基于功能缺陷文本的电力系统二次设备智能诊断与辅助决策

利用电力系统二次设备功能缺陷文本数据,建立了基于双向长短时记忆网络与条件随机场(Bi LSTMCRF)模型的文本信息抽取模型。在此基础上,为了进一步将数据中蕴含的知识价值应用到电力系统生产、管理过程中,构建了电力系统二次设备功能缺陷知识图谱,将各类数据间所含语义信息融入各类实体间的关系约束,建立了基于Bi LSTM-CRF模型与知识图谱的二次设备功能缺陷智能诊断与辅助决策平台。该平台可依据缺陷设备类型与缺陷现象快速诊断设备的缺陷部位及原因,并推荐合理的解决措施。算例分析结果表明,相较于传统的命名实体识别算法、Bi LSTM-softmax以及Seq2Seq-Attention模型,所采用Bi LSTM-CRF模型的精确率、召回率、F1值这3项评估指标均有较大提升,所建平台能很好地挖掘、应用电力文本数据知识与价值,为电力系统二次设备功能缺陷处理提供有益参考。