[发明专利]基于深度学习的智能变电站操作票信息智能搜索匹配方法

权利要求书

1.基于深度学习的智能变电站操作票信息智能搜索匹配方法，其特征在于，包括以下步骤：

S1，利用关键词提取技术提取操作票中的操作对象信息；

S2，建立用于操作票信息智能搜索匹配的双层神经网络模型；

S3，利用相似度计算和排序从SCD文件中提取与操作票信息匹配的DO对象；

步骤S1中，关键词提取技术利用基于BP神经网络模型的由字构词分词法和根据分词结果利用循环神经网络模型实现操作票中操作对象的识别；

步骤S1中，基于BP神经网络模型的由字构词分词法进行分词，其过程如下：

选取操作票每个字前后各K个字，连同该字本身输入共2*K+1个字；选择每个字的向量维度为L，则输入神经网络模型的维度L*(2*K+1)；采用三层BP神经网络，输入层为L*(2*K+1)个神经元，隐藏层为L个神经元，输出层为4个神经元，每个神经元对应该字的词位分别为S,B,M,E的概率，S,B,M,E分别对应字单独成词、词首、词中、词尾；从输出词位概率值中选择概率最大的词位作为该字的词位类别；

步骤S1中，根据分词结果利用循环神经网络模型实现操作票中操作对象的识别，其过程如下：

将所得分词序列依次转换为词向量，选择词的向量维度为M；设定足够长的词数N，不足的后面补空，则循环神经网络模型的输入为M*N的向量，对应循环神经网络模型的输入层；第二层为双LSTM；输出层输出2维的分类情况，输出的分类结果为0和1，代表该词是否为操作对象，0表示否，1表示是；

步骤S2中，搜索匹配采用的规则为：判断两条信息所属的组别是否相同，如果两条信息的组别不同，则认定两条信息不匹配；如果两条信息属于同一组别，再判断两条信息的具体设备信息是否相同，给出最终的匹配结果；

步骤S2中，基于搜索匹配规则，采用双层神经网络模型，第一层区分组内和组外项：组外为‘0’，组内为‘1’；第二层区分匹配项：组内不匹配为‘0’，组内匹配为‘1’；其中每层神经网络模型采用深度BP神经网络或深度循环神经网络，模型的输出为操作票信息与SCD文件中DO对象是否匹配的结果。

2.根据权利要求1所述的基于深度学习的智能变电站操作票信息智能搜索匹配方法，其特征在于，根据每层采用神经网络的不同，双层神经网络共有四种结构，分别为：BP_1、BP_2，表示模型的第一、二层均采用BP模型；BP_1、LSTM_2，表示模型的第一层采用BP模型，第二层采用LSTM模型；LSTM_1、BP_2，表示模型的第一层采用LSTM模型，第二层采用BP模型；LSTM_1、LSTM_2，表示模型的第一、二层均采用LSTM模型。

3.根据权利要求2所述的基于深度学习的智能变电站操作票信息智能搜索匹配方法，其特征在于，步骤S3中，根据步骤S2中神经网络的输出结果是‘0’、‘1’的概率，遍历判断操作票信息与SCD文件中所有DO对象是否匹配；其中‘1’的概率即为相似度或匹配度，其大小表示操作票信息与SCD信息的匹配程度，由此选择匹配度最大的SCD文件中的DO对象作为某条操作票信息的最佳匹配结果。