[发明专利]一种设备状态的评估方法、装置、计算机设备和存储介质

说明书

本申请涉及一种设备状态的评估方法、装置、计算机设备和存储介质，包括：获取用户针对设备提交的状态描述信息；确定所述状态描述信息对应的文本特征信息，并将所述文本特征信息输入至不同类型的多个初级分类模型，得到所述多个初级分类模型分别输出的状态分类概率值；所述多个初级分类模型分别用于根据文本特征信息预测所述设备的状态为预设故障类型的概率值；将多个状态分类概率值输入至次级分类模型，得到所述次级分类模型输出的设备状态评估结果，实现了在缺少充足缺陷导则数据时获取准确的故障状态评估结果，由于可以采用不同分类模型进行预测，能够多维度地基于状态描述信息进行预测，有效减少了补充缺陷导则数据而花费的人力标注成本。

技术领域

本申请涉及计算机技术领域，特别是涉及一种设备状态的评估方、装置、计算机设备和存储介质。

背景技术

随着电力系统的不断扩展、完善，系统中的电力设备数量也在不断增加。为了保证电力设备的正常运作，往往需要对电力设备的设备状态进行评估。

在现有技术中，可以将质检人员记录的设备缺陷数据与缺陷导则数据进行匹配，确定设备对应的故障状态。然而，在缺陷导则数据不充分的情况下，难以得到准确的故障状态评估结果。

发明内容

基于此，有必要针对上述技术问题，提供一种设备状态的评估方法、装置、计算机设备和存储介质。

一种设备状态的评估方法，所述方法包括：

获取用户针对设备提交的状态描述信息；

确定所述状态描述信息对应的文本特征信息，并将所述文本特征信息输入至不同类型的多个初级分类模型，得到所述多个初级分类模型分别输出的状态分类概率值；所述多个初级分类模型分别用于根据文本特征信息预测所述设备的状态为预设故障类型的概率值；

将多个状态分类概率值输入至次级分类模型，得到所述次级分类模型输出的设备状态评估结果；所述次级分类模型通过对所述多个初级分类模型进行模型融合后得到，所述次级分类模型用于根据所述多个初级分类模型输出的状态分类概率值确定设备状态评估结果。

可选地，所述确定所述状态描述信息对应的文本特征信息，并将所述文本特征信息输入至不同类型的多个初级分类模型，得到所述多个初级分类模型分别输出的状态分类概率值，包括：

获取所述状态描述信息对应的多个文本特征信息；

获取各个文本特征信息对应的初级分类模型；

将所述多个文本特征信息分别输入对应的初级分类模型中，得到对应的初级分类模型输出的状态分类概率值。

可选地，所述获取各个文本特征信息对应的初级分类模型，包括：

当所述文本特征信息包括词向量时，获取与所述词向量对应的第一初级分类模型；所述第一初级分类模型根据具有故障类型标签的多个词向量对卷积神经网络进行训练得到；

当所述文本特征信息包括词频逆文档频率时，获取与所述词频逆文档频率对应的第二初级分类模型；所述第二初级分类模型根据设备故障导则对分类模型进行训练得到；

当所述文本特征信息包括句向量信息时，获取与所述句向量信息对应的第三初级分类模型；所述第三初级分类模型用于将所述句向量信息与设备故障导则进行语义相似度匹配，并根据匹配结果确定状态分类概率值。

可选地，所述获取所述状态描述信息对应的多个文本特征信息，包括：

获取预先训练的词向量模型的模型参数；所述词向量模型根据多个电网文本信息对预训练语言模型进行微调得到；

根据所述模型参数，确定所述状态描述信息对应的词向量。

可选地，还包括：

获取电网垂直领域中的多个电网文本信息；