基于深度學習的110kV電網監控信號語義解析及態勢感知模型

王洪彬，周念成，黃睿靈，范炳昕，王強鋼

基于深度學習的110kV電網監控信號語義解析及態勢感知模型

王洪彬1,2，周念成1，黃睿靈2，范炳昕1，王強鋼1

(1.輸配電裝備及系統安全與新技術國家重點實驗室(重慶大學)，重慶 400044；2.國網重慶市電力公司電力科學研究院，重慶 401123)

新型電力系統的大力建設對電網監控信號的高效準確識別技術提出了更高的要求。首先分析了Soft-Masked BERT語言模型的基本原理，建立了基于Soft-Masked BERT的信號文本糾錯模型。根據國家電網典型事件表梳理了包含常規與故障情況下的“信號語義—電網事件”規則字典。綜合上述模型建立了基于RNN的電網態勢感知模型，提出了基于深度學習的電網監控信號語義解析及態勢感知求解流程。最后，以某地110 kV變電站實際監控信號為測試數據，利用所提RNN模型并結合Pycorrector工具包及Pytorch軟件對該地區電網監控信號進行語義解析及態勢感知仿真分析，驗證了模型的有效性及正確性。

深度學習；電網監控信號語義解析；態勢感知；RNN模型

0 引言

構建以新能源為主體的新型電力系統，對貫徹“四個革命、一個合作”能源安全新戰略，深化能源生產和消費革命，實現“碳中和、碳達峰”目標具有重要意義[1-3]。

高效準確的電網監控信號識別技術是新型電力系統安全穩定運行的重要基礎[4]。在2012年以前，國內電網企業的變電站輸變電設備存在信號的間隔劃分錯誤、信號名稱含有錯別字、信號語義不清晰等問題。隨著智能電網建設的不斷推進，國家電力調度控制中心在2012年著手對電網監控信息的標準進行梳理和規范，制定了220 kV變電站典型信息表并在2013年制定了110 kV變電站典型信息表。……