(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210489954.8 (22)申请日 2022.05.07 (71)申请人 国网重庆市电力公司电力科 学研究 院 地址 401123 重庆市渝北区北部新区黄山 大道中段80号办公 综合楼 申请人 国家电网有限公司 (72)发明人 王洪彬　张友强　李杰　周念成　 王强钢　范炳昕　何荷　何燕　 余红欣　黄睿灵　宫林　李俊杰　 陈迅　王伟　 (74)专利代理 机构 成都九鼎天元知识产权代理 有限公司 51214 专利代理师 封浪(51)Int.Cl. G06K 9/00(2022.01) G06Q 50/06(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06F 40/30(2020.01) (54)发明名称 一种电网监控信号语义解析及态势感知方 法和系统 (57)摘要 本发明公开了一种电网监控信号语义解析 及态势感知方法和系统， 属于机器学习领域。 本 发明建立了基于Soft ‑Masked BERT的信号文本 纠错模型； 根据国家电网相关管 理规定的标准监 控信号库梳理了包含常规与故障情况下的 “信号 语义‑电网事件 ”规则字典， 基于该字典建立了基 于循环神经网络RNN的电网态势感知模型， 提出 了基于深度学习的电网监控信号语义解析及态 势感知求解方案。 本发明通过构建信号文本纠错 模型和电网态势感知模型可以实现对信号的语 义解析， 以及更为细腻的电网态势感知， 并且本 发明使用信号文本纠错模块能够使文本特征更 具区分性， 并且降低噪声词的影 响， 对音似、 形似 错字、 前后逻辑语义纠正， 输出其对应的标准信 号。 权利要求书1页 说明书11页 附图3页 CN 114912484 A 2022.08.16 CN 114912484 A 1.一种基于深度学习的电网监控信号语义 解析及态 势感知方法， 其特 征在于， 包括： 读取电网故障事件发生后的原始信号集合， 采用信号文本纠错模型对该原始信号集合 进行交叉辨识， 得到特征集； 所述信号文本纠错模型利用双向门控循环单元 的检测网络和 基于BERT的修 正网络构建而成； 将特征集送入预训练 的电网态势感知模型进行辨识， 所述电网态势感知模型的训练样 本集是基于标准 监控信号库构建而成。 2.如权利要求1所述的基于深度学习的电网监控信号语义解析及态势感知方法， 其特 征在于， 所述修正网络以所述检测网络预测的误差概率作为加权值， 预测所述原始信号集 合的误差修 正概率。 3.如权利要求1所述的基于深度学习的电网监控信号语义解析及态势感知方法， 其特 征在于， 所述训练样本集， 是基于标准监控信号库， 针对各种电网元件， 结合元件的几点保 护定值单， 逐一扫描各种预想故障事 件而成。 4.如权利要求3所述的基于深度学习的电网监控信号语义解析及态势感知方法， 其特 征在于， 所述训练样本集， 包括对应于电网故障事件的样 本集， 以及 对应于电网常规事件的 样本集。 5.如权利要求1所述的基于深度学习的电网监控信号语义解析及态势感知方法， 其特 征在于， 所述电网态势感知模 型通过训练RNN网络所得， 利用Adam算法和学习率的指数衰减 算法更新RN N网络的网络参数。 6.一种基于深度学习的电网监控信号语义解析及态势感知系统， 其特征在于， 包括输 入模块、 文本纠错模块、 电网态 势感知模块和输出模块， 其中： 所述输入 模块被配置为读取电网故障事 件发生后的原 始信号集合； 所述文本纠错模块中配置有信号文本纠错模型， 所述信号文本纠错模型利用双向门控 循环单元的检测网络和基于BERT的修正网络构建而成， 所述信号文本纠错模型对 所述原始 信号集合进行交叉辨识， 得到特 征集； 所述电网态势感知模块中配置有预训练的电网态势感知模型， 所述电网态势感知模型 的训练样本集是基于标准监控信号库构建而成， 所述电网态势感知模型对 所述特征集进 行 辨识， 通过 所述输出模块输出辨识结果。 7.如权利要求6所述的基于深度学习的电网监控信号语义解析及态势感知系统， 其特 征在于， 所述修正网络以所述检测网络预测的误差概率作为加权值， 预测所述原始信号集 合的误差修 正概率。 8.如权利要求6所述的基于深度学习的电网监控信号语义解析及态势感知系统， 其特 征在于， 所述训练样本集， 是基于标准监控信号库， 针对各种电网元件， 结合元件的几点保 护定值单， 逐一扫描各种预想故障事 件而成。 9.如权利要求7所述的基于深度学习的电网监控信号语义解析及态势感知系统， 其特 征在于， 所述训练样本集， 包括对应于电网故障事件的样 本集， 以及 对应于电网常规事件的 样本集。 10.如权利要求6所述的基于深度 学习的电网监控信号语义解析及态势感知系统， 其特 征在于， 所述电网态势感知模 型通过训练RNN网络所得， 利用Adam算法和学习率的指数衰减 算法更新RN N网络的网络参数。权　利　要　求　书 1/1 页 2 CN 114912484 A 2一种电网监控信号语 义解析及态势感知方 法和系统 技术领域 [0001]本发明涉及机器学习领域， 尤其是一种基于深度学习的电网监控信号语义解析及 态势感知方法和系统。 背景技术 [0002]构建以新能源为主体的新型电力系统， 是当代电力系统发展的一个必然趋势。 [0003]高效准确的电网监控信号识别是新型电力系统安全稳定运行的重要基础。 由于历 史原因， 在2012 年以前， 国内电网企业的变电站输变电设备的信号的间隔划分错误、 信号名 称含有错别字、 信号语义不清晰等问题。 随着智能电网建设的不断推进， 国家电力调度控制 中心2012年着手对电网监控信息进行了标准化的梳理和规范， 制定了500kV变电站典型信 息表和220kV变电站典型信息表。 近年来， 由于电网的在线监测的设备的不 断增多， 多电压 等级的变电站不断投运， 变电站 二次精益化改造项目的不断实施， 点表审核逐渐规范， 从源 头上实现了电网监控信号的完善和规范， 使 得SCADA/EMS系统中存储了海量的标准化信号， 开展数据驱动的电网监控信号语义 解析提供了充足且有效的语料库。 [0004]大中型城市的220kV/110kV电网负荷随经济快速发展而呈现多极化增长， 在迎峰 度夏期间电网长期保持在高负载状态运行。 为保证供区内重要用户的可靠供电， 电网运行 方式动态化调整使得电网抗击风险能力不足。 一旦500kV或者220kV发生输变电设备故 障， 电网设备日均告警信号数量将为无故障时的4～5倍， 电网告警信号的频发总量过大， 超出 其承载能力， 可能导致电网监控员无法兼顾， 从而 无法保证的电网设备的全面监视， 这将失 去对电网运行态 势的全方位感知。 [0005]近年来自然语言处理(Natural  Language Processing， NLP)技术快速发展， 使得 机器能够理解人类语言执行相应的应用程序或服务， 其应用场景包含语音识别、 语音翻译、 文本翻译、 段落匹配、 错别字纠错等。 经典语言模型包括Word2Vec， 卷积神经网络 (Convolutional  Neural network,CNN)， 递归神经网络(Recurrent  Neural Network, RNN)， Transformer及BERT(Bidirectional  encoder  representations  from  transformers)模型等。 通过海量的故障信号语料库学习， NLP神经网络模型能够自动从信 号数据中挖掘语义特 征， 实现电网监控信号文本错 误纠正和电网的态 势感知。 [0006]现有研究大多数是从电网故障的物理特征， 比如短路电流、 电压突变、 故障录波、 PMU等来感知电网发生的故障类型、 位置及持续时间。 但针对故障发生后的电网侧监控信号 内在逻辑数据挖掘还不够深入， 且对于可能存在非标准化的异常信号， 现有方法均无法实 现信号的语义 解析， 无法实现更加细腻的电网态 势感知。 发明内容 [0007]本发明的发明目的在于： 针对上述存在的问题， 提供一种基于深度学习的电网监 控信号语义 解析及态 势感知方法， 以实现信号的语义 解析以及 细腻的电网态 势感知。 [0008]本发明采用的技 术方案如下：说　明　书 1/11 页 3 CN 114912484 A 3