配电网电力设备缺陷文本智能辨识运维                            

配电网电力设备缺陷文本智能辨识运维

尹艺霏

山东科技大学（济南校区）,山东济南,250000,

摘要：智能电配网电力设备的不断发展，使电力数据的挖掘成为了该领域研究的重点，但是在研究的过程中，由于真正能够利用的数据并不多，所以如何对电力设备缺陷文本内部信息进行深度的挖掘，也就成为了该领域面临的主要发展问题。而由于我国在电力设备缺陷文本挖掘方面才刚刚起步，所以在前进的道路上会面临更多的阻碍和挑战，因此只有对电力设备缺陷文本挖掘的相关技术进行全面的分析和评价，才能在此基础上为其之后的发展铺平道路。基于此，本文以缺陷文本错误识别与质量提升为切入点，来进一步分析缺陷文本缺陷严重等级自动分类以及细节的提取，从而更深层次的探讨缺陷文本健康状态的自动评价以及其的前景展望，希望能为我国在该领域提供一些有参考性的建议。

关键词：配电网；电力设备；缺陷文本；智能辨识运维

前言：智能电网的快速发展，使得电力设备相关文本有了更高的复杂性，这也表明之前所使用的电力设备缺陷文本挖掘技术将被时代所淘汰。不仅如此，电力系统和智能电网的深度推进，也使得电力数据呈现了爆发式的增长，所以只有借助对电力设备缺陷文本的深度挖掘和分析，才能为电网的安全稳定运行奠定坚实的基础，进而在此基础上实现智能电配网的精细化发展[1-2]。

1. 缺陷文本错误识别与质量提升

电力设备的日常运维，使得电力设备文本系统中缺陷文本被大量的堆积，再加上电力设备不仅缺陷种类繁多，而且数量又十分庞大，所以根据现有的规范，并不能对其进行全面深度的总结。不仅如此，电力缺陷文本主要采用的是人为记录的方法苏破译，有时会因为记录人员个人能力、经验的不足，导致文本出现错误以及残缺的问题。

1.1缺陷文本错误识别

在对电力设备缺陷文本进行错误识别时，应借助对电力设备相关缺陷的完整记录，来确保其质量的提升。由于我国在文本错误识别领域起步比较晚，相关的研究以及文献也不多，所以当前在对电力设备缺陷文本进行研究时，主要将目光放到了质量欠佳的历史缺陷文本上，并希望在立足于电力设备缺陷文本分类规划的基础上，来找寻相应的缺陷矫正方法，以更好的完善相关的设备缺陷。具体来说，首先将缺陷文本录入到信息管理系统中，然后通过对文本质量评价方法的有效应用，还明确其的问题，之后再借助缺陷文本质量评价方法，来对修改前后的缺陷文本记录数据进行评价和打分，最后再根据评价结果，分析出缺陷文本错误识别的结果。而如果分析的对象是大规模的文本信息时，可以应用知识图谱，来更好地发挥查错、检索等功能。

1.2缺陷文本质量评价与提升

由于深度挖掘的效果会受到缺陷文本质量的影响，所以深度挖掘的基础应是高质量的缺陷文本库。具体来说，大部分设备缺陷文本都是采用人工录入的方式，所以在此过程中可能会存在语病、文本录入不规范等问题，而当前为了实现缺陷文本质量的智能评价与提升，会将自然语言处理技术和机器学习技术应用其中，以借此来对常规中文文本进行错误纠正。而要想提升电力设备缺陷文本的质量，还需要做好以下几个方面的工作。第一，在立足于电网公司缺陷文本的基础上，对其所存在的问题进行深入分析。第二，根据这些问题，来制定缺陷文本质量评价指标，并建立相应的评分体系。第三，根据文本质量的评价结果，来对质量欠佳的历史缺陷文本展开相应的研究。第四，根据电力设备缺陷文本的分类规范，来对文本的内容进行修改，最后根据文本质量的评价方法以及相关问题的分析，给出相应的修改意见。

2. 缺陷文本缺陷严重等级自动分类

在电力系统进行巡检时，经常会出现缺陷文本大量累积的现象，所以设备缺陷等级的分类就显得尤为重要。然而在对其进行严重的等级分类时，主要依靠的是人工的方式来完成，这不仅会影响分类的精确性，还会导致实际的效率并不高。所以当前人工智能的普及和发展以及模式识别的全面开发，使得电力设备缺陷严重等级分类可以更好地与多种机器的学习模型相结合，从而在提高分类效率的同时，还能提高分类的精确度。但是在应用智能识别和机器学习时，会因为特征函数，而出现特征性丢失和模糊的问题，因此基于卷积神经网络的电力设备缺陷文本挖掘算法应运而生。

3. 缺陷文本缺陷细节提取

在电力设备进行日常运营时，电力设备的异常和维护信息通常会以非结构化数据的形式被录入到管理系统中，而数据的形式主要是以文本形式为主。而在对大量缺陷文本信息进行相应的研究和分析时，可以发现一条缺陷文本信息中会包含同一设备多个零件的缺陷，从而导致信息记录的错乱无序。而通过对缺陷记录中缺陷细节的有效提取，既可以实现有效的评价，也能够实现高效地分析。

4. 缺陷文本健康状态自动评价

除了对缺陷文本的缺陷情况进行深入分析以外，还可以借助对健康状态历史记录的有效分析，来明确评价设备的运行状态，进而在此基础上对电力设备未来的发展趋势进行科学预测。而健康状态的评价方法主要分为以下两种，一个是基于评价导则与专家系统的方法，另一个则是基于人工智能技术构建神经网络的方法。而第一种方法，因为花费的时间长，成本投入较高，所以并不是最为理想的选择。所以大多数情况下会应用第二种方法。

5. 电力设备缺陷文本信息挖掘前景展望

首先，是构建高质量电力本体词典。这是因为电力设备缺陷文本挖掘技术的基础就是电力本体词典，所以最终的挖掘效果会深受电力本体词典质量的影响。再加上，电力领域不仅方向众多，而且词汇也非常复杂，所以这就导致在构建高质量电力本体词典的过程中会面临很多的困难。但即便如此，我们也要通过相关的研究来构建高质量电力本体词典，从而在立足于非结构化文本数据的基础上，来与结构化的多元数据进行高度的融合，进而通过实时的在线扩充，来解决电力设备缺陷文本挖掘方面的问题。其次，使知识图谱在电力设备缺陷文本信息体系中有着更加深入的应用，因为这不仅能够更好地进行有效知识的融合，还能全面详细地进行复杂信息的表达[3]。

6. 结语

综上所述 借助对电力设备缺陷文本智能辨识技术的有效应用，可以更好地实现电力设备缺陷文本的挖掘，进而在多种技术的融合加持下，拥有更加智能的效果。

参考文献

[1]肖发龙，吴岳忠，沈雪豪，等．基于深度学习和知识图谱的变电站设备故障智能诊断[J].电力建设，2022，43(3):66-74．

[2]郑翔，王慧芳，严娴峥，等．用于APP的缺陷文本自动分类与质量保证方法[J].电力系统及其自动化学报，2020，32(7):131-136．

[3]邵冠宇，王慧芳，何奔腾．电网设备缺陷文本的质量评价与提升方法[J].电网技术，2019，43(4):1472-1479.