文献类型：期刊文章

作　　者：田园[1] 马文[1]

TIAN Yuan;MA Wen(Information Center,Yunnan Power Grid Company Limited,Kunming Yunnan 650217,China)

机构地区：[1]云南电网有限责任公司信息中心,昆明650217

出　　处：《计算机应用》

年　　份：2020

卷　　号：40

期　　号：S02

起止页码：24-29

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSCD、CSCD_E2019_2020、IC、JST、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：针对当前数字电网领域设备故障智能识别面临数据稀疏、识别准确率不高的问题,提出一种基于Attention-BiLSTM的电网领域设备故障文本的分类方法,将设备可能出现的故障识别当成一个分类任务来处理。首先,将记录电网设备故障数据的结构化特征及描述故障现象的非结构化特征构造为具有上下文信息的文本;然后,将文本进行词嵌入向量表征后作为Attention-BiLSTM模型输入进行特征学习,并通过注意力机制增强对文本中与设备相关的故障特征表示,进而得到电网设备故障文本的语义特征向量;最后,通过模型的归一化(Softmax)层实现电网设备故障的文本分类。实验结果表明,该方法在主变压器、SF6真空断路器这两种故障设备数据集中,相较于不融合电网数据特征的Attention-BiLSTM方法的F1值分别提升了2.21、2.96个百分点。

关 键 词：数字电网 设备故障  故障识别 特征提取  注意力机制  双向长短时记忆网络  

分 类 号：TP391.1]