检索结果-南通市图书馆

电力设备缺陷文本质量保证与评级软件的开发及应用

在线全文

学校读者我要写书评

暂无评论

浙江电力 2022年第7期41卷 78-85页

作者：李彦儒王慧芳陈昊张佳丽江帆谢雅雯浙江大学电气工程学院杭州310027 国网浙江省电力有限公司金华供电公司浙江金华321017 国网浙江省电力有限公司新兴科技有限公司杭州310000

针对电力设备缺陷文本质量保证和评级工作缺少智能化工具的问题,开发基于标准和历史缺陷的电力设备缺陷文本质量保证与评级软件。首先,进行软件需求分析,确定软件要实现文本质量分析和缺陷自动评级的主要功能,针对标准和历史缺陷两类研... 详细信息

针对电力设备缺陷文本质量保证和评级工作缺少智能化工具的问题,开发基于标准和历史缺陷的电力设备缺陷文本质量保证与评级软件。首先,进行软件需求分析,确定软件要实现文本质量分析和缺陷自动评级的主要功能,针对标准和历史缺陷两类研究依据的特点设计了两种使用流程。然后,介绍了关键功能模块的详细程序设计过程,其中基于标准的文本质量分析和缺陷自动评级采用标准树匹配的方法,基于历史缺陷的文本质量分析和缺陷自动评级采用基于知识图谱进行图检索的方法。最后,用算例展示了软件的运行效果,结果表明,该软件通过交互方式实现了输入缺陷文本的质量智能管控和自动评级功能,为电力设备缺陷闭环管理和运检智能化水平的提升提供了有力支撑。

关键词：电力设备缺陷文本软件开发缺陷分类标准文本质量分析缺陷自动评级

融合BERT、双向长短记忆网络和条件随机场的电力设备缺陷文本实体抽取

在线全文

学校读者我要写书评

暂无评论

电网技术 2023年第10期47卷 4367-4375页

作者：陈鹏邰彬石英金杨孔力汪进锋广东电网有限责任公司电力科学研究院广东省广州市510080 广东省电力装备可靠性企业重点实验室广东省广州市510080 武汉理工大学自动化学院湖北省武汉市430070

随着智能电网建设的全面展开,产生了大量与设备缺陷相关的电力设备缺陷文本,蕴含着故障类型、故障原因及设备消缺方法等关键信息,是电力领域的研究热点。但缺陷文本存在着体量大、多源异构和内容杂乱冗余的问题,目前缺乏对其进行高效整... 详细信息

随着智能电网建设的全面展开,产生了大量与设备缺陷相关的电力设备缺陷文本,蕴含着故障类型、故障原因及设备消缺方法等关键信息,是电力领域的研究热点。但缺陷文本存在着体量大、多源异构和内容杂乱冗余的问题,目前缺乏对其进行高效整合利用的方法。针对以上问题,该文基于BERT(bidirectional encoder representation from transformers)模型对命名实体抽取技术展开研究。一方面,增加了双向长短期记忆(bi-directional long short-term memory,Bi-LSTM)层进一步提取文本语义信息;另一方面,采用条件随机场(conditional random field,CRF)替换了BERT的输出层,克服了预测标签的局部最优问题。最后融合以上2种策略提出了改进BERT算法,即将BERT与双向长短记忆网络和条件随机场相结合,实现了缺陷文本的命名实体抽取。实验结果表明,改进BERT算法在7类实体上均取得了较高的F1值(精确率和召回率的加权调和平均值)。与BERT相比,实体抽取的总体精确率和召回率分别提升了0.94%和0.95%。

关键词：电力设备缺陷文本命名实体抽取改进BERT算法语义信息输出层局部最优

知识图谱在电力设备缺陷文本查错中的应用问题与对策

在线全文

学校读者我要写书评

暂无评论

电力系统及其自动化学报 2022年第7期34卷 113-119,128页

作者：李彦儒陈耀军王慧芳吴向宏浙江大学电气工程学院杭州310027 浙江华云信息科技有限公司杭州310012

在基于知识图谱技术的电力设备缺陷文本查错等方法的工程化应用过程中,发现存在词汇歧义等问题,同时知识图谱更新也缺乏应对措施。本文通过将歧义实体词与相邻词汇合并为新实体词加入电力本体字典实现实体消歧,并明确电力本体字典按词... 详细信息

在基于知识图谱技术的电力设备缺陷文本查错等方法的工程化应用过程中,发现存在词汇歧义等问题,同时知识图谱更新也缺乏应对措施。本文通过将歧义实体词与相邻词汇合并为新实体词加入电力本体字典实现实体消歧,并明确电力本体字典按词汇长度降序排列的规则。同时,提出了通过文本查错来筛选新知识的方法和通过文本路径查找来筛选退化知识的方法,并在知识图谱更新后通过文本查错校验知识的完整性。实验结果表明,消歧方法提高了知识图谱的准确性,知识图谱更新方法能够妥善地将新知识融入知识图谱,切实提高了缺陷文本知识图谱的应用效果。

关键词：知识图谱电力设备缺陷文本词汇歧义知识图谱更新文本查错

基于知识图谱的电力设备缺陷文本挖掘与应用若干问题研究

在线全文

学校读者我要写书评

暂无评论

基于知识图谱的电力设备缺陷文本挖掘与应用若干问题研究

作者：李彦儒浙江大学

学位级别：硕士

电网的发展正在进入新时代,运用文本智能挖掘技术从电力文本中挖掘实用信息,已经成为当前的研究热点之一。电力设备缺陷文本挖掘理论的研究已经取得了不少成果,相比较而言,工程应用问题的研究相对缺少。在构建和使用电力设备缺陷文本知... 详细信息

电网的发展正在进入新时代,运用文本智能挖掘技术从电力文本中挖掘实用信息,已经成为当前的研究热点之一。电力设备缺陷文本挖掘理论的研究已经取得了不少成果,相比较而言,工程应用问题的研究相对缺少。在构建和使用电力设备缺陷文本知识图谱的过程中,发现它面临着词汇歧义等文本质量问题。本文通过将歧义实体词与相邻词汇合并为新实体词加入电力本体字典实现实体消歧,并明确电力本体字典按词汇长度降序排列的规则,提高了知识图谱的准确性。同时发现,知识图谱更新也缺乏应对措施。本文提出了通过文本查错来筛选新知识的方法和通过文本路径查找来筛选退化知识的方法,并在知识图谱更新后通过文本查错校验知识的完整性,妥善的将新知识融入知识图谱。通过本文提出的实体消歧方法和知识图谱更新方法,切实提高了电力设备缺陷文本知识图谱的应用效果。针对电力设备缺陷文本质量保证和评级工作缺少智能化工具的问题,本文提出并开发了基于标准和历史缺陷的电力设备缺陷文本质量保证与评级软件,进行了软件的需求分析、流程设计和关键模块的详细设计,按照软件的操作流程展示了交互界面,并用算例展示了软件的应用效果。

关键词：电力设备缺陷文本知识图谱文本质量分析缺陷自动评级词汇歧义知识图谱更新

基于深度学习的电力设备缺陷文本命名实体识别模型研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的电力设备缺陷文本命名实体识别模型研究

作者：方苏婉华北电力大学(北京)

学位级别：硕士

电网智能信息化的不断建设使电力领域的数据呈爆发式增长,深入挖掘其中有价值的数据信息对电力行业市场经济、社会管理等发展有积极重要的意义。电力系统中集中存储管理了电网生产过程中的众多信息,其中电力设备缺陷文本中记录着大量的... 详细信息

电网智能信息化的不断建设使电力领域的数据呈爆发式增长,深入挖掘其中有价值的数据信息对电力行业市场经济、社会管理等发展有积极重要的意义。电力系统中集中存储管理了电网生产过程中的众多信息,其中电力设备缺陷文本中记录着大量的基本信息及生产过程信息,然而现场工作人员在记录过程中会出现重复表达、逻辑表述不清、口语化等现象,使现场运维、巡检人员不能准确、高效的结构化管理缺陷文本内容之间的逻辑关系。同时,电力设备在运行过程中,如果无法及时有效的判断设备的缺陷程度,会使发生危急缺陷的设备因无法及时处理而引发一系列的级联故障,影响电力生产效率。针对上述情况,本文从缺陷文本无法结构化管理和缺陷级别无法及时判断处理两个方面进行电力设备缺陷文本的命名实体识别研究。本文研究内容如下:（1）基于深度学习提出一种可选择词向量的BiLSTM-CRF电力缺陷文本命名实体识别模型。利用BiLSTM学习文本的全局语义特征;针对文本中的数字信息增加可选择的位置信息训练新的数字词向量,提升数字信息特征;利用CRF的转移特征,解决输出标签之间的顺序性问题。实验表明该模型可以从大量电力缺陷文本中识别出实体类别信息,从而将海量的电力缺陷文本进行结构化管理。（2）提出一种电力缺陷分析框架来及时响应不同级别的缺陷设备。基于该框架首先增加注意力机制和强化编码方式改进命名实体识别模型以提高实体识别准确度。再结合知识图谱技术,实现给定一定结构的电力缺陷文本描述,快速判断出缺陷程度的任务,以此达到一种端到端的电力设备缺陷程度分析效果。实验结果表明改进后的模型能有效提高缺陷文本中命名实体信息的识别准确度。（3）为了验证本文设计模型在实际电力工程场景应用中能否为电力领域带来社会和经济效益。本文基于电力缺陷分析框架考虑设计并实现一个界面友好的电力缺陷文本命名实体识别原型系统。通过这种界面交互的方式帮助现场工作人员更好的理解与利用电力领域中的命名实体信息。通过这项研究工作可以帮助现场人员结构化处理杂乱无序的文本数据,并从具有一定逻辑关系的缺陷文本记录中快速准确定位、理解并判断电力设备缺陷级别,帮助检修人员根据设备的不同缺陷级别给出合理的处理、防范决策。同时,本研究可以为后续电力领域的智能分析、智能辅助决策推荐等研究奠定基础。

关键词：电力设备缺陷文本深度学习命名实体识别 BiLSTM-CRF 注意力机制

基于多头注意力RCNN网络的电力设备缺陷文本分类方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多头注意力RCNN网络的电力设备缺陷文本分类方法研究

作者：陆世豪广西大学

学位级别：硕士

随着电力系统的规模越来越庞大,设备的数量也成倍增长,极大地增加了巡检工作量。同时,设备投运时间增长和操作频次增加,加大了设备缺陷的出现几率,这些缺陷若不及时发现并消除,会危及电力系统的运行安全。根据规定设备缺陷分为三类等级... 详细信息

随着电力系统的规模越来越庞大,设备的数量也成倍增长,极大地增加了巡检工作量。同时,设备投运时间增长和操作频次增加,加大了设备缺陷的出现几率,这些缺陷若不及时发现并消除,会危及电力系统的运行安全。根据规定设备缺陷分为三类等级,每类等级的缺陷对电网运行的风险不同,要求消缺的时限也不一样。电力设备缺陷用文本的形式记录并上报,目前大量上报的设备缺陷等级分类工作仍需要人工进行,耗时耗力、效率低下而且受限于运检人员的知识储备,常常处于难以精确判断的尴尬局面,分类准确性受到影响,进而影响消缺进度。电网缺陷管理系统中存有大量闲置的历史输变电设备缺陷记录单,若使用自然语言处理的方法对缺陷记录挖掘分析实现自动分类,则可提升缺陷等级判断的速度和准确性,同时提高检修效率。电力设备缺陷描述源于巡检人员口语化的表达,没有固定格式,表述不规范,对于同样的缺陷表达并不统一。并且与普通的中文文本不同,缺陷描述文本带有很强的专业性,所以准确理解和使用难度大。由于传统的专家系统通过制定规则无法准确理解句子的语义,所以如何充分利用历史缺陷文本对新出现的设备故障进行快速分类定级成为目前迫切解决的问题。鉴于此,本文提出一种基于多头注意力循环卷积神经网络(MAT-RCNN)的电力设备缺陷文本分类方法。首先,对文本进行预处理,通过建立专有名词词典和停用词表,实现词汇的正确切分以及冗余信息的剔除。将切分好的文本作为语料库,利用Word2vec模型训练出每个词的词向量。然后,考虑到词向量不会随上下文语境变化以及RCNN网络无法自动关注重点词汇,因此引入多头注意力机制从多个维度挖掘文本内部联系,同时分配不同词语相应权重,使输出的词向量按语境变化,并且通过加权突出重要信息,让RCNN网络能够关注关键信息,将RCNN网络结构优化使得其与多头注意力机制融合效果更好。最后,构建多头注意力RCNN电力设备缺陷文本分类模型,并在此基础上实现设备缺陷的自动定级。经过实验分析,对比传统机器学习文本分类模型和CNN、RNN等深度学习文本分类模型,从多分类综合评价指标MF1、分类准确率Acc以及模型耗时等方面测评模型分类效果,实验表明本文所提方法,在语义学习能力、提取特征效果、分类效果等方面优于RNN等常规方法。所以,本文所提出的方法充分利用历史缺陷数据,实现电力设备缺陷文本快速分类定级,在提高定级准确率同时减少人力分配,有效提升电网运维效率,具有很强的实用价值。

关键词：多头注意力循环卷积神经网络文本分类电力设备缺陷文本深度语义学习

基于多头注意力循环卷积神经网络的电力设备缺陷文本分类方法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

广东电力 2021年第6期34卷 30-38页

作者：陆世豪祝云周振茂广西电力系统最优化与节能技术重点实验室(广西大学) 广西南宁530004 广西电网有限责任公司来宾供电局广西来宾546100

充分利用历史电力设备缺陷描述文本可对新出现的设备故障进行快速分类,提升运维人员的检修效率,为此针对缺陷描述文本具有复杂语义等特点,提出基于多头注意力循环卷积神经网络(multi-head attention recurrent convolutional neural net... 详细信息

充分利用历史电力设备缺陷描述文本可对新出现的设备故障进行快速分类,提升运维人员的检修效率,为此针对缺陷描述文本具有复杂语义等特点,提出基于多头注意力循环卷积神经网络(multi-head attention recurrent convolutional neural networks,MAT-RCNN)的电力设备缺陷分类方法。首先对电力设备缺陷描述文本进行研究,并分析部分文本分类模型的局限;然后采用分布式表示方法将词语表示为向量形式,并将多头注意力机制与优化的RCNN结合,构建基于MAT-RCNN的电力设备缺陷描述文本分类模型;最后,通过算例比较分析,证明所提方法在语义学习能力、分类效果等方面优于RNN等常规方法。

关键词：多头注意力循环卷积神经网络文本分类电力设备缺陷文本深度语义学习

在线全文

学校读者我要写书评

暂无评论

基于文本数据挖掘的电力设备缺陷分析

基于文本数据挖掘的电力设备缺陷分析

作者：王宣军华北电力大学(北京)

学位级别：硕士

电网中各类设备在生产运行过程中会产生大量的数据,这些数据都能够准确、及时的反映出设备的运行状态。因此,如何高效地处理和分析数据,将是保障设备可靠运行的重中之重,也是提升现代电网数字化、智能化的关键一环。其中,电力设备缺陷... 详细信息

电网中各类设备在生产运行过程中会产生大量的数据,这些数据都能够准确、及时的反映出设备的运行状态。因此,如何高效地处理和分析数据,将是保障设备可靠运行的重中之重,也是提升现代电网数字化、智能化的关键一环。其中,电力设备缺陷文本数据,主要记录设备在运行过程存在的缺陷状况。对其进行数据分析,有利于及时掌握设备的健康状况。但是,目前电网企业对于缺陷文本信息的挖掘大都由人工进行,不仅工作量大、耗时长,而且由于人工经验的不同,信息挖掘的准确性难以保证。其次,作为非结构化的数据,其文本结构随意性极大,掩盖了数据中存在的关键信息,不利于运维人员快速分析、及时定位缺陷位置。针对上述现状,本文以变压器缺陷文本数据为研究对象,从电力设备缺陷等级分类和缺陷信息精确辨识两方面对电力设备缺陷进行分析,主要工作点如下:(1)作为非结构化的数据,缺陷文本无法被模型直接识别,需要对其进行预处理。本文在分析缺陷文本数据特点的基础上,总结了电力设备缺陷词典和停用词表。并对其进行分词、去停用词、向量化表示和相似词处理。(2)采用基于注意力机制的混合神经网络,构建电力设备缺陷等级分类模型,实现设备缺陷等级的自动划分。首先,将预处理后的数据输入分别到CNN和BiLSTM提取文本局部特征和上下文特征;然后,借助全连接层将提取的信息进行融合;最后,采用Attention机制实现特征权重的分配,增强关键特征对分类效果的影响。并从多个评价维度与其它模型进行对比,验证本文模型的效果。(3)提出了基于改进语义框架和依存句法分析技术的缺陷信息精确辨识方法。首先,依据电网缺陷用语标准和中文文本预处理流程,构建出缺陷文本的初始语义框架,将非结构化的文本数据转为结构化数据;然后,引入依存句法分析技术,从语法关系角度分析文本内在结构,构建依存句法树;在此基础上,提出了基于依存句法树的文本相似度计算方法,结合语义相似度和依存结构相似度,将实际缺陷文本和标准文本匹配;最后,提出了基于依存关系的树匹配算法,实现电力设备缺陷文本数据的质量提升。以具体案例,展示了该模型各环节的输出效果,证明其可行性和有效性,同时根据结果对变压器缺陷状况进行了分析。

关键词：电力设备缺陷文本文本预处理缺陷等级分类精确辨识数据分析

融合BERT-WWM与注意力机制的电力设备缺陷实体识别研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

电力学报 2024年第2期39卷 126-135页

作者：李嘉皓熊威龚康王凌云三峡大学电力与新能源学院湖北宜昌443000 国网宜昌供电公司湖北宜昌443000

针对电力设备运行和维护中所产生的大量碎片化、非系统性以及相关性不足设备缺陷文本,提出了一种电力设备缺陷文本识别模型。使用基于全词掩码的预训练模型(bidirectional encoder representation from transform-ers,BERT)替换基于随... 详细信息

针对电力设备运行和维护中所产生的大量碎片化、非系统性以及相关性不足设备缺陷文本,提出了一种电力设备缺陷文本识别模型。使用基于全词掩码的预训练模型(bidirectional encoder representation from transform-ers,BERT)替换基于随机掩码的BERT模型,提高了对电力词汇的理解力。使用双向长短期记忆网络(bidirection-al long short-term memory,BiLSTM)提高了模型捕获上下文信息的能力,并提高了模型的鲁棒性,引入注意力机制(attention)可以更好地捕获电力设备缺陷实体之间的复杂依赖关系,从而进一步提升模型的表现。实验结果显示,该模型准确率、召回率、F1值分别为96.26%、96.94%、96.60%,在地点、缺陷内容和设备三种实体上的F1值均优于其他模型。

关键词：电力设备缺陷文本命名实体识别 BERT 双向长短期记忆网络注意力机制条件随机场

维普期刊数据库博看期刊