【技术实现步骤摘要】
本专利技术涉及自然语言处理、深度学习领域，特别涉及一种基于文本的变压器故障智能识别模型的训练方法及装置。
技术介绍
1、变压器故障主要指变压器在运行过程中出现了异常或故障，可能导致电力设备损坏或停止正常运行。常见的变压器故障包括绕组短路、绝缘老化、接地故障等。这些故障可能由于设备老化、外部环境因素或制造缺陷等原因引起。及时检测和修复变压器故障对于确保电力系统的稳定运行至关重要，也可以延长设备的使用寿命。
2、在变压器故障后，相关工作人员会通过文本记录故障造成的故障现象，但由于记录人员知识储备、语言习惯、观察角度与观察完整性的差异性，导致变压器故障文本呈现出多样性、混淆性，故障文本类别具有不确定性。这提高了变压器故障文本人工审核的时间成本，并降低了故障类型判别的准确率。因此需要使用基于深度学习与自然语言处理技术的变压器故障智能识别方法。
3、传统的智能识别方法为通过相关专家来编写模板和规则来提取故障文本中的特征，再通过传统机器学习算法，如随机森林、支持向量机，进行故障分类，这种方法较于耗费人力与时间且正确率较低，而...
【技术保护点】
1.一种基于文本的变压器故障智能识别模型的训练方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于文本的变压器故障智能识别模型的训练方法，其特征在于，获取故障类别文本语义编码向量的步骤包括：
3.根据权利要求1所述的一种基于文本的变压器故障智能识别模型的训练方法，其特征在于，所述文本标签域筛法包括：
4.根据权利要求1所述的一种基于文本的变压器故障智能识别模型的训练方法，其特征在于，基于标签域掩码的生成对抗网络LM-GAN的结构包括一个生成器、一个鉴别器，生成器包括一个Encoder编码器、一个Decoder解码器，E...
【技术特征摘要】
1.一种基于文本的变压器故障智能识别模型的训练方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于文本的变压器故障智能识别模型的训练方法，其特征在于，获取故障类别文本语义编码向量的步骤包括：
3.根据权利要求1所述的一种基于文本的变压器故障智能识别模型的训练方法，其特征在于，所述文本标签域筛法包括：
4.根据权利要求1所述的一种基于文本的变压器故障智能识别模型的训练方法，其特征在于，基于标签域掩码的生成对抗网络lm-gan的结构包括一个生成器、一个鉴别器，生成器包括一个encoder编码器、一个decoder解码器，encoder编码器由三层transformers的encoder block，deco...
【专利技术属性】
技术研发人员：刘彬，钟时，袁鑫浩，杜雨露，王进，
申请(专利权)人：重庆邮电大学，
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。