[發明專利]基于深度神經網絡的設備量測數據處理方法、系統及終端

有效

• 申請號: 202110885209.0
• 申請日: 2021-08-03
• 公開（公告）號: CN113326380B
• 公開（公告）日: 2021-11-02
• 發明（設計）人: 羅瑋;劉金全;楊庚鑫;許劍
• 申請（專利權）人: 國能大渡河大數據服務有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F40/289;G06F40/295;G06F40/30;G06N3/04
• 代理公司: 成都啟慧金舟知識產權代理事務所(特殊普通合伙) 51299
• 代理人: 何媛;馮龍

本發明公開了基于深度神經網絡的設備量測數據處理方法、系統及終端，涉及電站設備數據處理技術領域，其技術方案要點是：通過基于雙向長短期記憶神經網絡和條件隨機場建立的識別模型對目標設備量測數據進行實體識別，得到以標簽標注后用字符向量和詞向量共同表示的短文本序列；將短文本序列擴充后輸入卷積神經網絡，通過學習短文本中的深度特征得到短文本深層語義，并依據短文本深層語義進行聚類處理后得到聚類設備量測數據；通過預構建的訓練模型訓練得到歷史設備量測數據與標準編碼之間的映射關系，并將聚類設備量測數據輸入訓練模型后結合映射關系得到新量測數據預測編碼標簽。本發明能夠對不同設備進行統一、標準化自動編碼處理。

技術領域

本發明涉及電站設備數據處理技術領域，更具體地說，它涉及基于深度神經網絡的設備量測數據處理方法、系統及終端。

背景技術

電站安全監測過程中涉及到多種不同類型的傳感器設備、運行設備，且各個電站之間管理也存在一定的差異，從而使得數據共享時存在一定的困難。目前，各站的核心基礎平臺如監控系統、狀態監測系統中設備量測數據的定義僅考慮各自系統實現，彼時尚無統一的設備量測數據定義標準。各站工作人員對設備量測數據主觀性強，導致文本語言表述簡單，包含詞匯少，且描述多種多樣，相較于PPIS數據規則用詞相對不規范，從而導致執行標準和力度不一，各站設備量測數據難以融通。因此，如何研究設計一種基于深度神經網絡的設備量測數據處理方法、系統及終端是我們目前急需解決的問題。

發明內容

為解決現有技術中的不足，本發明的目的是提供基于深度神經網絡的設備量測數據處理方法、系統及終端。

本發明的上述技術目的是通過以下技術方案得以實現的：

第一方面，提供了基于深度神經網絡的設備量測數據處理方法，包括以下步驟：

通過基于雙向長短期記憶神經網絡和條件隨機場建立的識別模型對目標設備量測數據進行實體識別，得到以標簽標注后用字符向量和詞向量共同表示的短文本序列；

將短文本序列擴充后輸入卷積神經網絡，通過學習短文本中的深度特征得到短文本深層語義，并依據短文本深層語義進行聚類處理后得到聚類設備量測數據；

通過預構建的訓練模型訓練得到歷史設備量測數據與標準編碼之間的映射關系，并將聚類設備量測數據輸入訓練模型后結合映射關系得到新量測數據預測編碼標簽。

進一步的，所述識別模型包括輸入層、雙向長短期記憶網絡層、向量表示層、注意力層、條件隨機場層；

輸入層，用于采用word2vec模型對輸入的字符進行預訓練后得到字符嵌入序列；

雙向長短期記憶網絡層，用于將字符嵌入序列作為雙向長短期記憶網絡各個時間步的輸入，并將正向長短期記憶網絡輸出的狀態序列和反向長短期記憶網絡在各個位置輸出的狀態序列進行拼接，得到由字符向量組成的字符向量序列；

向量表示層，用于通過預構建的詞典對目標設備量測數據進行分詞，并采用cw2vec模型以提取中文筆畫n-gram特征的方式對分詞得到的詞進行預訓練，得到由筆畫信息的詞嵌入向量組成的詞向量序列；

注意力層，用于將詞嵌入向量與相應的字符向量進行關注計算，并通過注意力機制模型動態決定筆畫信息的使用信息量以獲得詞對預測目標的貢獻矩陣，以及將詞向量序列、字符向量序列融合得到的輸出矩陣與貢獻矩陣拼接后得到量測數據序列；

條件隨機場層，用于采用條件隨機場對量測數據序列進行標注，并以過去的標簽和將來的標簽來預測當前的標簽，得到標簽標注后的短文本序列。

進一步的，所述聚類設備量測數據的獲得過程具體為：

利用行業標準術語庫擴充短文本序列中的短文本數據；