随着工业社会的快速发展,电网输变电设备日常检修维护工作中积累了大量设备故障案例检修记录,其中包含故障案例发现、判断、检修的知识,对现场运检人员遇到新故障时快速判断和检修决策具有重要参考价值。文本匹配技术可以从大量的故障案例数据中挖掘出与目标故障案例相似度高的案例,并将关键知识提供给现场检修作业人员,辅助支持故障维修的决策过程。目前,文本匹配技术取得了不错的研究进展,大多是模型采用语义编码的方法提取文本特征并利用文本相似度计算方法预测文本对之间的逻辑关系,但存在语义信息提取不足及未捕捉文本对之间更细致的文本对词语交互信息的问题。本文针对这两个问题,提出了一种高效的文本匹配模型,分别对文本语义及语义交互建模,提取深层的语义信息及交互信息,并对两者进行特征融合,构建增强语义的文本匹配模型。首先,本文利用多头自注意力网络提取文本的独立语义信息;然后,对编码后的文本语义,本文设计了多头交互注意力网络提取文本对词语之间的语义匹配、交互信息;最后,本文设计了特征融合方法,对独立语义及交互信息融合组层增强语义特征。实验结果表明,本文提出的模型在 STSb、QQP、AFQMC、WikiQA、QNLI、SNLI、SciTail共7个数据集上取得了领先的性能效果,证明了模型的高效性。本文将提出的模型应用于电网领域中,设计并实现了电网相似故障案例推送原型系统。构建了电网领域相似故障案例数据集,通过实验验证模型在电网相似案例推送的有效性,并通过系统测试,证明了该系统的实用性。