文档名：基于注意力机制优化组合神经网络的电力缺陷等级确定方法
摘要：为解决电力缺陷描述专业词汇较多分词准确率不佳以及单一神经网络模型自身存在不足的问题,提出了基于注意力机制优化组合神经网络的电力缺陷等级确定方法.该方法使用分布式字粒度向量对电力缺陷描述进行表示,使用由卷积神经网络和双向长短时记忆网络组成的卷积循环神经网络对电力缺陷描述的局部特征和序列特征进行特征提取,采用注意力机制对组合神经网络得到的语义特征进行权重分配,减少关键特征的丢失,进一步增强关键信息对分类结果的影响.以云南电网公司2014年-2019年间11万条缺陷描述数据作为实验对象,文中所提方法的Acc、MF1值和WF1值分别为0.9275、0.9112和0.9275,验证了该方法在电力缺陷等级确定中的有效性和可行性,为电网的智能化运行提供帮助.
Abstract：Inordertosolvetheproblemthattheaccuracyofwordsegmentationinpowerdefectdescriptionsisnotgoodandthesingleneuralnetworkmodelhasitsownshortcomings,adeterminationmethodofdefectgradesinelectricalequip-mentbasedoncombinationneuralnetworkoptimizedbyattentionmechanismisproposedinthispaper.Thedistributedcharactergranularityvectorisusedforrepresentationofpowerdefectdescriptions.Thelocalfeaturesandsequencefea-turesofpowerdefectdescriptionsareextractedbyusingtheconvolutionalrecurrentneuralnetworkwhichiscomposedbyconvolutionalneuralnetworkandbidirectionallongshort-termmemorynetwork.Theattentionmechanismisusedtoassignweightsofthesemanticfeaturesobtainedbythecombinationneuralnetwork,soastoreducethelossofkeyfeaturesandfurtherenhancetheinfluenceofkeyinformationontheclassificationresults.Taking110000defectdescriptiondataofYunnanPowerGridCompanyfrom2014to2019asexperimentalobjects,theAcc,MF1andWF1valuesofthemethodpro-posedinthispaperare0.9275,0.9112and0.9275,whichillustratesthattheproposedmethodiseffectiveandfeasibleinthedeterminationofthepowerdefectgrades,andprovideshelpforintelligentoperationofpowergrid.
作者：程宏伟 高莲 于虹 李鹏 Author：CHENGHongwei GAOLian YUHong LIPeng
作者单位：云南大学信息学院,昆明650500云南电网有限责任公司电力科学研究院,昆明650500
刊名：电测与仪表
Journal：ElectricalMeasurement&Instrumentation
年，卷(期)：2024, 61(1)
分类号：TM721
关键词：卷积循环神经网络 字粒度 注意力机制 电力缺陷描述 状态评价
Keywords：convolutionalrecurrentneuralnetwork charactergranularity attentionmechanism powerdefectdescrip-tions conditionassessment
机标分类号：TP391O152.7TP183
在线出版日期：2024年2月3日
基金项目：国家自然科学基金，云南省应用基础研究计划重点项目基于注意力机制优化组合神经网络的电力缺陷等级确定方法[
期刊论文] 电测与仪表--2024, 61(1)程宏伟 高莲 于虹 李鹏为解决电力缺陷描述专业词汇较多分词准确率不佳以及单一神经网络模型自身存在不足的问题,提出了基于注意力机制优化组合神经网络的电力缺陷等级确定方法.该方法使用分布式字粒度向量对电力缺陷描述进行表示,使用由卷积...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于注意力机制优化组合神经网络的电力缺陷等级确定方法 A determination method of defect grades in electrical equipment based on combination neural network optimized by attention mechanism
基于注意力机制优化组合神经网络的电力缺陷等级确定方法.pdf
- 文件大小:
- 4.92 MB
- 下载次数:
- 60
-
高速下载
|
|
