[发明专利]一种基于深度学习的电网故障处置预案语义建模系统及方法

说明书

本发明公开了一种基于深度学习的电网故障处置预案语义建模系统及方法，采用词向量模块完成故障处置预案文本向量化表示，采用预案实体识别模块和预案关系抽取模块完成对故障处置预案文本中全部实体成分提取，采用预案意图理解模块完成对故障处置预案中不同处置片段的意图判别，基于不同意图完成不同设备类型表的选择，进而完成设备快速映射。本发明各模块相互配合使用，能够快速、准确的实现故障处置预案中关键信息提取，解决了故障处置预案电子化时人工提取和智能化水平低的问题，在故障处置时依赖人工翻阅故障处置预案文档效率极低的问题，相比于一般的预案提取方式，更为合理，准确率得到很大的提升。

技术领域

本发明涉及自然语言处理与电网调控交叉领域，尤其涉及一种基于深度学习的电网故障处置预案语义建模系统及方法。

背景技术

随着特高压交直流混联电网的迅速发展，电网规模不断扩大，运行方式灵活多变，电网调控业务越来越复杂，调控人员工作强度也越来越大，这对调控业务的自动化、智能化提出了更高的要求。特别是在电网发生故障的情况下，要求快速解决故障，保证供电稳定性，对电网故障处置系统提出了更高的要求。目前排查电网故障方式及解决方案主要依赖于调度人员根据电网故障处置预案结合调度自动化系统实时信息进行故障处置。

电网运行方式日益复杂，单一故障引发连锁故障风险增加、运行方式规定显著增多、人工处置风险增加、经验难以复用等问题增加了故障处置的难度。故障方式复杂多样，对调度人员经验性依赖严重，新进调度人员工作产生极大的压力。因此，需要快速准确的对故障预案关键信息进行抽取，实现故障处置智能化。故障预案关键信息的自动抽取能极大的减少调度人员的工作强度，降低人工操作风险和工作负荷。同时为后续的电网故障处置、预案校核等应用提供支撑。

发明内容

本发明的目的就是要提供一种基于深度学习的电网故障处置预案语义建模系统及方法，解决故障处置时主要依赖于人工经验，智能化水平低的问题，该系统能快速、准确的抽取电网故障预案中的关键信息，为后续的电网故障处置、预案校核等应用提供支撑。