基于BERT预训练与混合神经网络的中文语义识别算法设计

针对现阶段电力智能客服沟通效率低且语义理解能力不佳的问题,文中基于BERT预训练模型和混合神经网络提出了一种中文语义识别算法。该算法使用BERT模型进行词嵌入表示,在得到深度编码信息的同时还可以获取上下文联系信息。通过将Bi-GRU、注意力机制以及CRF模型进行融合,使其能够处理基于上下文的词向量。同时构建的混合神经网络也可以捕获词向量的多维特征信息,进而全面提升模型的意图识别及中文语义理解能力。在实验测试中,所提算法的意图识别准确率与F1值相较于基线算法分别提升了11.3%和6.6%,表明对语料的预训练可以有效提升模型语义识别的能力。

高压输电线路故障测距的算法研究

高压和超高压输电线路故障测距能及时、准确的找到故障点,不仅能快速修复线路,发现绝缘隐患和保证可靠供电,而且对保证整个电力系统的安全稳定和经济运行都有十分重要的意义。针对目前高压输电线路故障测距中存在的问题,基于迭代故障分析法展开了深入的研究和探讨,从推导过程分析得出单端测距无法同时消除过渡电阻和对侧系统阻抗的影响。而双端测距从理论上解决了单端测距的原理性误差,提高了测距精度。

微网技术综述

介绍了研究微网的意义、微网的定义、微网的基本结构及特点,讨论了研究微网的关键技术问题,包括控制技术、保护策略等。最后指出目前微网研究上的一些缺陷和不足,指出将来微网研究的方向,应该给微网作出统一定义,规划统一结构,得出统一保护方案及配置,为前期微网的研究工作做好准备。

基于相空间重构参数优化的风电功率混沌属性判定

基于风电功率时间序列是一组非线性的随机序列,其内在规律复杂而多变,传统的预测手段很难对风电功率做出高精度的预测。研究风电功率内在特性是做出高精度预测的先行条件。相空间重构法能有效地展示非线性时间序列的内在混沌属性。采用C-C算法构造一个非线性时间序列的嵌入,有效减少计算的同时又保持了功率序列的非线性特性,并同步计算出嵌入维数和延迟时间。在重构的相空间基础上通过小数据量法计算出风电功率序列的最大李雅普诺夫指数,揭示了风电功率的内在特性,说明了风电功率混沌属性的判定原理和计算方法。

混合钳位式三电平变流器控制方法研究

分析了混合钳位式三电平逆变器的4种开关工作状态及其钳位桥臂内侧功率开关器件关断过电压的原理,对其64种电压空间矢量在不同功率因数情况下对中点电位的影响特性进行分析,并给出了独特的中点电位平衡调制策略;在对钳位电容电压充、放电过程分析的基础上,针对不同能量流动方向,分别提出了利用开关状态切换的方式实现钳位电容电平衡的调制策略,并给出了详细的电压空间矢量优化选择方法。设计了基于TMS28335+XinlinxCPLD/FPGA的控制电路和主电路,验证了其钳位机制的正确性及调制方法的有效性。