[发明专利]一种基于长短期记忆循环神经网络的电力指令文本匹配方法

摘要

本发明公开了一种基于长短期记忆循环神经网络的电力指令文本匹配方法，包括特征提取、关联分析等模块。首先从原始数据集中提取用户的用电数据的时间序列作为初始特征集，然后对特征集进行无量纲化和特征选择处理，并且采用主成分分析法和自编码网络对初始特征集进行降维得到有效特征集，最后采用孤立森林算法计算出每个用户的异常分数以判定用户数据有无异常。与现有技术相比，本发明的有益效果充分利用当前各专业先进技术，在开放式的信息技术框架体系下，与现有相关系统相融合和衔接，基于深度学习的智能开票应用，解决了两个问题，一是操作票的原始特征表示；二是选择合适的学习算法。

主权项

1.一种基于长短期记忆循环神经网络的电力指令文本匹配方法，其特征在于，包括如下步骤，步骤1，收集调度、运检部门的电系操作票和操作指令票，分析语义，总结规律，提取规则，建立一种适用于电力工作实际的文本匹配数据集；步骤2，基于所述的文本匹配数据集，分析现有各类深度学习算法适用场景，结合现场生产实际，考虑设备类型，设备运行状态，电站接线方式，线路结构等因子的影响，设计满足任务要求的深度学习算法模型；步骤3，应用已有的历史票，对模型进行训练，最终形成测试模型，然后用真实数据验证测试模型，并对模型进行调优，直至最终形成最优模型。