基于BiLSTM-Attention 的电网告警信息缺陷风险预警

郑俊翔，施正钗，周泰斌，陆千毅，黄达铁

（国网浙江省电力有限公司温州供电公司，浙江 温州 325000）

0 引言

随着能源电力行业数字化与智能化转型的趋势，海量监控告警信息资源唤醒已成为能源互联网形态下调度部门建设多元融合高弹性电网的重要举措[1]。传统SCADA（数据采集与监控）系统上窗告警信息的缺陷等级判断依赖于设备监控人员主观经验，存在效率较低、误分类等问题。为帮助监控人员快速、准确掌握上窗告警信息，实现告警信息的缺陷辨识与风险分析，为调控缺陷故障处置提供辅助决策，利用深度学习和NLP（自然语义处理技术）对告警信息进行数据挖掘，可以提升缺陷影响程度定级的效率和准确性，促进人工智能技术在设备监控大数据平台的应用[2-3]。

在针对设备监控告警信息文本的相关研究中，曹靖等[4]建立了一种基于语义框架的缺陷文本挖掘模型，解决了非结构化表述无法精准提取的问题，通过变压器缺陷文本算例验证了所提挖掘技术的可行性与有效性。邵冠宇等[5]提出了一种基于依存句法分析的电力设备缺陷文本信息辨识方法，提升了语义分析的准确性。文献[6-7]提出了一种基于BiLSTM-Attention 的电网设备故障文本分类，对变压器、真空断路器等故障缺陷表象进行智能判断，提升了缺陷分类识别准确率。上述文献针对设备故障缺陷详细文本的分类都只侧重于事后分析及数据精益化管控，而上窗告警信息的实时性诊断则具备了为调控人员缺陷故障处置提供辅助决策与电网风险预警能力[8]。……