一种基于BERT-BiLSTM-CRF模型的电力设备故障信息抽取与智能诊断方法

本发明公开了一种基于BERT‑BiLSTM‑CRF模型的电力设备故障信息抽取与智能诊断方法，包括以下步骤：S1：采集电力设备运行数据，包括故障日志、设备状态、操作记录等文本信息；S2：对采集的文本数据进行预处理，去除噪声并进行分词，为后续处理做好准备；S3：使用BERT模型对预处理后的文本进行上下文建模，提取语义特征；S4：将BERT输出的语义信息输入到BiLSTM网络，捕捉文本中的长距离依赖关系；S5：通过CRF层优化标签分配，精确识别故障日志中的关键实体；S6：结合抽取出的信息与设备实时数据，进行故障诊断并生成处理建议。本发明通过结合BERT、BiLSTM和CRF模型，自动抽取电力设备故障信息，提高故障诊断的准确性与智能化水平，为设备维护提供可靠的决策支持。