[發明專利]基于卷積和長短期記憶網絡的電網監控告警事件識別方法

有效

• 申請號: 202010058261.4
• 申請日: 2020-01-19
• 公開（公告）號: CN111274395B
• 公開（公告）日: 2021-11-12
• 發明（設計）人: 臧海祥;白子瑜;程禮臨;孫國強;衛志農
• 申請（專利權）人: 河海大學
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F40/284;G06N3/04;G06N3/08
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 柏尚春

本發明公開了一種基于卷積和長短期記憶網絡的電網監控告警事件識別方法，該方法通過電網監控系統中歷史監控告警信息及時標生成信息向量，并且從收集的歷史監控告警信息中提取事件樣本，構建告警事件樣本庫；其次，建立基于長短期記憶網絡和卷積神經網絡組合的深度學習識別模型，利用告警事件樣本對模型進行訓練；最后使用訓練好的深度學習模型對監控告警信息進行識別，取概率最大的事件類別作為識別結果輸出。本發明結合長短期記憶網絡在處理時序問題和卷積神經網絡在挖掘短文本局部特征中的優異性能，建立組合模型，可以實現電網告警事件的快速識別，有效減輕監控業務人員的監屏壓力，提升日常監視和事故異常處置工作效率。

技術領域

本發明屬于電力系統智能告警控制技術，具體涉及一種基于卷積和長短期記憶網絡的電網監控告警事件識別方法。

背景技術

隨著電網規模不斷擴大，對調控人員快速響應電網設備故障、及時恢復電網運行方式提出了更高的要求，因此提升電網設備運行監控的智能化水平，實現對電網告警事件的自主識別，對提升日常監控和事故異常處置的工作效率具有重要意義。

電網監控告警信息作為一種中文文本數據，是調控人員監視電網運行狀態的重要數據基礎。隨著電網設備規模擴大及智能監測水平提升，電力數據出現爆發性增長，監控告警信息的數量呈現幾何級增長趨勢，集到的信息全部按時間順序顯示，未作任何的推理判斷處理。電網調控人員需要對每一條信息逐一進行判別、分析并做出反饋，容易遺漏重要告警信息，無法在短時間內做出準確識別，出現設備故障或異常漏判誤判的情況。這種方法已無法適應當前形勢下電網監控業務的更高要求。本發明應用深度學習算法中的長短期記憶網絡和卷積神經網絡，對電網監控告警事件進行識別。

傳統的機器學習模型如Logistic回歸、支持向量機及隨機森林算法等適合處理樣本量較少的場景，一般不具有特征處理能力。因此，在應用這些算法時，需要對原始數據進行特征提取，增加了建模過程的復雜度。而深度學習算法采用逐層訓練的方式對數據進行處理，能夠獲得原始輸入變量集合的高級特征表示，提高預測和分類準確性，被廣泛的應用于特征處理問題及大數據場景。面對海量的電網運行告警信息處理需求，深度學習可以更加充分的學習監控大數據的樣本特征。長短期記憶網絡具有處理具有時間相關性的序列的強大功能，而電網監控告警事件所觸發的監控告警信息是在短時間內連續發生，整個事件的信息按照發生的時間先后排列，具有時序關系，將每一條告警信息作為一個時間步提取整個事件的時序特征。同時從語句表達含義上說，相鄰的多條告警信息中包含了告警事件的重要特，CNN具有局部感知的特點并且具有優異的特征提取性能，可以挖掘相鄰監控告警信息間的關聯性特征。且卷積神經網絡采用局部感知和權重共享的方式，大大降低了網絡參數量并緩解模型過擬合問題。

發明內容

發明目的：針對現有電網監控告警中人工判斷容易漏判和誤判，且識別效率不高的問題，本發明提供一種基于卷積和長短期記憶網絡的電網監控告警事件識別方法。

技術方案：一種基于卷積和長短期記憶網絡的電網監控告警事件識別方法，包括以下步驟：

(1)采集電網監控系統中歷史監控告警信息及每條告警信息的時標，告警信息中包含的所有變電站和線路名稱，構成電網監控告警事件識別模型所需的訓練數據集；

(2)對歷史監控告警信息進行數據預處理，通過word2vec模型對監控告警信息進行無監督訓練，生成包含信號特征的信息向量；

(3)從采集的歷史監控告警信息中按照滑動時間窗口提取監控告警信息集合，確定告警信息集合的事件類型和告警事件的標志詞，得到各類標簽化監控告警事件的樣本，構建告警事件樣本庫；

(4)建立基于長短期記憶網絡和卷積神經網絡組合的深度學習識別模型，設置各類超參數，建立目標函數并選取優化算法，利用監控告警事件樣本庫中的樣本對模型進行迭代訓練，并且通過計算損失函數的梯度逐步迭代更新識別模型的參數；

(5)使用訓練好的深度學習模型對監控告警信息進行識別，取概率最大的事件類別作為告警事件識別結果輸出。