关键词:
配网故障调度处置
知识图谱
深度学习
知识抽取
摘要:
随着电网信息化建设水平的不断提升,电网领域存在着大量的半结构化或非结构化的文本数据,但多源异构的电力数据无法直接应用到基于深度学习的模型参数训练,且人工标注电力文本数据的成本较高。为深度挖掘电网领域文本数据,满足高效响应的业务需求。首先,本文提出了基于BERT-BiGRU-CRF的深度学习模型,对配电网故障文本数据进行知识抽取,可有效解决电力领域小样本数据实体识别效果差的问题。其次,建立配电网故障调度处置的知识图谱,将多源异构的电力领域的数据转化为知识;再次,设计实验证明本文所提配电网故障处置辅助决策功能的有效性,模型的准确率达到96.15%,F_1值达到98.04%;最后,利用Neo4j图数据库可视化展示建立的知识图谱,并在配电网故障处置调度辅助决策中的应用进行分析。