基于深度语义学习的智能录波器自配置方法

智能录波器的基础配置工作是将全站配置描述文件(Substation Configuration Description,SCD)中智能二次设备(Intelligent Electronic Device,IED)各运行数据输出端口的地址信息分类映射至录波器不同信息组中.目前主流配置方法是针对端口的文本描述进行人工配置.在大规模高电压等级变电站内端口文本描述繁杂,人工操作耗时长,工作量大.针对该现状,提出了基于字符级TextCNN深度语义学习的智能录波器自配置方法.首先利用word2vec模型针对高维稀疏的文本样本矩阵进行降维与稠密化处理,实现字符词向量的分布式表达.之后建立TextCNN模型,...

Full description

Saved in:
Bibliographic Details
Published in电力系统保护与控制 Vol. 49; no. 2; pp. 179 - 187
Main Authors 陈旭, 张弛, 刘千宽, 彭业, 周达明, 甄家林
Format Journal Article
LanguageChinese
Published 中国南方电网电力调度控制中心,广东广州 510663%武汉凯默电气有限公司,湖北武汉 430023 16.01.2021
Subjects
文本挖掘
词向量分布式表达
智能录波器
文本卷积神经网络
信息自配置
Online AccessGet full text

Cover

More Information
Summary:智能录波器的基础配置工作是将全站配置描述文件(Substation Configuration Description,SCD)中智能二次设备(Intelligent Electronic Device,IED)各运行数据输出端口的地址信息分类映射至录波器不同信息组中.目前主流配置方法是针对端口的文本描述进行人工配置.在大规模高电压等级变电站内端口文本描述繁杂,人工操作耗时长,工作量大.针对该现状,提出了基于字符级TextCNN深度语义学习的智能录波器自配置方法.首先利用word2vec模型针对高维稀疏的文本样本矩阵进行降维与稠密化处理,实现字符词向量的分布式表达.之后建立TextCNN模型,基于其多层次抽象化提取样本特征的结构特点进行文本语义挖掘与分类.依据文本分类结果实现端口地址信息的分类映射.案例分析表明,基于TextCNN模型的录波器自配置方法具有分类时间短与分类精度高的优点,提高了录波器自动化配置的准确性.
ISSN:1674-3415
DOI:10.19783/j.cnki.pspc.200367