典型文献
基于深度学习的智能录波器配置数据自动化映射方法
文献摘要：
智能变电站配置描述文件中包含大量智能二次设备数据输出接口地址的配置数据集,将这些数据集映射至智能录波器各信息组是保证录波器精准采集设备运行数据的基础性步骤,当前主流映射方法是依照输出接口描述文本人工映射对应的配置数据,二次设备数目繁多时映射工作量大,而描述文本一定程度的不规范性给数据集自动化映射提出了难题.针对这一问题,文章提出了基于深度学习框架-动态卷积神经网络构造的智能录波器配置数据的自动化映射方法;利用文本表征模型word 2vec对数据集描述文本的稀疏文本向量进行词组语义及关联关系的表征;构造动态卷积神经网络并输入文本向量,基于其多层次抽象化学习典型样本特征的特点进行语义规律挖掘与文本分类映射,据此结果实现接口地址配置数据的自动化映射.实际算例表明,基于动态卷积神经网络模型的文本分类方法语义分析能力强,分类精度高,有效提升了智能录波器配置数据自动化映射的准确率.
文献关键词：
智能变电站;文本挖掘;全站配置描述文件;智能二次设备;动态卷积神经网络
中图分类号：
作者姓名：
李铁成;任江波;刘清泉;耿少博;王志华;周达明
作者机构：
国网河北省电力有限公司电力科学研究院,石家庄050021;国网河北省电力有限公司,石家庄050021;武汉凯默电气有限公司,武汉430023
文献出处：
引用格式：
[1]李铁成;任江波;刘清泉;耿少博;王志华;周达明-.基于深度学习的智能录波器配置数据自动化映射方法)[J].电测与仪表,2022(09):76-83
A类：
智能变电站配置描述文件,智能二次设备,2vec,全站配置描述文件
B类：
智能录波器,配置数据,映射方法,量智,地址,信息组,设备运行,运行数据,射工,深度学习框架,动态卷积神经网络,文本表征,表征模型,word,文本向量,词组,关联关系,抽象化,典型样本,样本特征,规律挖掘,结果实,卷积神经网络模型,文本分类方法,法语,语义分析,分析能力,分类精度,文本挖掘
AB值：
0.221924
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。
