[发明专利]电网监控告警事件识别的方法、终端装置、设备和介质

权利要求书

1.一种电网监控告警事件识别的方法，其特征在于，包括：

获取电网监控的告警信息；

根据所述告警信息初步识别告警事件，形成初步识别数据；

对所述告警信息和所述初步识别数据预处理，形成训练样本集；所述训练样本集包括多个定义的事件；

采用所述训练样本集对卷积神经网络模型训练，形成电网监控告警事件识别模型；

采用所述电网监控告警事件识别模型识别监控告警事件。

2.根据权利要求1所述的方法，其特征在于，所述告警信息包括电网监控告警事件历史信息、变电站及线路名称统计信息和事件发生时量测数据。

3.根据权利要求1所述的方法，其特征在于，所述根据所述告警信息初步识别告警事件，形成初步识别数据，包括：

将所述告警信息通过规则库初步识别告警事件，形成初步识别数据。

4.根据权利要求1所述的方法，其特征在于，所述对所述告警信息和所述初步识别数据预处理，形成训练样本集，包括：

对所述告警信息和所述初步识别数据进行分词和去停用词处理；

将处理后的告警信息向量化，形成训练样本集；其中，所述训练样本集的任一事件的告警信息为数据矩阵，所述数据矩阵的行数为处理后的告警信息的最大词长度，所述数据矩阵的列数为处理后的告警信息向量化的维度。

5.根据权利要求4所述的方法，其特征在于，所述将处理后的告警信息向量化，形成训练样本集，包括：

将处理后的告警信息通过word2vec形成词向量，所述词向量构成所述训练样本集。

6.根据权利要求1所述的方法，其特征在于，所述采用所述训练样本集对卷积神经网络模型训练，形成电网监控告警事件识别模型，包括：

采用所述卷积神经网络模型的输入层对输入的告警信息归一化；

采用所述卷积神经网络模型的卷积层中的多个卷积单元对归一化的告警信息进行卷积，形成卷积特征图；

采用所述卷积神经网络模型的池化层对所述卷积特征图最大池化操作，形成最大值数据矩阵；

采用所述卷积神经网络模型的全连接层计算所述输入的告警信息为各个定义的事件的概率，并选取概率最大的事件作为所述输入的告警信息的识别结果，完成对所述卷积神经网络模型训练，形成电网监控告警事件识别模型。

7.一种电网监控告警事件识别的装置，其特征在于，包括：

电网监控的告警信息获取模块，用于获取电网监控的告警信息；

初步识别数据形成模块，用于根据所述告警信息初步识别监控告警事件，形成初步识别数据；

训练样本集形成模块，用于对所述告警信息和所述初步识别数据预处理，形成训练样本集；所述训练样本集包括多个定义的事件；

电网监控告警事件识别模型形成模块，用于采用所述训练样本集对卷积神经网络模型训练，形成电网监控告警事件识别模型；

电网监控告警事件识别模块，用于采用所述电网监控告警事件识别模型识别监控告警事件。

8.根据权利要求7所述的电网监控告警事件识别的装置，其特征在于，所述初步识别数据形成模块包括规则库单元；

所述规则库单元用于将所述告警信息通过规则库初步识别监控告警事件，形成初步识别数据。

9.一种终端设备，其特征在于，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6任一所述的电网监控告警事件识别的方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6任一所述的电网监控告警事件识别的方法。