备基于
TF
‑
IDF
算法,存在四个问题,第一,只考虑了词语在文本中的出现频率,没有考虑词语的语义信息,在某些情况下,意思不同但表示相同或相似的词语会被视为相同的词语,导致词向量的表示不准确,进而影响后续计算的准确性;第二,只关注词语的出现频率,而忽略了它们在文 ...
【技术保护点】
【技术特征摘要】
1.
一种电力设备故障分析方法,其特征在于,包括以下步骤:获取故障描述待处理文本;对所述待处理文本进行向量初始化,得到文本初始化向量;通过
BERT
模型对所述初始化向量进行语义提取,得到聚合语义向量;对所述聚合语义向量进行文本相似度计算及文本聚类;根据所述文本聚类结果,进行故障分析匹配
。2.
如权利要求1所述的电力设备故障分析方法,其特征在于,获取故障描述待处理文本,还包括:将原始故障描述文本描述时间信息的语句删除
。3.
如权利要求1或2所述的电力设备故障分析方法,其特征在于,所述故障描述文本包括故障现象
、
故障原因
、
故障类型
、
线路名
、
地名
、
变电站名
、
专家判定故障的依据
、
解决措施
、
设备型号
、
设备厂家
、
设备出厂编号
、
天气条件以及环境条件
。4.
如权利要求1所述的电力设备故障分析方法,其特征在于,对所述待处理文本进行向量初始化,得到文本初始化向量,包括:对所述待处理文本进行字符嵌入
、
句子嵌入及位置嵌入,得到可被
BERT
模型识别的单文本初始化向量
。5.
如权利要求1所述的电力设备故障分析方法,其特征在于,通过
BERT
模型对所述初始化向量进行语义提取,得到聚合语义向量,包括:对所述初始化向量进行映射,得到查询映射矩阵
、
值映射矩阵及键矩阵;根据所述查询映射矩阵...
【专利技术属性】
技术研发人员:李晨,蔺家骏,胡俊华,王雅雯,王渊,郑一鸣,邵先军,马国明,张凯煜,王正文,
申请(专利权)人:国网浙江省电力有限公司电力科学研究院,
类型:发明
国别省市:
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。