[发明专利]缺陷定位方法、装置、计算机设备和存储介质

权利要求书

1.一种缺陷定位方法，其特征在于，所述方法包括：

获取预设时间段内的缺陷数据；其中，所述缺陷数据为电网中各个运行设备在所述预设时间段内产生的缺陷数据；

将所述缺陷数据输入至预设的数据清洗模型中进行缺陷识别，确定所述运行设备的缺陷信息。

2.根据权利要求1所述的方法，其特征在于，所述数据清洗模型包括：缺陷部位清洗子模型；所述将所述缺陷数据输入至预设的数据清洗模型中进行缺陷识别，确定所述运行设备的缺陷信息，包括：

将所述缺陷数据输入至预设的缺陷部位清洗子模型中进行缺陷定位，得到所述运行设备的缺陷部位作为所述缺陷信息。

3.根据权利要求2所述的方法，其特征在于，所述数据清洗模型包括：缺陷原因及类型清洗子模型；所述将所述缺陷数据输入至预设的数据清洗模型中进行缺陷识别，确定所述运行设备的缺陷信息，包括：

将所述缺陷数据输入至预设的缺陷原因及类型清洗子模型中进行缺陷类型和原因的分析，得到所述运行设备的缺陷原因和缺陷类型作为所述缺陷信息。

4.根据权利要求1所述的方法，其特征在于，所述数据清洗模型包括：缺陷部位清洗子模型，所述方法还包括：

获取样本缺陷数据；其中，所述样本缺陷数据为电网中各个运行设备产生的历史缺陷数据；

根据所述样本缺陷数据，确定第一关键特征词和样本缺陷部位；

以所述第一关键特征词为输入，所述样本缺陷部位为输出，对预设的初始缺陷部位清洗子模型进行训练得到所述缺陷部位清洗子模型。

5.根据权利要求4所述的方法，其特征在于，所述数据清洗模型还包括：缺陷原因及类别清洗子模型；所述方法还包括：

根据所述样本缺陷数据，确定第二关键特征词、样本缺陷原因和样本缺陷类别；

以所述第二关键特征词为输入，所述样本缺陷原因和所述样本缺陷类别为输出，对预设的初始缺陷原因及类别清洗子模型进行训练得到所述缺陷原因及类别清洗子模型。

6.根据权利要求5所述的方法，其特征在于，所述获取样本缺陷数据，包括：

获取每个关键特征词出现的频次；

去除所述频次少于预设频次的关键特征词；

检测所述样本缺陷数据中同一个所述关键特征词是否对应多个所述缺陷部位；

若同一个所述关键特征词对应多个所述缺陷部位，则增加新的关键特征词，使不同的缺陷部位对应不同的关键特征词。

7.根据权利要求4所述的方法，其特征在于，所述以所述第一关键特征词为输入，所述样本缺陷部位为输出，对预设的初始缺陷部位清洗子模型进行训练得到所述缺陷部位清洗子模型，包括：

将所述第一关键特征词输入至初始神经网络模型中，得到预测缺陷部位；

根据所述预测缺陷部位和所述样本缺陷部位，得到所述初始神经网络模型的损失函数的值；

根据所述损失函数的值，对所述初始神经网络模型进行训练，得到所述缺陷部位清洗子模型。

8.一种缺陷定位装置，其特征在于，所述装置包括：

缺陷数据获取模块，用于获取预设时间段内的缺陷数据；其中，所述缺陷数据为电网中各个运行设备在所述预设时间段内产生的缺陷数据；

识别模块，用于将所述缺陷数据输入至预设的数据清洗模型中进行缺陷识别，确定所述运行设备的缺陷信息。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。

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，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。