基于电力系统二次设备功能缺陷文本数据的设备智能诊断

为了提高电力系统二次设备故障诊断效率和准确性、降低人工劳动强度及提升系统运行稳定性等,提出了一种面向电力系统二次设备的智能诊断方法。首先分析大量文本数据中存在的特征信息;然后利用深度神经网络模型实现文本数据向高维空间映射,得到更加抽象化的语义表示向量,并以此构建电力系统二次设备智能诊断模型;最后将该模型应用于实际电网工程项目中验证所提方法的有效性与可行性。在某大型火力发电厂进行了现场实验,实验结果表明设计的电力设备故障智能诊断模型能快速识别出电力系统二次设备故障类型及位置分布情况,同时可根据电力设备当前状态来判断其是否需维修或更换,具有较强的实用价值。此外,针对电力设备故障诊断过程中出现的一些不足之处进行了相应改进,以期为后续工作提供一定帮助。