典型文献
基于巡视文本挖掘的配电设备运行环境风险预测
文献摘要：
配电设备运行过程中容易受到自然灾害、人为活动、树障、鸟害等综合影响,通过对配电设备的历史巡视记录进行信息挖掘,可为设备风险预警、巡视策略优化提供支撑.为此,提出一种多尺度循环卷积神经网络(multi-scale recurrent convolutional neural network,MRCNN)模型对巡视文本进行环境风险等级分类,并在此结果上进一步提出了最大信息系数-切比雪夫图卷积神经网络(maximum information coefficient-Chebyshev graph convo-lutional network,MIC-ChebNet)模型对环境风险度进行预测.首先,基于字符级的文本表示方法和多尺度循环卷积神经网络对巡视记录进行分类,得到巡视记录对应的环境风险等级;然后,对该地区进行网格划分,统计网格中的环境风险度,根据最大信息系数矩阵生成图网络,并基于MIC-ChebNet对网格中的环境风险度进行时间序列预测;最后对MRCNN模型的分类效果和MIC-ChebNet的预测结果进行评价.实际数据验证结果表明,进行文本分类时,MRCNN模型的分类准确率达到92.40％,较BiLSTM和RCNN分别提高了 1.03％和0.76％;进行环境风险度预测时,MIC-ChebNet的平均相对误差和均方根误差分别为0.06和0.12,相较于XGBoost分别下降了 73.91％和82.86％.该方法可有效对巡视记录中的区域风险度信息进行提取,并准确对未来6 d后设备运行环境风险的空间分布进行预测,为优化巡视周期和路线提供参考.
文献关键词：
深度学习;巡视记录;文本挖掘;文本扩充;图卷积神经网络;风险预测
中图分类号：
作者姓名：
周远翔;葛佳敏;陈健宁;白正
作者机构：
新疆大学电气工程学院电力系统及发电设备控制和仿真国家重点实验室风光储分室,乌鲁木齐830047;清华大学电机系电力系统及大型发电设备安全控制和仿真国家重点实验室,北京100084
文献出处：
引用格式：
[1]周远翔;葛佳敏;陈健宁;白正-.基于巡视文本挖掘的配电设备运行环境风险预测)[J].高电压技术,2022(04):1213-1225
A类：
MRCNN,ChebNet
B类：
文本挖掘,配电设备,设备运行,运行环境,风险预测,人为活动,树障,鸟害,综合影响,巡视记录,信息挖掘,设备风险,风险预警,策略优化,循环卷积神经网络,multi,scale,recurrent,convolutional,neural,network,环境风险等级,风险等级分类,最大信息系数,切比雪夫,图卷积神经网络,maximum,information,coefficient,Chebyshev,graph,MIC,风险度,字符,文本表示,表示方法,网格划分,系数矩阵,成图,图网络,时间序列预测,分类效果,实际数据,数据验证,文本分类,分类准确率,BiLSTM,平均相对误差,XGBoost,别下,区域风险,文本扩充
AB值：
0.314166
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
