论文部分内容阅读
随着我国智能电网的发展,智能变电站的应用越来越广泛,变电站内二次设备的智能化水平和数量都有了很大提高,智能二次设备对电力系统安全稳定运行起到了重要作用,因此需要对二次设备进行更及时精准的检修与维护。智能变电站二次设备缺陷的发现主要靠能量管理系统(Energy Management System,EMS)中的设备自动产生的告警信号来确定,但告警信号数量巨大,且含有大量干扰与无用信号,对于运维人员发现真正代表有二次设备缺陷的告警信号造成了很大困难,亟需寻找一种智能高效的告警信息筛选分析方法来帮助运维人员准确找出二次设备缺陷告警信号。二次设备产生的海量告警信号为文本信息,近年来自然语言处理(Natural Language Processing,NLP)理论的兴起和深度学习(Deep Learning,DL)理论的发展使得对告警信息进行智能分析处理成为可能。本文在深入研究了 EMS告警信息特点的基础上,结合实际设备运维情况与告警信息历史数据,提出了基于深度学习技术的告警信息分析方法,主要包括人工经验筛选法与深度学习筛选法两个步骤,实现了对海量告警信号的智能准确筛选,并使用实际数据对本方法的可行性进行了验证。主要完成了以下工作:(1)介绍了本文的研究背景与意义,对EMS告警信息分析技术与深度学习自然语言处理技术的研究现状进行了详细介绍,总结了深度学习技术的先进性;(2)提出了高效的人工经验筛选法,介绍了原始告警信号的特点与产生机制,并对人工经验筛选法原理进行了详细介绍。人工经验筛选法包括字段划分、关键字选取和筛选方案,其中筛选方案根据告警信号类型的不同又分为关键字筛选法、日期时间对比法和频率统计法;(3)提出了基于长短期记忆网络(Long Short-Term Memory,LSTM)的深度学习筛选法,并对其原理作了详细介绍。介绍了深度学习筛选法的总体流程,重点介绍了深度学习技术原理,包括人工神经网络、循环神经网络与LSTM模型原理,最后对文本向量化技术进行了简要介绍;(4)使用实际告警信息数据进行实验,对本文提出的基于深度学习技术的EMS告警信息分析方法验证。使用Microsoft SQL Server数据库进行人工经验筛选法的处理,得到部分缺陷告警信号以及关键字筛选法得出的疑似缺陷告警信号。然后将人工经验筛选法处理结果作为深度学习筛选法的输入数据,进行合适的预处理与文本向量化,对LSTM分类器进行训练与验证,使用MATLAB软件反复实验寻找最佳参数,得出了筛选准确率。最后进行了与传统机器学习分类方法的对比与性能评价,证明了本文提出的方法综合分类准确率较高,漏选率、误选率均较低,建立的筛选系统可用于实际应用,实际具有可行性;(5)最后对论文全文进行了总结,并对后续研究进行了展望。