基于Transformer注意力机制和多通道卷积神经网络的故障知识库实体识别技术研究  

作　　者：杜刃刃 宋达 袁龙 黄元行 尚晓霞 王城 

机构地区：[1]贵州电网有限责任公司贵安供电局

出　　处：《电器工业》2025年第3期19-25,共7页CHINA ELECTRICAL EQUIPMENT INDUSTRY

基　　金：中国南方电网一般科技项目(GZKJXM20210413);贵州省科技支撑项目(黔科合支撑[2023]一般345)。

摘　　要：电力系统故障识别诊断十分依赖调度人员的专业知识,但人工处置难度高、效率低,在短时间内难以做出最优决策。本文基于Transformer注意力机制和多通道卷积神经网络构建了预案实体识别模型TRAMCNN模型。该模型能够有效地捕捉文本的整体语义特征以及丰富的局部细节信息,并在某地区实例计算中取得准确率90.63%、精准率91.80%、召回率93.33%和F_(1)值92.67%的出色表现。

关 键 词：电网故障 命名实体识别 注意力机制 神经网络 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程] TP391.1[自动化与计算机技术—控制科学与工程] TM73[电气工程—电力系统及自动化]