基于BERT-BILSTM-CRF模型的电力行业事故文本智能分析*

为解决电力行业事故报告文本较长、语义复杂,难以进行有效文本识别问题,提出1种以BERT作为底层的预训练模型,并设计1种双重注意力机制编码器,结合BILSTM-CRF深度挖掘事故文本语义特征,从而实现文本智能分析。首先构建电力词典,通过对BERT预训练,进行BIO标注,然后引入BILSTM-CRF模型实现对文本标签智能分类,最后将该模型与现行其他4种深度学习模型进行对比。研究结果表明:该模型智能识别精确率、召回率及F1值(查准率)均达到约97%,较其他4种模型中效果最好的模型分别提高0.02,0.03,0.02。研究结果可为电力行业事故报告文本分析提供1种新思路。     

电杆基础埋深段内表裂纹无损检测方法研究

以万州供电局使用的110 kV输电线路门型杆为对象,提出开发一种带预留检测孔的新型电杆,利用视频装置由检测孔实现对电杆基础埋深段内表面裂纹的无损检测方法。着重介绍了带人工缺陷的模拟电杆检测试验,以及采用工业内窥镜通过检测孔进行视频检测过程。试验结果表明,该方法解决了基础杆段埋深处检测困难问题,可以检测到0.2 mm的裂纹,为输电电杆安全运行检修提供了一种有效的无损检测手段。     

输电线路受外力破坏应变监测方法研究

输电线路通过金具与杆塔连接,线路受力直接传递到金具上,因此,金具可以反映线路的受力.基于这一原理,提出通过金具表面应变变化监测输电线路受力破坏情况.利用输电线路模拟试验台进行应变试验,应变片分别黏贴在金具不同部位,通过对线路施加载荷,测量应变信号.结果表明,金具某些部位应变变化与受力之间成线性关系,适合作为检测信号以监...