基于数据增强和深度学习的水电站告警事件诊断
针对水电告警事件传统诊断方法存在效率低下、准确率不足等缺陷,设计了一种融合先验知识的数据增强方法和基于双向简单循环单元网络的层级注意力深度学习框架.针对水电告警规则不完善的问题,采用隐含狄利克雷分布-序列推理增强模型构建告警信号与告警特征间的映射机制;结合该水电告警先验知识提出改进隐含狄利克雷分布方法增强样本数据,最终由层级注意力模型学习样本特征并输出诊断结果.测试算例为某水电集控中心的实际告警数据,测试结果表明,所提方法可在低资源训练环境下实现快速和高准确率的水电告警事件诊断.
水电站告警事件、文本数据增强、注意力机制、深度学习、先验知识
43
TM73;TM622(输配电工程、电力网及电力系统)
2023-08-22(万方平台首次上网日期,不代表论文的发表时间)
共8页
88-95