(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210834286.8 (22)申请日 2022.07.14 (71)申请人 贵州电网有限责任公司 地址 550002 贵州省贵阳市南明区滨河路 17号 (72)发明人 龙玉江　吴忠　陈利民　李洵　 王杰峰　甘润东　龙娜　吴建蓉　 王卓月　 (74)专利代理 机构 贵阳中新专利商标事务所 52100 专利代理师 商小川 (51)Int.Cl. G06F 16/383(2019.01) G06F 16/35(2019.01) G06F 40/151(2020.01)G06F 40/154(2020.01) G06K 9/62(2022.01) G06Q 10/00(2012.01) G06Q 50/06(2012.01) G06V 30/19(2022.01) G06V 30/41(2022.01) G06V 30/418(2022.01) (54)发明名称 从非结构化数据获取设备故障及维修数据 的方法及装置 (57)摘要 本发明公开了一种从非结构化数据获取设 备故障及维修数据的方法及装置， 所述方法包 括： 获取输变电设备的待监测数据； 从待监测数 据中提取出非结构化类型的监测数据； 根据非结 构化类型的监测数据对应的数据处理方式对非 结构化类型的监测数据进行转换， 得到目标特征 数据； 根据目标特征数据确定输变电设备的设备 故障信息和目标维修信息； 解决了现有技术从非 结构化数据中检测异常信息不能够及时发现输 变电设备中存在的设备故障和出现的问题， 并耗 费了大量人力物力， 准确性和效率较低等技术问 题。 权利要求书2页 说明书9页 附图3页 CN 115146084 A 2022.10.04 CN 115146084 A 1.一种从非结构化数据获取设备故障及维修数据的方法， 其特 征在于： 所述方法包括： 获取输变电设备的待监测数据； 从待监测数据中提取 出非结构化类型的监测数据； 根据非结构化类型的监测数据对应的数据处理方式对非结构化类型的监测数据进行 转换， 得到目标 特征数据； 根据目标 特征数据确定 输变电设备的设备故障信息和目标维修信息 。 2.根据权利要求1所述的一种从非结构化数据获取设备故障及维修数据的方法， 其特 征在于： 根据非结构化类型的监测数据对应的数据处理方式对非结构化类型的监测数据进 行转换， 得到目标 特征数据的方法包括： 根据非结构化类型的监测数据确定监测数据类型； 根据监测数据类型确定特 征提取策略； 根据特征提取策略对非结构化类型的监测数据进行 数据转换， 得到初始转换 数据； 对初始转换 数据进行 数据聚类， 得到目标 特征数据。 3.根据权利要求2所述的一种从非结构化数据获取设备故障及维修数据的方法， 其特 征在于： 根据特征提取策略对非结构化类型 的监测数据进行数据转换， 得到初始转换数据 的方法包括： 当特征提取策略为第 一提取策略时， 根据第 一提取策略对非结构化类型的监测数据进 行图像划分， 得到非结构化类型的监测数据的划分图像； 对划分图像进行图像分帧， 得到分帧图像； 根据预设图像提取模型对分帧图像进行关键特征提取， 得到初始转换数据， 样本标注 图像。 4.根据权利要求2所述的一种从非结构化数据获取设备故障及维修数据的方法， 其特 征在于： 根据特征提取策略对所述非结构化类型 的监测数据进行数据转换， 得到初始转换 数据， 包括： 当特征提取策略为第 二提取策略时， 根据第 二提取策略对所述非结构化类型的监测数 据进行文本划分， 得到划分文本； 对划分文本进行 先验概率计算， 得到所述划分文本对应的目标概 率； 根据目标概 率计算各个划分文本之间的相似度， 得到相似度结果； 根据相似度结果和所述划分文本确定初始转换 数据。 5.根据权利要求1所述的一种从非结构化数据获取设备故障及维修数据的方法， 其特 征在于： 根据目标 特征数据确定 输变电设备的设备故障信息和目标维修信息的方法包括： 根据目标 特征数据确定目标 特征数据对应的目标检测标签； 根据目标检测标签和预设检测标签进行比对， 得到比对结果； 根据比对结果确定所述输变电设备的设备故障信息和目标维修信息 。 6.根据权利要求5所述的一种从非结构化数据获取设备故障及维修数据的方法， 其特 征在于： 根据目标 特征数据确定目标 特征数据对应的目标检测标签的方法包括： 根据预设转换格式对目标 特征数据进行 数据转换， 得到目标检测数据； 在预设关系存储库中查找所述目标检测数据对应的存 储标签； 根据存储标签确定所述目标 特征信息对应的目标检测标签。权　利　要　求　书 1/2 页 2 CN 115146084 A 27.根据权利要求6所述的一种从非结构化数据获取设备故障及维修数据的方法， 其特 征在于： 预设转换格式指的是预先设定的对目标特征数据进行关键信息转换 的格式， 预设 转换格式采用将目标特征数据XML化； 通过预设转换格式将目标特征数据转换成半结构化 数据， 从而得到目标特征数据对应的目标检测数据， 在预设关系存储库中查找目标检测数 据对应的存储标签， 目标检测数据对应的存储标签即为目标特征信息对应的目标检测标 签； 当目标特征数据为文本类数据时， 直接对目标特征数据进 行转换， 得到对应的XML文件， 目标特征数据对应的XML文件即为目标检测数据， 当目标特征数据为图像视频类数据时， 基 于目标特征数据进 行语义注释， 从而得到对应的文字记录， 将文字记录进 行输出， 从而得到 XML文件； 基于目标特征数据进 行语义注释是通过预设注释模型得到的， 通过样本图像及样 本图像对应的语义注释结果进行深度学习从而得到预设注释模型。 8.根据权利要求5所述的一种从非结构化数据获取设备故障及维修数据的方法， 其特 征在于： 在比对结果为预设检测标签与目标检测标签不一致时， 根据目标检测标签确定异 常检测标签； 根据异常检测标签和异常检测标签对应的目标特征数据确定输变电设备的设 备故障信息和目标维修信息 。 9.根据权利要求2所述的一种从非结构化数据获取设备故障及维修数据的方法， 其特 征在于： 所述特 征提取策略包括： 第一提取策略， 指的是对图像视频类数据进行关键信息数据提取的策略， 当非结构化 类型的监测数据为图像视频类数据时， 根据第一提取策略对非结构化类型的监测数据进 行 处理， 在非结构化类型 的监测数据具体为视频类数据时， 对非结构化类型 的监测数据进行 划分， 得到若干个视频时长相同的视频， 视频时长相同的视频即为划分图像； 在得到视频时 长相同的划分图像之后， 对划分图像进行分帧识别， 从而得到各划分图像中进行分帧之后 对应的分帧图像； 在得到分帧图像后通过预设图像提取模型对分帧图像进行关键特征提 取， 从而得到进行特征提取后的初始转换数据； 预设图像提取模型是通过样本标注图像进 行训练后得到的可对图像中关键特征进行提取的模型； 样本标注图像指的是已经在图像上 标注了关键特 征的监测数据对应的图像； 第二提取策略， 指的是对文本类数据进行关键信息数据提取的策略， 当非结构化类型 的监测数据为文本类数据时， 根据第二提取策略对非结构化类型 的监测数据进行处理； 对 非结构化类型 的监测数据进行文本划分， 得到非结构化类型 的监测数据中存在的词语， 非 结构化类型的监测数据中存在的词语即为划分文本； 根据非结构化类型的监测数据进 行词 频向量建模， 从而根据词 频向量建模后计算各划分文本的先验概率， 并根据先验概率计算 各划分文本之 间的相似度， 得到相似度结果； 在得到相似度结果和各划分文本后， 将各划分 文本及各划分文本之间的相似度结果数据作为初始转换 数据。 10.一种从非结构化数据获取设备故障及维修数据的装置， 其特征在于： 所述装置包 括： 获取模块， 用于获取输变电设备的待监测数据； 提取模块， 用于从待监测数据中提取 出非结构化类型的监测数据； 转换模块， 用于根据非结构化类型的监测数据对应的数据处理方式对非结构化类型的 监测数据进行转换， 得到目标 特征数据； 确定模块， 用于根据目标特征数据确定所述输变电设备的设备故障信息和目标维修信息 。权　利　要　求　书 2/2 页 3 CN 115146084 A 3