基于语义的新型电力系统设备检修数据融合技术研究

徐晓敏; 严晗; 刘鑫; 郭青玄; 李茂; 赵一夫

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

基于语义的新型电力系统设备检修数据融合技术研究

更新时间：2026-01-12

- 基于语义的新型电力系统设备检修数据融合技术研究
- Research on Semantic based Data Fusion Technology for New Power System Equipment Maintenance
- 电力大数据 2025年第10期
- 作者机构：
  
  1. 国网淮安供电公司
  2. 国网江苏省电力有限公司淮安供电分公司
- 作者简介：
- 基金信息：
- DOI：
  中图分类号：
- 纸质出版：2025
- 稿件说明：
移动端阅览
徐晓敏, 严晗, 刘鑫, 等. 基于语义的新型电力系统设备检修数据融合技术研究[J]. 电力大数据, 2025,(10).

徐晓敏, 严晗, 刘鑫, et al. Research on Semantic based Data Fusion Technology for New Power System Equipment Maintenance[J]. 2025, (10).
徐晓敏, 严晗, 刘鑫, 等. 基于语义的新型电力系统设备检修数据融合技术研究[J]. 电力大数据, 2025,(10). DOI：

徐晓敏, 严晗, 刘鑫, et al. Research on Semantic based Data Fusion Technology for New Power System Equipment Maintenance[J]. 2025, (10). DOI：

摘要

新型电力系统中的设备检修数据呈现多尺度混沌特性，使得不同模态检修数据在不同尺度下存在流形失配问题，难以捕捉非结构化数据与结构化参数的深层关联语义关系。为了打破单一数据源的局限性，整合多维度信息，避免片面诊断，提出基于语义的新型电力系统设备检修多模态数据融合技术研究。引进知识图谱与深度学习，提取多模态数据统一语义表征；设计动态权重分配机制，以自适应优化设备检修多模态数据的贡献度；利用跨模态语义关联模型，实现对设备检修多模态数据的深度融合。实验结果表明，设计的方法不仅可以实现设备检修结构化数据与非结构化数据的深度融合，还能在提高融合后数据集语义相似性的基础上，控制数据携带的噪声。

Abstract

The equipment maintenance data in the new power system exhibits multi-scale chaotic characteristics

which leads to manifold mismatch problems in different modal maintenance data at different scales

making it difficult to capture the deep semantic relationship between unstructured data and structured parameters. In order to break the limitations of a single data source

integrate multidimensional information

and avoid one-sided diagnosis

a new semantic based multimodal data fusion technology for power system equipment maintenance is proposed. Introducing knowledge graphs and deep learning to extract multimodal data for unified semantic representation; Design a dynamic weight allocation mechanism to adaptively optimize the contribution of multimodal data in equipment maintenance; Utilizing a cross modal semantic association model to achieve deep fusion of multimodal data for equipment maintenance. The experimental results show that the designed method can not only achieve the deep integration of structured data and unstructured data of equipment maintenance

but also control the noise carried by the data on the basis of improving the semantic similarity of the fused data set.

关键词

Keywords

references

陈丹,陈浩,王子晨,等.多层ICP闭环检测下的误差状态卡尔曼滤波多模态融合SLAM[J].电子与信息学报,2025,47(5):1-12.

宋永,杨阔,覃觅觅.基于循环神经网络的多模态无线传感数据自适应融合方法[J].传感技术学报,2023,36(1):141-146.

伍章俊,许仁礼,方刚,等.一种面向旋转机械多传感器故障诊断的模态融合深度聚类方法[J].电子与信息学报,2025,47(1):244-259.

徐玺,王海荣,王彤,等.图文语义增强的多模态命名实体识别方法[J].计算机应用研究,2024,41(6):1679-1685.

李立柱,孟明,高云园,等.基于小波变换的EEG-fNIRS多模态数据融合方法[J].传感技术学报,2023,36(7):1064-1072.

龚荣芳,黄麟雅,朱旗,等.基于图学习的缺失脑网络生成及多模态融合诊断方法[J].数据采集与处理,2024,39(4):843-862.

朱增乐,魏智伟,张荣庆,等.面向道路目标检测的多模态融合语义传输[J].模式识别与人工智能,2023,36(11):1009-1018.

胡媛,王宗乾,刘卫,等.一种基于CNN-SVR多模态信息融合的GNSS-R风速反演研究[J].测绘科学,2023,48(12):74-83.

范勇,张政波综述,王晶审校.基于深度学习的电子病历多模态数据融合研究进展[J].生物医学工程学杂志,2024,41(5):1062-1071.

王国庆,裴云强,杨阳,等.多模可信交互:从多模态信息融合到人-机器人-数字人三位一体式交互模型[J].中国科学(信息科学),2024,54(4):872-892.

王静,丁卫平,尹涛,等.基于多模态模糊特征融合的脑龄协同预测算法[J].模式识别与人工智能,2024,37(7):613-625.

刘春,马小龙,戚远帆,等.前融合策略下辅助智能驾驶的多模态数据采集与高精度点云地图构建[J].测绘通报,2024(8):8-12,19.

王红霞,王波,董旭柱,等.面向电力多模态融合的语义差异性和感知能力差异性分析方法[J].高电压技术,2024,50(9):4037-4047.

殷宝媛,王雪静,孙馨,等.教师课堂管理行为多模态解码:行为特征,分类识别与时序发展[J].电化教育研究,2024,45(10):101-109.

汪健雄,阎志远,张瀛丹,等.基于多模态信息融合的智能高速铁路旅客运输保障技术研究[J].铁道运输与经济,2023,45(2):47-53.