基于机器学习的换流站故障分析报告智能分类方法

• 作者: 张子彪 张彦龙 翟登辉 许丹
• 来源期刊: 电气工程学报
• 学科: 工学
• 关键词: 故障分析报告 贝叶斯理论 文本分词 聚类 相似度
• 年，卷（期）: 2019,（1）
• 页码范围: 83-88
• 页数: 6页
• 分类号: TM721.1
• 语种: 中文
• DOI: 10.11985/2019.01.015

摘要

针对换流站故障分析报告大量堆积得不到充分利用的情况,结合机器学习算法对故障分析报告进行智能分类.首先对故障分析报告进行文本分词,并针对分词结果进行建模、聚类分析.第一种方法是利用朴素贝叶斯理论构建模型,提取故障类别与特征词对应关系,当新的故障分析报告产生时,通过贝叶斯计算得到其所属故障类别;第二种方法是利用K-means聚类,根据分词结果将故障分析报告聚成故障簇,新的故障分析报告产生时,根据该故障报告与已有故障簇的相似度对故障分析报告分类.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	翟登辉		9	233	6.0	9.0
2	张彦龙		1	0	0.0	0.0
3	许丹		1	0	0.0	0.0
4	张子彪		1	0	0.0	0.0