基于多头注意力循环卷积神经网络的电力设备缺陷文本分类方法

陆世豪，祝云，周振茂

(1.广西电力系统最优化与节能技术重点实验室 (广西大学)，广西 南宁 530004；2.广西电网有限责任公司来宾供电局，广西 来宾 546100)

电力设备巡检是保障电力系统安全运行的重要举措。巡检发现的设备缺陷将被记录到缺陷管理系统，包括缺陷发现时间、缺陷描述、缺陷等级等。判断设备缺陷等级是消缺的前提，根据电网公司设备缺陷分类标准[1]，将设备缺陷按严重程度分为紧急缺陷、重大缺陷和一般缺陷，不同等级的缺陷消除时限也不同，目前缺陷分类工作主要由人工完成。随着电力系统的规模越来越庞大，设备的数量成倍增长，极大地增加了巡检工作量。同时随着设备运行时间推移和操作频次增加，加大了设备缺陷的出现几率。如果巡检人员的知识和经验不足，很容易对设备缺陷等级产生误判，影响消缺的时间和效果。因此，快速、准确地将设备缺陷进行分类对电网安全运行具有重要意义。

电网缺陷管理系统中存在大量已经消缺的历史缺陷记录，其中的缺陷描述包含缺陷的具体信息，若使用历史缺陷描述将新缺陷自动分类，不仅能提高电力系统信息资源利用率，还可降低人工分类的工作量。

电力设备缺陷描述文本涉及电力专业领域，与许多日常的中文文本存在不同。首先，每个人的用语习惯不同，描述上存在差异，对同一装置或者缺陷会出现不同表达；其次，存在相同词在不同缺陷描述中表达严重程度不同的情况，例如表1中的加粗词语在不同缺陷情况描述中所表达的程度不同；……