[發明專利]電力二次設備缺陷診斷方法、系統、設備及存儲介質

在審

• 申請號: 202010937208.1
• 申請日: 2020-09-08
• 公開（公告）號: CN112101592A
• 公開（公告）日: 2020-12-18
• 發明（設計）人: 劉鵬;季知祥;王曉輝;蔡常雨;劉首文
• 申請（專利權）人: 中國電力科學研究院有限公司;國家電網有限公司;國網湖北省電力有限公司
• 主分類號: G06Q10/00
• 分類號: G06Q10/00;G06Q50/06;G06F16/36;G06F16/35;G06F40/289
• 代理公司: 北京中巡通大知識產權代理有限公司 11703
• 代理人: 張曉凱

本發明屬于人工智能領域，公開了一種電力二次設備缺陷診斷方法、系統、設備及存儲介質，包括獲取電力二次設備的缺陷描述語料；基于預設的實體抽取模型，從缺陷描述語料中抽取用于描述缺陷的實體信息；基于實體信息，遍歷預設的缺陷庫得到實體信息對應的診斷信息；所述缺陷庫包括若干實體信息及若干實體信息分別對應的診斷信息。基于實體抽取模型從缺陷描述語料抽取實體信息，遍歷缺陷庫得到診斷信息，有效挖掘缺陷描述語料潛在知識與價值，進而提升了電力二次設備缺陷診斷及處置的效率，將過去單獨依靠人員分析診斷的工作方式轉變為智能手段，促進電力二次設備缺陷診斷及處置盡快從經驗型向智能型轉變，提升分析決策的智能化水平。

技術領域

本發明屬于人工智能領域，涉及一種電力二次設備缺陷診斷方法、系統、設備及存儲介質。

背景技術

電力系統中積累了大量關于反映電力二次設備功能缺陷及處理情況的文本數據。這些數據包含了電力二次設備歷史上發生的缺陷情況，及相對應的有效解決措施。長期以來，這些數據未能加以有效利用，往往閑置于數據系統中。另一方面，電力二次設備功能缺陷情況繁雜，在缺陷處理過程中，很大程度上依賴于一線運維檢修人員的專業知識與經驗，診斷難度大。若能將歷史積累的缺陷文本數據加以組織和利用，為運維檢修人員在將來處理電力二次設備缺陷過程中提供參考建議，對于電力二次設備功能缺陷處理工作具有重要的參考意義。

但是，電力二次設備功能缺陷文本由一線運維檢修人員填報，難免會出現專業術語表述口語化且不符合常規語法等現象，增加了文本數據的復雜性，提高了挖掘其潛在知識與價值的難度，增加電力二次設備功能缺陷文本用于電力二次設備功能缺陷診斷難度，導致電力二次設備缺陷診斷困難。

發明內容

本發明的目的在于克服上述現有技術中，由于電力二次設備功能缺陷文本的文本數據較為復雜，很難挖掘其潛在知識與價值，增加電力二次設備功能缺陷文本用于電力二次設備功能缺陷診斷難度，導致電力二次設備缺陷診斷困難的缺點，提供一種電力二次設備缺陷診斷方法、系統、設備及存儲介質。

為達到上述目的，本發明采用以下技術方案予以實現：

本發明第一方面，一種電力二次設備缺陷診斷方法，包括以下步驟：

獲取電力二次設備的缺陷描述語料；

基于預設的實體抽取模型，從缺陷描述語料中抽取用于描述缺陷的實體信息；

基于實體信息，遍歷預設的缺陷庫得到實體信息對應的診斷信息；其中，所述缺陷庫包括若干實體信息及若干實體信息分別對應的診斷信息。

本發明電力二次設備缺陷診斷方法進一步的改進在于：

所述實體抽取模型采用如下方法建立：

建立初始信息抽取模型；

獲取歷史電力二次設備缺陷文本數據，將歷史電力二次設備缺陷文本數據進行實體信息標注及格式轉換，得到初始數據集；

將初始數據集分為訓練集和測試集，通過訓練集訓練初始信息抽取模型，并通過測試集測試訓練后的初始信息抽取模型，得到測試結果；

根據測試結果優化初始信息抽取模型的模型參數，得到實體抽取模型。

所述根據測試結果優化信息抽取模型的模型參數，得到實體抽取模型的具體方法為：

基于模型參數變化建立對照組，獲取所有對照組的測試結果，選取測試結果最優的對照組的模型參數優化初始信息抽取模型，得到實體抽取模型。

所述初始信息抽取模型為BiLSTM-CRF模型；所述若干實體信息及若干實體信息分別對應的診斷信息以知識圖譜的形式存儲在缺陷庫中。

所述從缺陷描述語料中抽取用于描述缺陷的實體信息的具體方法為：