[发明专利]基于自动聚类技术的电力设备故障诊断方法及系统

权利要求书

1.基于自动聚类技术的电力设备故障诊断系统，其特征在于，包括：

故障库管理模块，用于导入故障案例数据和对已导入的故障案例数据进行分类管理；

模型训练模块，用于对故障诊断模型进行训练；

设备管理模块，用于对涉及故障诊断的设备进行分类管理，针对各类不同的设备构建不同的故障案例数据和故障诊断模型；

停用词管理模块，用于管理停用词，通过该模块实现对停用词库的增、删、改、查操作；

用户词典管理模块，用于为不同类型的设备生成用户词典，并实现对用户词典后续的增、删、改、查操作；

故障诊断模拟库模块，用于模拟故障信息，供用户进行模拟故障诊断训练；

系统管理模块，用于对本系统进行权限管理、系统设置和阈值设置操作。

2.根据权利要求1所述的基于自动聚类技术的电力设备故障诊断系统，其特征在于，所述模型训练模块还包括分类器训练模块，所述分类器训练模块用于对导入的故障案例数据进行分类与后续深度优化训练，以提高所述故障诊断模型的训练效率。

3.根据权利要求1所述的基于自动聚类技术的电力设备故障诊断系统，其特征在于，所述停用词管理模块包括相对停用词管理模块和绝对管理词模块。

4.基于自动聚类技术的电力设备故障诊断方法，其特征在于，采用如上述权利要求1至3中任意一项所述的基于自动聚类技术的电力设备故障诊断系统，包括以下步骤：

步骤一、故障案例数据导入，通过故障库管理模块向所述基于自动聚类技术的电力设备故障诊断系统导入现有的故障案例数据；

步骤二、文本预处理，对步骤一中导入的故障案例数据进行分词处理和停用词处理；

步骤三、数据提取与分类，从步骤二中文本预处理后的故障案例数据提取有效信息，并通过所述分类器训练模块将提取出来的有效信息分类成故障现象、故障检查项和故障处理方案三种类型；

步骤四、建立故障诊断模型，通过所述设备管理模块，结合所述故障现象、故障检查项和故障处理方案，使用机器学习的方法建立故障诊断模型；

步骤五、模型优化，向导入所述基于自动聚类技术的电力设备故障诊断系统导入新的故障案例数据，并对所述分类器训练模块更新所述故障现象、故障检查项和故障处理方案三种类型的信息；同时，对所述故障诊断模型进行更新。

5.根据权利要求4所述的基于自动聚类技术的电力设备故障诊断方法，其特征在于，所述步骤二的文本预处理过程中，采用了结巴分词算法进行分词处理，然后通过所述停用词管理模块进行停用词处理。

6.根据权利要求5所述的基于自动聚类技术的电力设备故障诊断方法，其特征在于，所述分词处理具体包括以下步骤：

步骤a、基于Trie树结构实现高效的词图扫描，生成句子中汉字所有可能成词情况所构成的有向无环图；

步骤b、采用动态规划查找最大概率路径,找出基于词频的最大切分组合；

步骤c、对于未登录词，采用基于汉字成词能力的HMM模型，使用Viterbi算法进行处理。

7.根据权利要求5所述的基于自动聚类技术的电力设备故障诊断方法，其特征在于，所述停用词处理包括以下步骤：

步骤d、将文本进行分解和类化，以压缩词库的规模；

步骤e、查找绝对停用词并过滤绝对停用词，其中绝对停用词包括与语料特异性质无关的词；

步骤f、查找相对停用词并过滤相对停用词，其中相对停用词采用自然语言而非离散关键词的组合表述；

步骤g、动态识别停用词，基于与一个词相关联的上下文的文本长度和词的位置计算所述词为停用词的条件概率，将条件概率大于预设条件概率阈值的词识别为停用词并进行过滤。

8.根据权利要求4所述的基于自动聚类技术的电力设备故障诊断方法，其特征在于，在所述步骤二，事先通过所述用户词典管理模块预设常用词的用户词典，作为分词处理的参照词库。