一种基于集成学习的变电站选址知识抽取方法

    公开(公告)号:CN115033702A

    公开(公告)日:2022-09-09

    申请号:CN202210206991.3

    申请日:2022-03-04

    Abstract: 本发明公开了一种基于集成学习的变电站选址知识抽取方法,包括如下步骤,采集变电站工程选址相关标准和规范,作为训练集数据;将LSTM‑LSTM‑Bias模型和BERT‑BIGRU‑CRF模型进行结合改进,形成BcBERT‑BiGRU‑LSTM模型;利用训练数据集和bagging算法训练依次对LSTM‑LSTM‑Bias模型、BERT‑BIGRU‑CRF模型和BcBERT‑BiGRU‑LSTM模型进行数据训练得到三个个体学习器和三种预测实体关系集合;使用投票方式将三个个体学习器进行组合,投票结果则为最终的预测结果,即获得实体关系集合;对获得的实体集合进行属性抽取。本发明所述方法将集成学习中的bagging算法应用于知识图谱中的实体关系联合抽取技术中,提高系统的泛化能力,减少整体的错误率,提高对变电站规范文本中实体和关系的识别效果。

    基于台账、实时、历史信息的配电设备状态评价方法

    公开(公告)号:CN110929986A

    公开(公告)日:2020-03-27

    申请号:CN201911022901.X

    申请日:2019-10-25

    Abstract: 本发明公开了一种基于台账、实时、历史信息的配电设备状态评价方法,它包括:步骤1、采集配电设备的台账类运行信息、实时类运行信息和历史类运行信息;步骤2、分别计算基于台账类运行信息、实时类运行信息和历史类运行信息的状态评价分值;步骤3、通过台账类运行信息、实时类运行信息和历史类运行信息的状态评价分值调整设备的状态评价分权重;步骤4、计算配电设备状态评分;解决了现有技术针对配电设备的状态评估没有利用实时类信息,对设备的评估缺乏时效性,没有考虑设备的台帐类信息,使得评估结果没有考虑外部及自身设备的健康状态,没有考虑历史信息,不能有效排查出设备的家族性缺陷等技术问题等技术问题。

Patent Agency Ranking