电工电气杂志社

基于自然语言处理的电力缺陷自动评级方法研究

来源：电工电气发布时间：2025-01-23 12:23 浏览次数：2

基于自然语言处理的电力缺陷自动评级方法研究

上官诚江¹，陈丽霞²

(1 福建信息职业技术学院，福建福州 350007

2 国网福建省电力有限公司福州供电公司，福建福州 350007)

摘要：现有电网的电力设备缺陷评级采用人工分类的方式，效率低且容易引入人为因素造成误分类和误评级等问题。提出了一种基于自然语言处理的缺陷自动评级方法及处置建议推送，根据电力设备缺陷文本的特点，提出基于树路径匹配算法的缺陷分类方法；针对缺陷分支定位问题，提出了基于文本相似度匹配的缺陷分类方法，对树路径匹配算法进行补充，同时实现处置建议推送。通过算例分析和测试，验证了所提方法的可行性和有效性。

关键词： 自然语言处理；电力设备缺陷文本；自动评级；处置建议推送

中图分类号：TP18 文献标识码：A 文章编号：1007-3175(2025)01-0066-06

Research on Automatic Rating Method for Electric Power Defects

Based on Natural Language Processing

SHANGGUAN Cheng-jiang¹, CHEN Li-xia²

（1 Fujian Polytechnic of Information Technology, Fuzhou 350007, China;

2 Fuzhou Power Supply Company of State Grid Fujian Electric Power Co., Ltd, Fuzhou 350007, China）

Abstract: The current method of power equipment defect rating in the grid adopts manual classification, which is inefficient and prone to misclassification and misrating due to human factors. Based on this, this paper proposes an automatic defect rating method and disposal recommendation push based on natural language processing. Firstly, according to the characteristics of power equipment defect texts, a defect classification method based on tree path matching algorithm is proposed. Then, aiming at the problem of defect branch localization, a defect classification method based on text similarity matching is proposed to complement the tree path matching algorithm, while achieving the disposal recommendation push. Finally, through case analysis and testing, the feasibility and effectiveness of the proposed method in this paper are verified.

Key words: natural language processing; power equipment defect text; automatic rating; disposal recommendation push

参考文献

[1] 程乐峰，余涛，张孝顺，等. 机器学习在能源与电力系统领域的应用和展望[J] . 电力系统自动化，2019，43(1) ：15-31.

[2] 李昊旻. 电子病历的标准化结构化方法研究及实践[D].杭州：浙江大学，2008.

[3] 刘家川. 改善电力设备检修管理提高设备运行可靠性[J].设备管理与维修，2013(7) ：8-9.

[4] 杨帆，黄河，李海英，等. 基于 ERNIE 预训练的电力设备缺陷文本挖掘方法[J] . 电气传动，2022，52(14) ：52-58.

[5] 刘梓权，王慧芳，曹靖，等. 基于卷积神经网络的电力设备缺陷文本分类模型研究[J] . 电网技术，2018，42(2) ：644-650.

[6] 刘梓权，王慧芳. 基于知识图谱技术的电力设备缺陷记录检索方法[J] . 电力系统自动化，2018，42(14) ：158-164.

[7] 曹湘，李誉坤，钱叶，等. 基于混合神经网络的电力短文本分类方法研究[J] . 计算机与数字工程，2019，47(5) ：1145-1150.

[8] 郑翔，王慧芳，严娴峥，等. 用于 APP 的缺陷文本自动分类与质量保证方法[J] . 电力系统及其自动化学报，2020，32(7) ：131-136.

[9] 张鹏，王玮，赵德伟，等. 基于文本挖掘的电力设备缺陷用户画像构建[J]. 科技风，2019(33) ：177-180.

[10] 邵冠宇，王慧芳，吴向宏，等. 基于依存句法分析的电力设备缺陷文本信息精确辨识方法[J]. 电力系统自动化，2020，44(12) ：178-185.

[11] 郭红兵，夏洪刚，闫军，等. 输变电设备状态检修辅助决策系统开发与应用[J] . 内蒙古电力技术，2013，31(4) ：1-6.

[12] 肖永立，刘松，见伟，等. 一种基于 FP-growth 算法的变电站二次设备缺陷分析方法[J] . 电测与仪表，2020，57(12) ：83-90.

[13] 邵冠宇. 电力设备缺陷文本挖掘技术及其在设备健康状态评价中的应用[D]. 杭州：浙江大学，2019.

返回索引列表

Article retrieval

文章检索

基于自然语言处理的电力缺陷自动评级方法研究