多源异构数据融合的电力变压器状态评价方法

摘要：

在设备运行维护中,记录了设备运行状态的非结构化数据尚未被挖掘并利用.为此,基于深度学习思想,提取运行检修过程中产生的设备缺陷记录的语义信息,并结合结构化的检测数据信息,提出了一种多源异构数据融合的电力变压器状态评价方法.该方法首先建立可识别电气专业术语的自定义词典,利用深度语义学习网络构建缺陷记录与缺陷等级间的深层映射关系;继而将基于结构化数据的计算结果和基于非结构化数据的计算结果进行加权求和,得到了不同运行状态下的隶属度.实验结果表明,所提出的非结构化信息挖掘方法具有98％～99％的分类准确度,且基于多源异构数据的变压器运行状态评价准确度这96.67％,可较准确地评估设备运行状态.

关键词：电力变压器、深度学习、文本挖掘、状态评估、自然语言处理、多源异构数据

所属期刊栏目：32

分类号：TM41;TB114(变压器、变流器及电抗器)

资助基金：国家自然科学基金项目51777082

在线出版日期：2019-12-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：137-145