SCI论文（www.lunwensci.com）:
摘要：随着我国经济社会的快速发展和电力行业的不断进步,电网中大量的建设方案和二次装备是否满足规范以及相关参数标准要求,均得到了业内人士的广泛关注。在此背景下,本文对基于无监督学习的二次设备配置智能校核工具进行研究,探讨了该项目开展和市场需求的背景,并论述了基于无监督学习的二次设备配置智能校核工具的建设目标,分析了该智能校核工具的设计原则、设计标准、系统架构、应用架构、技术架构等内容,并进一步研究了不同模块的设计功能,最后对基于无监督学习的二次设备配置智能校核工具的具体应用进行探讨,旨在为无监督学习的二次设备配置智能校核工具应用水平的快速提升和应用范围的进一步拓宽带来更多参考和启迪。
关键词：无监督学习；二次设备；智能校核工具；设计应用
Design and Application of Intelligent Verification Tool for Secondary Equipment Configuration Based on Unsupervised Learning
CHEN Zhijun,ZHOU Chunli,QIN Huiling
(Guangxi Power Grid Co.,Ltd.,Nanning Guangxi 530000)
【Abstract】：With the rapid development of China's economy and society and the continuous progress of the power industry,whether a large number of construction schemes and secondary equipment in the power grid meet the requirements of specifications and relevant parameter standards has been widely concerned by people in the industry.In this context,this paper studies the intelligent verification tool for secondary equipment configuration based on unsupervised learning,discusses the background of the project and market demand,discusses the construction objectives of the intelligent verification tool for secondary equipment configuration based on unsupervised learning,and analyzes the design principles,design standards,system architecture,application architecture,technical architecture,and further studied the design functions of different modules.Finally,the specific application of the intelligent verification tool for secondary equipment configuration based on unsupervised learning is discussed,in order to bring more reference and enlightenment to the rapid improvement of the application level and further broadening of the application scope of the intelligent verification tool for secondary equipment configuration based on unsupervised learning.
【Key words】：unsupervised learning;secondary equipment;intelligent verification tool;design application
0引言
在电力产业发展背景下,建设方案和二次装备改进项目的数量进一步增多,该类项目的方案设计往往涉及到大体量的数据信息,判断该类数据信息是否符合现行国家标准,直接关系到整个建设方案和二次装备改进设计方案的科学性与合理性、合规性和可操作性。在数据校核要求提高的背景下,本文关于基于无监督学习的二次设备配置智能校核工具的设计和应用的研究,也就具备重要理论意义和现实价值。
1目标与市场需求背景
近年来,随着我国电力产业的进一步发展,电网建设规模亦进一步扩大。电网设计和优化涉及到大量的建设方案及二次装备改进方案,对建设方案和装备改进方案中相关参数是否满足国家及电力行业规范需求,装备实际参数配置是否满足功能性目标等诸多环节的校核,往往需要采用人工方式。然而,人工校核方式不仅需要熟悉大量的行业规范和国家标准文件,更需要比对大体量的建设方案和配置文件,以此找出建设方案和改进方案中不合规的地方,整个校核过程将耗费巨大的人力资源,且实际工作效率较低,出错率较高,因此,设计并应用一款满足电力行业需求的智能校核工具具有重要意义。
2建设目标
基于无监督学习的二次设备配置智能校核工具,主要提供基于电力标准规范数据化的方案与智能校核方法,其采用智能学习算法对电力系统中的二次装备配置文件进行智能化校核,通过对大体量配置数据信息的训练,得到相对应的文档和设备标准库,进而通过文档和设备标准库,对不同类型以及不同体量电力二次装备配置方案进行智能校核,较大程度上提高电力产业设计方案的校核效率和准确度,减少人力资源成本[1]。
在此过程中,本文所提出的基于无监督学习的二次设备配置智能校核工具可以构建完备的文档/设备标准库,所述文档/设备标准库可用于存放文档/设备的标准描述方式,且所述文档/设备标准库存储于关系数据库中；输入待校对方案文件,并根据所述待校对方案文件在所述文档/设备标准库提取相对应的校对标准；将所述待校对方案文件与所述校对标准进行比对获取校对结果；根据所述校对结果生成校对结果文件,并输出所述校对结果文件。
3技术方案设计
3.1设计原则与标准
在开发基于无监督学习的二次设备配置智能校核工具时应遵循可扩展维护性、经济性、实用性等原则。可扩展维护性原则是指对校核工具功能设计,要采用结构和模块化构造,每个模块间保持相对的独立性和灵活性,系统配置、设置参数化。经济性原则要求充分考虑当前与未来的实际需求,功能增减方便,技术上尽可能选用成熟技术,同时满足系统完善和用户使用的需求,保护用户已有的投资和今后的再投资。实用性原则要求应用界面清晰、简洁、友好,操控方便、灵活,便于使用和维护。
3.2系统架构
基于无监督学习的二次设备配置智能校核工具采用B/S架构,使系统能分布式部署,系统功能隔离运行,保障系统整体运行的稳定性,有利于系统升级维护。该系统可以根据实际业务量进行性能扩容,在满足系统运行要求的同时实现成本最小化。客户端使用Web浏览器访问系统,降低了对客户端运行环境的要求,如图1所示即为基于无监督学习的二次设备配置智能校核工具系统架构示意图。
图1系统架构示意图
Fig.1 Schematic diagram of system architecture
3.3应用架构
基于无监督学习的二次设备配置智能校核工具作为全新开发的应用系统,主要包括系统管理、基础库管理、算法配置管理、校核管理等功能。其中,系统管理功能主要实现的是权限控制相关的功能以及其他和系统业务不相关的辅助功能,例如日志查询、数据查询和报告查询[2]。基础库管理主要实现对基础数据的导入和维护,为无监督学习提供基础数据。算法配置管理应用模块则实现对各算法的参数维护,便于在无监督学习过程中进行快速调整、优化。校核管理模块则实现智能校核任务的创建、控制,校核结果的查询和展示。
3.4技术架构
基于无监督学习的二次设备配置智能校核工具总体上使用分层构建模式,自下而上对模块进行分层,运行环境提供系统运行所需的基础条件；数据库层负责存储数据；数据层负责数据的处理和交互；业务层作为核心层,负责系统主要功能运行,智能匹配算法执行；展示层和前端UI负责提供用户交互界面和操作。在该智能校对工具功能实现过程中,系统程序软件基于Java开发,使用成熟的Java EE企业级快速开发平台,该开发平台采用当前主流的技术组合（Spring Boot、Spring Security、MyBatis、Jwt、Vue）构建,且能够通过集成多个特定的功能组件（如：图片OCR、文档处理、NLP处理等）,实现智能识别和智能匹配的功能。
3.5各功能模块设计
3.5.1算法配置
基于无监督学习的二次设备配置智能校核工具的算法配置管理主要包括分词规则配置、语义匹配配置和指标匹配配置三大模块,其中,分词规则配置主要负责配置内容识别的分词规则和参数；语义匹配配置主要负责配置语义匹配的各项规则和参数；指标匹配配置主要负责配置指标匹配算法的各项规则和参数。
3.5.2模型管理
基于无监督学习的二次设备配置智能校核工具的模型主要包括数据模型、算法模型和智能模型。以智能模型为例研究可知,该算法的智能无监督特质主要体现在系统能够自动按任务实现大数据量的解析入库。通过配置解析运算的方案,制定执行任务,然后上传大量的标准文档,系统使用Han LP等语义文本算法,然后再进行相似度去重,得到标准语义与单词,将执行结果保存下来。最后,通过人工校验及入库,快速得到丰富、准确的语义及单词库。同样,系统对于标准库构建、方案校对等会实现执行方案及任务的机制。
4实际应用
基于无监督学习的二次设备配置智能校核工具的应用主要包括7个步骤,其流程图如图2所示。
图2应用流程图
Fig.2 Applicationflow chart
5结语
总之,基于无监督学习的二次设备配置智能校核工具能通过基于电力标准规范数据化的方案智能校对方法,在采用无监督学习算法的基础上,对电力二次装备配置文件进行智能校验,其既能通过大量配置数据的训练得到完整的文档/设备标准库,亦能通过文档/设备标准库对不同类型的配置文件进行智能校验,在有效提高工作效率和降低错误率的基础上发挥出巨大功用,值得推广与应用。
参考文献
[1]陈俊全,黄晓旭,伍仕红,等.基于规则学习的调度操作智能校核方法[J].电气自动化,2020,42(2):80-83.
[2]甘文琪.电力防误逻辑智能校核系统开发与应用[J].农村电气化,2019(4):43-46.
关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！
文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/jisuanjilunwen/39013.html
