基于BiLSTM-Attention的电网告警信息缺陷风险预警

• 作者: 郑俊翔 施正钗 周泰斌 陆千毅 黄达铁
• 来源期刊: 浙江电力
• 关键词: 告警信息 缺陷分类 注意力机制 双向长短时记忆网络 风险预警
• 年，卷（期）: 2021,（8）
• 所属期刊栏目: 电力大数据与人工智能|Power Big Data and Artificial Intelligence
• 页码范围: 33-39
• 页数: 7页
• 分类号: TM732
• 语种: 中文
• DOI: 10.19585/j.zjdl.202108005

摘要

为实现对SCADA(数据采集与监视)系统海量告警信息的缺陷辨识和风险分析,提出了一种基于自然语义分析的电网告警信息文本缺陷风险预警方法.将基于BiLSTM-Attention神经网络的语义分析技术与模糊化缺陷风险评估方法相结合,首先对告警信息文本进行数据预处理;利用Word2vec模型进行词嵌入向量表征后作为BiLSTM层输入;然后通过注意力机制增强对告警信息中与缺陷程度相关的特征并完成缺陷等级分类;最后利用缺陷评估方案进行N-1风险定级和预警.经测试和应用分析表明:基于该方法的判断模型能够精准完成告警信息的缺陷分类定级,实现告警信息的缺陷风险预警,可为调控人员缺陷处置提供辅助决策.