基于改进决策树算法的电能计量装置故障自动化诊断系统

电网中电能计量装置具有周检工作量大、数量多、巡检成本较高、巡检效率较低以及故障定位用时较长等问题,该文提出以改进决策树算法为依据的电能计量装置故障自动化诊断系统。设计相应的电能计量装置在线监测流程,结合数据挖掘以及决策树算法进行算例模型的搭建。经过实验验证,所提系统能够更高效地进行故障诊断,同时其自动化诊断故障的准确率相比人工判读更高。

基于非结构化数据和CNN-BiLSTM的配电网设备缺陷分析模型构建

为确定配电网设备缺陷等级,提出一种基于非结构化数据和CNN-BiLSTM的配电网设备缺陷自动分析方法。首先,提出本配电网设备缺陷自动分类的整体思路;然后通过采用word2Vec对非结构化数据进行处理,并构建基于注意力机制的CNN-BiLSTM缺陷等级分析模型进行数据分析;最后,仿真验证了上述方法的可行性。结果表明,与单一的CNN和CNN-BiLSTM模型相比,本研究所提方法通过利用注意力机制提高了电力设备缺陷描述文本语义特征中重要信息的权重,继而使分析模型的各项性能指标得到提升,其中Acc准确性指标提升4%~5%,MF1指标提升5%~6%,WF1指标提升3%~4%。由此得出,本缺陷分析模型可精准对电力缺陷描述文本进行缺陷等级分析,具有一定的可行性与有效性。