基于电力设备大数据的预训练语言模型构建和文本语义分析  

作　　者：孙振东 梁誉锵 曹仲南 石和熹 王怡 

机构地区：[1]深圳供电局有限公司,广东深圳518001

出　　处：《中国科技期刊数据库 工业A》2024年第12期141-144,共4页

摘　　要：电力设备在电网运行中具有非常重要的作用,直接关系到电网运行的安全性和稳定性。随着计算机技术、云计算技术以及信息技术等在电力系统调度中的广泛应用,构建电力设备文本语义模型来进行电力设备故障和缺陷的诊断分析,提升电力设备故障诊断的效率和精准性成为电力系统智能化非常重要的内容。本文采基于电力设备大数据方式来进行电力设备文本语义分析模型(PowerBERT)的构建,并采用了超大规模训练方式来进行模型的训练,来进行电力设备信息的分析。结果表明采用该模型能够准确进行电力设备信息的分析,实现对电力设备故障进行准确判断,进一步保证了电力系统设备运行的稳定性,提升电网运行的完全性。

关 键 词：电力设备 大数据 超大规模预训练 语言模型 文本语义分析 

分 类 号：TM769[电气工程—电力系统及自动化]