多源异构数据融合的电力变压器状态评价方法

论文摘要

在设备运行维护中,记录了设备运行状态的非结构化数据尚未被挖掘并利用。为此,基于深度学习思想,提取运行检修过程中产生的设备缺陷记录的语义信息,并结合结构化的检测数据信息,提出了一种多源异构数据融合的电力变压器状态评价方法。该方法首先建立可识别电气专业术语的自定义词典,利用深度语义学习网络构建缺陷记录与缺陷等级间的深层映射关系;继而将基于结构化数据的计算结果和基于非结构化数据的计算结果进行加权求和,得到了不同运行状态下的隶属度。实验结果表明,所提出的非结构化信息挖掘方法具有98%～99%的分类准确度,且基于多源异构数据的变压器运行状态评价准确度达96.67%,可较准确地评估设备运行状态。

论文目录

• 1 电力变压器非结构化缺陷记录
•   1.1 缺陷记录的内容
•   1.2 缺陷记录的文本特征
•   1.3 文本的预处理流程
•     1.3.1 文本分词
•     1.3.2 删除停用词
•     1.3.3 生成词向量
• 2 融合多源异构数据的评价模型
•   2.1 文本挖掘模型
•     2.1.1 长短时记忆网络（LSTM）
•     2.1.2 注意力机制
•     2.1.3 评估指标
•   2.2 结构化数据的挖掘模型
•   2.3 多源异构数据融合
• 3 验证性数据分析
•   3.1 特征提取能力
•   3.2 与其他典型网络的性能对比
•   3.3 结合结构化数据
• 4 结论

文章来源

类型: 期刊论文

作者: 蒋逸雯,彭明洋,马凯,李黎

关键词: 电力变压器,深度学习,文本挖掘,状态评估,自然语言处理,多源异构数据

来源: 广东电力 2019年09期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 电力工业

单位: 华中科技大学电气与电子工程学院,广东电网有限责任公司电力科学研究院

基金: 国家自然科学基金项目(51777082)

分类号: TM41

页码: 137-145

总页数: 9

文件大小: 2428K

下载量: 420