为提升电网故障处置预案匹配效率和准确率,提出了基于语义增强的电网故障处置预案匹配方法。首先,通过微调基于变换器双向编码器表征(bidirectional encoder representations from transformers,BERT)模型的超参数,将故障处置预案中多...为提升电网故障处置预案匹配效率和准确率,提出了基于语义增强的电网故障处置预案匹配方法。首先,通过微调基于变换器双向编码器表征(bidirectional encoder representations from transformers,BERT)模型的超参数,将故障处置预案中多调度对象实体表征为可计算词向量,并接入条件随机场(conditional random field,CRF)模型识别调度对象实体类别;然后,基于残差向量-字词嵌入向量-编码向量(residual vector-embedding vector-encoded vector,RE2)计算电网故障信息和调度对象的语义距离,建立基于BERTCRF-RE2的电网故障处置预案匹配模型;最后,通过某地区电网数据进行验证。结果表明,所提模型有效解决了预案匹配准确率低的问题。展开更多
文摘为提升电网故障处置预案匹配效率和准确率,提出了基于语义增强的电网故障处置预案匹配方法。首先,通过微调基于变换器双向编码器表征(bidirectional encoder representations from transformers,BERT)模型的超参数,将故障处置预案中多调度对象实体表征为可计算词向量,并接入条件随机场(conditional random field,CRF)模型识别调度对象实体类别;然后,基于残差向量-字词嵌入向量-编码向量(residual vector-embedding vector-encoded vector,RE2)计算电网故障信息和调度对象的语义距离,建立基于BERTCRF-RE2的电网故障处置预案匹配模型;最后,通过某地区电网数据进行验证。结果表明,所提模型有效解决了预案匹配准确率低的问题。
