电力设备运维过程中积累了大量缺陷图像与文本数据,这些数据对指导电力设备故障诊断及维护决策具有重要意义。针对现有电力设备缺陷分类任务中数据形式单一、融合层次浅、数据质量差等问题,该文提出了一种基于改进注意力机制和对比学习...电力设备运维过程中积累了大量缺陷图像与文本数据,这些数据对指导电力设备故障诊断及维护决策具有重要意义。针对现有电力设备缺陷分类任务中数据形式单一、融合层次浅、数据质量差等问题,该文提出了一种基于改进注意力机制和对比学习的图文融合分类方法(image-text fusion classification method based on improved attention mechanism and contrastive learning,IAC-ITFusion)。首先,该方法设计了一种双循环跨模态注意力机制(dual-cycle cross-modal attention,DCCA),用于捕捉图文数据映射关系的同时整合特征信息。其次,基于对比学习的思想,提出了一种注意力引导损失函数,用于调控DCCA机制的学习方向,使其聚焦于正确的特征信息,实现图文数据特征的有效融合。最后,针对电力线、变电站设备缺陷图文融合分类任务进行实验验证,结果显示所提方法准确率分别达到98.48%和98.57%,证明了该方法在电力设备缺陷图文融合分类任务上的有效性,对于推动电力设备运维智能化发展具有重要意义。展开更多
电力变压器缺陷文本蕴含大量与设备可靠性密切相关的信息,可为变压器的智能化运维及寿命周期管理提供重要支撑。依托基于Transformer的双向编码器表示(bidirectional encoder representation from transformers,BERT)模型,文章提出一种...电力变压器缺陷文本蕴含大量与设备可靠性密切相关的信息,可为变压器的智能化运维及寿命周期管理提供重要支撑。依托基于Transformer的双向编码器表示(bidirectional encoder representation from transformers,BERT)模型,文章提出一种融合乱序语言模型预训练BERT(pre-training BERT with permuted language model,PERT)与高效全局指针(efficient global pointer,EGP)网络的电力变压器缺陷文本实体识别方法。首先,在大规模中文语料库上利用乱序语言模型进行预训练以形成PERT模型。其次,PERT作为语义编码层,以深入挖掘实体内部的语义依赖关系,并捕捉复杂文本中的语言特征;EGP作为信息解码层,专注于精确定位关键信息并提取实体在缺陷文本中的分布特征,进而准确识别缺陷实体。最后,运用PERT-EGP模型识别缺陷文本中包含的缺陷设备、缺陷部件、缺陷部位、缺陷现象和缺陷程度5类实体。算例结果表明,相较于现有方法,该方法不仅在成分复杂的复合实体和长文本上效果提升显著,而且大幅缩短模型训练时间,具有更好的文本识别性能。展开更多
针对配电网电力设备缺陷文本信息分散、运维响应滞后、智能化识别精度不足等问题,提出一种基于物联网通信的配电网电力设备缺陷文本智能辨识运维技术。该技术构建窄带物联网(Narrow Band-Internet of Things,NB-IoT)数据采集传输网络,...针对配电网电力设备缺陷文本信息分散、运维响应滞后、智能化识别精度不足等问题,提出一种基于物联网通信的配电网电力设备缺陷文本智能辨识运维技术。该技术构建窄带物联网(Narrow Band-Internet of Things,NB-IoT)数据采集传输网络,采用深度学习融合自然语言处理算法自动识别缺陷文本,基于边缘计算框架建立运维决策响应机制,有效提高配电网电力设备的缺陷识别准确率与运维处置效率。实验结果表明,与传统运维模式相比,该技术在缺陷文本识别精度、处理速度、运维响应时间等指标上均取得显著改善。展开更多
文摘电力设备运维过程中积累了大量缺陷图像与文本数据,这些数据对指导电力设备故障诊断及维护决策具有重要意义。针对现有电力设备缺陷分类任务中数据形式单一、融合层次浅、数据质量差等问题,该文提出了一种基于改进注意力机制和对比学习的图文融合分类方法(image-text fusion classification method based on improved attention mechanism and contrastive learning,IAC-ITFusion)。首先,该方法设计了一种双循环跨模态注意力机制(dual-cycle cross-modal attention,DCCA),用于捕捉图文数据映射关系的同时整合特征信息。其次,基于对比学习的思想,提出了一种注意力引导损失函数,用于调控DCCA机制的学习方向,使其聚焦于正确的特征信息,实现图文数据特征的有效融合。最后,针对电力线、变电站设备缺陷图文融合分类任务进行实验验证,结果显示所提方法准确率分别达到98.48%和98.57%,证明了该方法在电力设备缺陷图文融合分类任务上的有效性,对于推动电力设备运维智能化发展具有重要意义。
文摘电力变压器缺陷文本蕴含大量与设备可靠性密切相关的信息,可为变压器的智能化运维及寿命周期管理提供重要支撑。依托基于Transformer的双向编码器表示(bidirectional encoder representation from transformers,BERT)模型,文章提出一种融合乱序语言模型预训练BERT(pre-training BERT with permuted language model,PERT)与高效全局指针(efficient global pointer,EGP)网络的电力变压器缺陷文本实体识别方法。首先,在大规模中文语料库上利用乱序语言模型进行预训练以形成PERT模型。其次,PERT作为语义编码层,以深入挖掘实体内部的语义依赖关系,并捕捉复杂文本中的语言特征;EGP作为信息解码层,专注于精确定位关键信息并提取实体在缺陷文本中的分布特征,进而准确识别缺陷实体。最后,运用PERT-EGP模型识别缺陷文本中包含的缺陷设备、缺陷部件、缺陷部位、缺陷现象和缺陷程度5类实体。算例结果表明,相较于现有方法,该方法不仅在成分复杂的复合实体和长文本上效果提升显著,而且大幅缩短模型训练时间,具有更好的文本识别性能。
文摘针对配电网电力设备缺陷文本信息分散、运维响应滞后、智能化识别精度不足等问题,提出一种基于物联网通信的配电网电力设备缺陷文本智能辨识运维技术。该技术构建窄带物联网(Narrow Band-Internet of Things,NB-IoT)数据采集传输网络,采用深度学习融合自然语言处理算法自动识别缺陷文本,基于边缘计算框架建立运维决策响应机制,有效提高配电网电力设备的缺陷识别准确率与运维处置效率。实验结果表明,与传统运维模式相比,该技术在缺陷文本识别精度、处理速度、运维响应时间等指标上均取得显著改善。
