電力中文文本數(shù)據(jù)挖掘技術(shù)及其在可靠性中的應(yīng)用研究

胡楠 胡畔 劉鵬宇 吳赫 夏雨

摘 要：在科學(xué)技術(shù)的推動下，智能電網(wǎng)已經(jīng)建成，這樣就可通過先進的信息技術(shù)對電網(wǎng)進行控制，但同時也會產(chǎn)生內(nèi)容極其繁雜且數(shù)量較多的電力數(shù)據(jù)，因此需要通過挖掘技術(shù)從中提煉出有意義的數(shù)據(jù)，并進行分類處理，以此作為衡量設(shè)備是否可靠的重要指標(biāo)。本文就以文本缺陷數(shù)據(jù)為例，對如何應(yīng)用挖掘技術(shù)進行了詳細(xì)探討。

關(guān)鍵詞：電網(wǎng)企業(yè)；文本數(shù)據(jù)挖掘技術(shù)；可靠性

引言

在電力系統(tǒng)運行的各個階段均會產(chǎn)生大量的數(shù)據(jù)信息，并且數(shù)據(jù)更新速度極快，通過這些數(shù)據(jù)能夠反映設(shè)備的狀態(tài)及可靠性，但為了達到這一目的，必須充分挖掘有價值的數(shù)據(jù)，并且需要將文本類型的數(shù)據(jù)作為挖掘的重點。此外，以往在搜索時主要運用的是引擎及查詢技術(shù)，但這種方法已經(jīng)無法滿足當(dāng)前的數(shù)據(jù)處理要求，因此必須應(yīng)用文本挖掘技術(shù)，并構(gòu)建語義框架。本文就對此問題進行了具體分析。

一、電網(wǎng)內(nèi)文本類型

智能電網(wǎng)在運行過程中會產(chǎn)生數(shù)量極其龐大的數(shù)據(jù)信息，并儲存于數(shù)據(jù)庫中。具體來說，電網(wǎng)內(nèi)的文本類型主要包括以下幾種。第一是資產(chǎn)配置信息，主要與電力設(shè)備有關(guān)，其中涉及設(shè)備參數(shù)、名稱、購置廠家等。第二是票據(jù)，可分為工作和操作兩種類型的票據(jù)，但兩者具有許多類似之處，因此通常情況下可劃分為同一類別。工作票指的是在檢修設(shè)備的過程中上級所下發(fā)的指令及具體的操作步驟，檢修人員在操作過程中必須將此作為基本依據(jù)。同時，運行人員也必須遵守該票據(jù)中的基本規(guī)則。操作票歸運行人員所有，其主要指的是在調(diào)整設(shè)備的運行方式時所應(yīng)遵循的基本依據(jù)，并且可發(fā)揮許可證的作用[1]。第三是日志，其主要指的是在巡視與檢修設(shè)備后必須進行記錄，并且還需要對故障的特點及維修過程詳細(xì)記錄。日志通常以文本的形式存在，主要包括時間、設(shè)備狀態(tài)、故障原因等多個方面的信息。第四是語音記錄，目的在于提高調(diào)度效率，主要是通過人機接口實現(xiàn)的。第五是長文檔報告，主要指的是工程師在設(shè)計與運維期間需要對設(shè)備的狀態(tài)進行評價，并以長文檔的形式記錄，同時還要需要分析故障原因并給出建議。長文檔中所記錄的公式通常較為復(fù)雜，如果要進行深層次文本理解具有較大的難度，因此還需要在分類與檢索的基礎(chǔ)上持續(xù)進行研究。第六是權(quán)威標(biāo)準(zhǔn)，其主要指的是企業(yè)及權(quán)威機構(gòu)所制定的標(biāo)準(zhǔn)，通常情況下文本篇幅較長，并且包括表格、圖像等多種類型的數(shù)據(jù)信息[2]。

二、可靠性應(yīng)用

（一）概述

電網(wǎng)企業(yè)中的設(shè)備所處的運行環(huán)境較為復(fù)雜，進而導(dǎo)致設(shè)備在運行過程中故障較為常見，因此需要對運維管理的整個過程進行記錄，信息記錄包括多種形式，其中設(shè)備故障、及缺陷主要是采用中文形式進行記錄的，這樣就可了解每個設(shè)備以往在運行過程中的狀態(tài)。而要想從繁雜的數(shù)據(jù)信息中挖掘出能夠體現(xiàn)設(shè)備可靠性的數(shù)據(jù)，還需要應(yīng)用相關(guān)的信息挖掘技術(shù)。結(jié)合企業(yè)當(dāng)前的情況來看，在統(tǒng)計數(shù)據(jù)時以人工處理為主，需要花費大量的時間及人力資源，并且難以保障統(tǒng)計結(jié)果的準(zhǔn)確性，因此當(dāng)前最重要的是針對缺陷文本研究出相應(yīng)的挖掘技術(shù)。另外，中文文本數(shù)據(jù)的挖掘難度較高，原因在于其在應(yīng)用過程中需要與相關(guān)領(lǐng)域內(nèi)的專業(yè)知識進行匹配，并且由于中文與英文的差異性，導(dǎo)致國外的研究成果無法應(yīng)用于中文文本的處理中[3]，因此目前國內(nèi)有許多學(xué)者就針對不同的文本類型進行了優(yōu)化，在處理過程中工作票和操作票較為簡單，但缺陷類型的文本極其復(fù)雜，因此需要重點針對此種類型的文本研究出相關(guān)的挖掘技術(shù)。

（二）電力語義框架

一個文本并不僅針對一種缺陷，而是對設(shè)備多個部件的缺陷進行描述，因此首先需要進行分類處理，否則就會嚴(yán)重影響統(tǒng)計結(jié)果的精確性，在具體操作的過程中可將設(shè)備的可靠性作為任務(wù)，并通過語義框架進行處理，其作用在于能夠使語義的呈現(xiàn)更加完整，主要以數(shù)據(jù)結(jié)構(gòu)的形式存在。此外，還可運用語義槽，其構(gòu)成部分是彼此之間具有一定關(guān)聯(lián)性的信息，通常情況下四個槽體可組成一個框架，并且可根據(jù)槽體的類型對電力詞性進行準(zhǔn)確定義[4]。在這樣的狀況下，多個不同的缺陷就可分別以相應(yīng)的語義框架的形式呈現(xiàn)，進而對不同類型的缺陷加以區(qū)分。

（三）文本挖掘模型

為了促使缺陷信息的挖掘更加充分，需要構(gòu)建挖掘模型，模型結(jié)構(gòu)如圖1所示，該模型共分為三個層次，第一是預(yù)處理層，其作用在于處理缺陷和構(gòu)建字典。在構(gòu)建字典的過程中以人工處理為主，其與缺陷處理的結(jié)果及效率密切相關(guān)。此外，該層級還可完成中文分詞任務(wù)并順利提取不同詞匯的特征。第二是處理層，其具有三項功能。首先是槽填充，該處理環(huán)節(jié)處于詞匯的提取之后，主要指的是將文本與數(shù)字兩種類型的符號準(zhǔn)確填入相對應(yīng)的槽中。其次是構(gòu)建語義框架，在此之前首先需要明確不同語義之間的關(guān)聯(lián)性，進而與相應(yīng)類型的槽進行匹配。為了避免出現(xiàn)槽缺失的問題，必須確保每個框架至少包含兩個槽，但同時也不能多于四個。最后是詞串合并，其指的是同一框架中的不同槽可以合并，最后統(tǒng)一錄入字典中。第三是統(tǒng)計應(yīng)用層，其主要發(fā)揮的是統(tǒng)計可靠性的功能，可將某地區(qū)特定時間段內(nèi)某種設(shè)備的缺陷類型進行匯總與分析，并計算出相應(yīng)的統(tǒng)計結(jié)果，該結(jié)果可作為衡量設(shè)備性能的可靠性指標(biāo)，之后在設(shè)計與制造設(shè)備的過程中就可以此為依據(jù)，并且在對設(shè)備進行運行及維護時也可參考這些指標(biāo)。

三、結(jié)語

總而言之，電網(wǎng)數(shù)據(jù)庫中的信息類型較多，導(dǎo)致在提煉有效信息時具有一定的難度，尤其是文本數(shù)據(jù)，因此當(dāng)前需要加大研究力度，明確不同文本的類型及特征，促使語義分析更加深入，同時還需要通過構(gòu)建挖掘模型加以處理。此外，字典的構(gòu)建盡管需要花費大量的時間，但是一旦建成，則可長期使用，并且通過字典提取數(shù)據(jù)的方式在使用過程中較為簡便，因此本文所提出的方法具有較強的可行性。

參考文獻：

[1]邱健，王慧芳，應(yīng)高亮.文本信息挖掘技術(shù)及其在斷路器全壽命狀態(tài)評價中的應(yīng)用[J].電力系統(tǒng)自動化，2015，40（6）：112-117.

[2]蔡榮言.數(shù)據(jù)挖掘技術(shù)在電力企業(yè)中的應(yīng)用研究[J].管理方略，2015，12（18）：128-129.

[3]饒友平.數(shù)據(jù)挖掘技術(shù)在電力行業(yè)的應(yīng)用[J].電工研究，2014，（15）：137-140.

[4]梁宇.數(shù)據(jù)挖掘技術(shù)及其在電力決策支持系統(tǒng)中的應(yīng)用[J].上海電力學(xué)院學(xué)報，2014，31（17）：151-155.