一种基于知识图谱的变电站缺陷分析系统的制作方法

1.本发明涉及变电站设备缺陷分析领域、变电站设备缺陷管理领域与自然语言处理领域，具体涉及一种基于知识图谱的变电站设备缺陷分析系统。


背景技术：

2.随着科技的发展，变电站设备的缺陷分析越来越重要，目前常用的方法为通用型的问答系统，一般是需要通过大量的语料库作为基础，实现简短的对话问答，这样的系统往往用于娱乐领域，用于设备缺陷维修领域较少，原因之一为系统往往难以提取用户问话中的精确含义，不能准确的分析用户的意图；传统的工业设备缺陷分析系统在知识表示、知识存储以及知识推理方面存在一定的不足；其次工业故障维修关联领域较广，问答系统只能够根据用户所提问题，在传统的知识库中查询问句的关键词，从而定位答案的位置。
3.因此，在实现本发明的过程中，发明人发现需要提供一种基于知识图谱的变电站设备缺陷分析系统，采用基于知识图谱的专家知识表示与知识存储方法，结合智能推理技术准确的诊断分析设备缺陷情况，保证设备运行的稳定性。


技术实现要素：

4.为解决现有技术中的缺点和不足，本发明提供一种基于知识图谱的变电站设备缺陷分析系统，通过诊断积累、缺陷登记、案例管理以及知识提取，不断丰富知识图谱，从而能够适应不断提高的用户需求。
5.本发明的技术方案为：
6.一种基于知识图谱的变电站设备缺陷分析系统，所述变电站设备缺陷分析系统包括信号依次传递的缺陷登记模块、案例管理模块、知识获取模块、知识图谱构建模块和智能推理模块，其中：
7.所述缺陷登记模块用于登记缺陷信息；
8.所述案例管理模块用于管理历史缺陷案例信息；
9.所述知识获取模块用于将缺陷案例解构出结构化数据，获取有效知识；
10.所述知识图谱构建模块用于建立设备缺陷特征知识图谱；
11.所述智能推理模块用于对当前缺陷特征信息与知识库中已有的缺陷知识以及专家经验进行匹配和推理，找出缺陷原因。
12.借此，本发明上述实施例的基于知识图谱的变电站设备缺陷分析系统，通过对缺陷案例自动、快速以及准确解构，生成有效知识，从而在缺陷案例积累过程中，沉淀专家知识,通过构建变电站设备缺陷分析知识图谱，增强了对专家知识的表示能力，提高了处理速度,通过知识图谱构建模块减少了知识图谱的冗余度，增强图谱内知识关联性，提高了分析处理效率,借助智能推理模块使其精度大大提高，在实际应用中能精准的定位设备缺陷，从而提高了设备运行质量。更进一步的，能够给予更好的用户体验的缺陷分析系统，为用户提供专业的成熟的变电站设备故障维修方案，保障设备稳定运行。
13.优选地，所述登记缺陷信息包含产生缺陷的设备信息、缺陷引发的数据以及现象特征信息、缺陷原因以及缺陷类型信息。
14.优选地，依据登记的缺陷信息得到缺陷案例的具体实现方式为：运维人员通过人工录入方式录入缺陷信息，录入之后，在缺陷登记列表展示，之后点击生成案例，通过程序，使用模版引擎freemarker技术，将缺陷登记信息生成文档案例信息，开始启动案例审核环节，审核通过后，缺陷登记信息正式生成缺陷案例并发布上线。
15.优选地，所述知识获取模块通过以下三种方式进行获取：
16.通过excel导入的方式，将维护在excel文件中的专家知识进行分析、清洗，生成有效知识；通过系统页面手动维护专家知识；通过对缺陷案例解构，生成有效知识。
17.优选地，所述对缺陷案例解构的方法包括以下步骤：
18.s31，将缺陷案例内容拆分、文本清洗；
19.s32，解构缺陷内容，获取所述缺陷内容的所有对象属性；
20.s33，根据获取得到的对象属性，将该缺陷案例内容以及其对应的对象属性存储到对应的数据表项中。
21.借此，本发明上述实施例的基于知识图谱的变电站设备缺陷分析系统，解析缺陷案例无需人工参与，即可自动将缺陷案例中的所有对象属性信息准确地抽取出来，形成便于人们查询和了解解构后的信息，整个过程无需人工干预，自动完成，并且系统自动解构数据精确度高。
22.优选地，所述步骤s32中获取得到该缺陷内容的对象属性包括该缺陷案例对应的变电站名称、设备电压等级、设备类型、设备结构类型、缺陷部件信息、缺陷类型、缺陷原因信息、判别方法、缺陷描述信息、判别技术标准、消缺措施、缺陷发现人信息以及缺陷处理人信息。
23.优选地，所述变电站名称的获取是通过利用正则表达式的方式识别标题的内容，根据正则识别的结果来确定变电站名称；所述消缺措施的获取是通过利用预存的消缺触发词遍历整个识别出的内容，查询到正文内容中关于消缺措施的内容并提取出该部分内容。
24.优选地，所述对缺陷案例解构的子系统包括以下三个模块：
25.a，缺陷内容拆分模块，所述缺陷内容拆分模块拆分缺陷内容，根据缺陷案例的文档格式，拆解为以下几部分：标题、发现处理、设备情况，并将拆分后的内容清洗后传至对象属性识别模块；
26.b,对象属性识别模块，所述对象属性识别模块识别缺陷文档内容，获取该缺陷内容的对应的所有对象属性信息，并将该对象信息传至对应的存储模块；
27.c，解构结果存储模块，所述解构结果存储模块对对象属性识别模型获取的所有对象属性信息形成对应的映射关系，并通过相应的数据表项存储于数据库中。
28.优选地，所述知识图谱构建模块对解构出的结构化数据，利用图计算引擎技术实现变电站设备缺陷分析领域相关知识图谱的解析、构建处理，将各类型设备、缺陷特征数据以及缺陷原因、缺陷类型、解决方案的信息的联系抽象为图，结合图数据半结构化的特征，采用以图顶点为中心、基于图计算引擎，进行运算优化，并建立设备缺陷特征知识图谱。
29.优选地，所述智能推理模块，依据知识图谱构建模块构建的知识图谱，对当前缺陷特征信息与知识库中已有的缺陷知识以及专家经验进行匹配推理，找出缺陷原因。
30.优选地，所述匹配推理的过程主要包括以下步骤：
31.s51，选择变电站设备结构类型；
32.s52，输入变电站设备信息，进行家族性缺陷分析；
33.s53，选择特征部位，根据选择的特征部位查询知识图谱，查出与此特征部位有间接关系的判定方法和技术标准，进行判定方法的推送；
34.s54，选择判定方法，查询知识图谱中，与此判定方法有间接关系的数据以及现象特征进行展示；
35.s55，用户根据变电站现场故障设备表现出的特征，在步骤s54结果中对应选中；
36.s56，通过步骤s55选中的数据以及现象特征，命中知识图谱中缺陷原因对应的数据以及现象特征，如果命中率满足，输出命中率最高的缺陷原因作为匹配结果，若不满足，则继续步骤s57；
37.s57，根据步骤s56缺陷原因命中率排序，由高到底推送与此有关系的特征，直至匹配度达到要求，输出诊断结果，结束推理过程，或者直至将有关系的特征推送完毕，输出下一步的操作建议的提示，结束推理过程。
38.优选地，所述步骤s52中进行家族性缺陷分析计算逻辑包括以下步骤：
39.s521，案例管理模块维护了已审核通过的缺陷案例；
40.s522，每个已审核通过的缺陷案例都有系统标签；
41.s523，根据输入的变电站设备信息匹配所有案例的系统标签，统计相同设备厂家、相同设备型号、相同缺陷部件、相同缺陷类型的次数；
42.s524，判定家族性缺陷规则是否满足，若满足，输出家族性缺陷分析结果，若不满足，继续执行所述步骤s53。
43.本发明的有益效果为：
44.本发明公开了一种基于知识图谱的变电站设备缺陷分析系统，通过对缺陷案例自动、快速以及准确解构，生成有效知识，从而在缺陷案例积累过程中，沉淀专家知识,通过图计算引擎构建变电站设备缺陷分析知识图谱，增强了对专家知识的表示能力，提高了处理速度,通过知识图谱构建模块减少了知识图谱的冗余度，增强图谱内知识关联性，提高了算法处理效率,基于智能推理模块的推理算法精度大大提高，在实际中能精准的定位设备缺陷，从而提高了设备运行质量；尤其是，利用抽取模板、语义规则、正则表达式相结合，各种资源词库相辅助的方式，可以在没有标注数据或者少量标注数据的情况下对缺陷案例中的对象属性信息进行抽取，解析缺陷案例无需人工参与，即可自动将缺陷案例中的所有对象属性信息准确地抽取出来，形成便于人们查询和了解解构后的信息，整个过程无需人工干预，自动完成，并且系统自动解构数据精确度高，更进一步地有助于提高系统的精度和准确性。
附图说明
45.下面结合附图和具体实施方式对本发明作进一步详细说明。
46.图1为本发明一种基于知识图谱的变电站设备缺陷分析系统的实施例中步骤s4以及步骤s5中的抽取知识后所建立的知识图谱结构以及特征选择步骤图；
47.图2为本发明一种基于知识图谱的变电站设备缺陷分析系统的实施例中步骤s5中
的家族性缺陷分析流程图；
48.图3为本发明一种基于知识图谱的变电站设备缺陷分析系统的实施例中步骤s5中的数据特征匹配逻辑结构图；
49.图4为本发明一种基于知识图谱的变电站设备缺陷分析系统的工作流程图；
50.图5为本发明一种基于知识图谱的变电站设备缺陷分析系统的变电站设备缺陷案例解构方案的工作流程图；
51.图6为本发明一个实施例的基于知识图谱的变电站设备缺陷分析系统的整体架构示意图；
52.图7为本发明一个实施例的基于知识图谱的变电站设备缺陷分析方法中的整体流程示意图；
53.图8为本发明一个实施例的基于知识图谱的变电站设备缺陷分析方法中步骤s3对缺陷案例解构的整体流程示意图；
54.图9为本发明一个实施例的基于知识图谱的变电站设备缺陷分析方法中步骤s5匹配推理的整体流程示意图；
55.图10为本发明一个实施例的基于知识图谱的变电站设备缺陷分析方法中步骤s52进行家族性缺陷分析计算的整体流程示意图；
56.图11为本发明一种基于知识图谱的变电站设备缺陷分析系统的实施例中步骤s3中的缺陷案例解构方法的主要流程示意图。
具体实施方式
57.下面结合附图对本发明的具体实施方式作进一步的详细说明。
58.为了彻底了解本发明实施例，将在下列的描述中提出详细的结构。显然，本发明实施例的施行并不限定于本领域的技术人员所熟习的特殊细节。本发明的较佳实施例详细描述如下，然而除了这些详细描述外，本发明还可以具有其他实施方式。
59.参照图1-图5，图1为本发明一种基于知识图谱的变电站设备缺陷分析系统的实施例中步骤(4)以及步骤(5)中的抽取知识后所建立的知识图谱结构以及特征选择步骤图；图2为本发明一种基于知识图谱的变电站设备缺陷分析系统的实施例中步骤(5)中的家族性缺陷分析流程图；图3为本发明一种基于知识图谱的变电站设备缺陷分析系统的实施例中步骤(5)中的数据特征匹配逻辑结构图；图4为本发明一种基于知识图谱的变电站设备缺陷分析系统的工作流程图；图5为本发明一种基于知识图谱的变电站设备缺陷分析系统的变电站设备缺陷案例解构方案的工作流程图；本实施例提供的一种基于知识图谱的变电站设备缺陷分析系统，所述变电站设备缺陷分析系统包括信号依次传递的缺陷登记模块、案例管理模块、知识获取模块、知识图谱构建模块和智能推理模块，其中：所述缺陷登记模块用于登记缺陷信息；所述案例管理模块用于管理历史缺陷案例信息；所述知识获取模块用于将缺陷案例解构出结构化数据，获取有效知识；所述知识图谱构建模块用于建立设备缺陷特征知识图谱；所述智能推理模块用于对当前缺陷特征信息与知识库中已有的缺陷知识以及专家经验进行匹配和推理，找出缺陷原因。
60.结合图6和图7，本实施例的具体操作包括以下步骤：
61.步骤s1：缺陷登记模块，通过人工录入方式录入与缺陷诊断维修相关的专家经验
知识。经过清洗、筛选、和特征提取，形成有效的缺陷维修相关信息，并通过系统将登记的缺陷生成缺陷案例存入缺陷案例管理模块，具体地，登记的缺陷信息包含产生缺陷的设备信息、缺陷引发的数据以及现象特征信息、缺陷原因以及缺陷类型信息，所有信息为运维人员通过人工录入方式录入，录入之后，在缺陷登记列表展示，之后点击生成案例，通过程序，使用模版引擎freemarker技术，将缺陷登记信息生成文档案例信息，开始启动案例审核环节，审核通过后，缺陷登记信息正式生成缺陷案例并发布上线；
62.步骤s2：在缺陷案例管理模块，通过对用户导入缺陷案例以及缺陷登记生成的案例收藏以及检索操作，方便用户借鉴历史缺陷的处理方式，处理现有类似缺陷；主要意义是通过管理历史缺陷信息，方便之后借鉴以及抽取成熟的专家知识，缺陷案例主要来源用户上传以及缺陷登记生成，对于比较常见的缺陷或者借鉴意义较大的缺陷对应的缺陷案例，用户可以收藏，方便以后查看，用户在发现新的缺陷时，也可以通过发现的缺陷信息在此模块进行检索，以便借鉴此类缺陷历史解决方案；
63.步骤s3：在知识获取模块，接收工作人员系统页面维护、excel导入以及缺陷案例解构的与缺陷诊断分析相关的专家经验知识，这些综合信息经过清洗、筛选、和特征提取，形成有效的缺陷特征相关信息。具体通过三种方式进行获取：通过excel导入的方式，将维护在excel文件中的专家知识进行分析、清洗，生成有效知识；通过系统页面手动维护专家知识；通过对缺陷案例自动、快速以及准确解构，生成有效知识；
64.其中，参见图8，缺陷案例的解构方法有如下步骤：s31、缺陷案例内容拆分，文本的清洗；s32、解构缺陷内容，获取该缺陷内容的所有对象属性；s33、根据获取得到的对象属性，将该缺陷案例内容以及其对应的对象属性存储到对应的数据表项中；进一步的，所述步骤s32中获取得到该缺陷内容的对象属性包括该缺陷案例对应的变电站名称、设备电压等级、设备类型、设备结构类型、缺陷部件信息、缺陷类型、缺陷原因信息、判别方法、缺陷描述信息、判别技术标准、消缺措施、缺陷发现人信息、缺陷处理人信息等，并且所述步骤s32中在获取变电站名称信息时，利用正则表达式的方式识别标题的内容，根据正则识别的结果确定变电站名称；在获取消缺措施时，利用预存的消缺触发词遍历整个识别出的内容，查询到正文内容中关于消缺措施的内容并提取出该部分内容；所述步骤s33中存储缺陷案例内容时，首先将获取的判别方法存储到对应的数据表项中，接着在该表项中存储该判别方法对应的缺陷描述信息。
65.其中，缺陷案例的解构方案包括三个模块：a.缺陷内容拆分模块，所述缺陷内容拆分模块拆分缺陷内容，根据缺陷案例的文档格式，拆解为以下几部分：标题、发现处理、设备情况，并将拆分后的内容清洗后传至对象属性识别模块；b.对象属性识别模块，所述对象属性识别模块识别缺陷文档内容，获取该缺陷内容的对应的所有对象属性信息，并将该对象信息传至对应的存储模块；c.解构结果存储模块，所述解构结果存储模块对对象属性识别模型获取的所有对象属性信息形成对应的映射关系，并通过相应的数据表项存储于数据库中；根据上述方案形成的缺陷案例解构方案能够自动的获取缺陷案例中的对象信息，形成便于人们查询和了解解构后的信息。整个过程无需人工干预，自动完成，并且系统自动解构数据精确度高。
66.具体实施时，参见图11，缺陷案例解构可以包括下述步骤：
67.s311、训练一个针对变电站设备领域的神经网络模型，模型用于文本的分词，词性
标注，实体识别。
68.s312、构建多种不同的词库：
69.1)缺陷内容分段标识库，用于文本的切分；
70.2)缺陷特征的触发词库，用于缺陷描述的定位；
71.3)否定词的触发词库，用于筛选非缺陷的描述；
72.4)缺陷原因的触发词库，用于缺陷原因的定位；
73.5)消缺的触发词库，用于消缺措施的定位；
74.6)词性扩展库，用于缺陷特征的向前扩展完善缺陷描述；
75.7)特殊名词库，用于修正模型分词错误导致的信息解析错误。
76.s313、利用缺陷内容分段标识库对内容进行分段，对段落进行分句，对句子利用“，”等标识进行切分子句，利用训练好的模型对子句进行分词，词性标注，实体识别，得到子句的解析结果。
77.s321、根据解析结果：若结果中存在缺陷特征词，通过词性判断，利用设定好的词性扩展库，向前遍历进行缺陷描述的扩展，将词性在词性扩展库中的词拼接到缺陷特征词前；若前一个词的词性不在词性扩展库中，则拼接终止，形成完整的缺陷描述，形成的缺陷描述会包含缺陷发生的部位以及发生的缺陷；若结果中存在否定词，则过滤掉该缺陷描述，表示未发生该缺陷。
78.s322、根据解析结果：若结果中存在缺陷原因特征词，并且不存在否定词，则认定为该句子描述即为缺陷原因信息。
79.s323、通过抽取模板对句子内容进行匹配，例如：“通过...检测发现...”，即可将缺陷的判别方法信息抽取出来。
80.s331、将缺陷内容解构模块获取的所有对象属性信息形成对应的映射关系，并通过相应的数据表项存储到数据库中，建立所述结构化知识库。
81.借此，可以在没有标注数据或者少量标注数据的情况下对缺陷案例中的对象属性信息进行抽取，解析缺陷案例无需人工参与，即可自动将缺陷案例中的所有对象属性信息准确得抽取出来，形成便于人们查询和了解解构后的信息，整个过程无需人工干预，自动完成，并且系统自动解构数据精确度高。
82.步骤s4、在知识图谱构建模块，对步骤s3解构出的结构化数据，利用图计算引擎技术实现变电站设备缺陷分析领域相关知识图谱的解析、构建处理，将各类型设备、缺陷特征数据以及缺陷原因、缺陷类型、解决方案等信息的联系抽象为图，结合图数据半结构化的特征，采用以图顶点为中心、基于图计算引擎，进行运算优化，并建立关联化变电站设备缺陷特征知识图谱；
83.步骤s5、在智能推理模块，依据步骤s4构建的知识图谱，对当前缺陷特征信息与知识库中已有的缺陷知识以及专家经验进行匹配推理，找出缺陷原因。首先根据步骤提示，选择缺陷特征。对选择的缺陷特征信息采用匹配算法对知识图谱中的存储的缺陷知识与录入的缺陷特征进行遍历匹配，判断在知识图谱中有无可匹配知识。若有再进行判断是否需要冲突消解，按照预定义图谱知识匹配优先级别消除冲突后输出缺陷分析推理结果，结束推理过程。输出匹配的缺陷以及缺陷解决方案等信息。同时将此条缺陷事实作为一条新的缺陷通过人工方式录入到缺陷登记模块中。
84.参见图9，本发明一个实施例中，匹配过程主要分为以下步骤：s51、选择变电站设备结构类型；s52、输入变电站设备信息，进行家族性缺陷分析，其中，家族性缺陷分析计算逻辑分为以下步骤：s521、案例管理模块维护已审核通过的缺陷案例，s522、每个已审核通过的缺陷案例都有系统标签，s523、根据输入的变电站设备信息匹配所有案例的系统标签，统计相同设备厂家、相同设备型号、相同缺陷部件、相同缺陷类型的次数，s524、判定家族性缺陷规则是否满足，若满足，输出家族性缺陷分析结果，若不满足，继续执行以下步骤s53；选择特征部位，根据选择的特征部位查询知识图谱，查出与此特征部位有间接关系的判定方法和技术标准，进行判定方法的推送；选择判定方法，查询知识图谱中，与此判定方法有间接关系的数据以及现象特征进行展示；用户根据变电站现场故障设备表现出的特征，在步骤s54结果中对应选中；通过步骤s55选中的数据以及现象特征，命中知识图谱中缺陷原因对应的数据以及现象特征，如果命中率满足，输出命中率最高的缺陷原因作为匹配结果，若不满足，则继续步骤s57；根据步骤s56缺陷原因命中率排序，由高到底推送与此有关系的特征，直至匹配度达到要求，输出诊断结果，结束推理过程，或者直至将有关系的特征推送完毕，输出下一步的操作建议的提示(例如如果缺陷原因匹配度较低，无法做出诊断，可以建议进一步开展如下工作：a1、“根据《接地电流检测》，开展【接地电流检测】”；a2、“根据《绝缘试验》，开展【绝缘试验】”；和/或a3、“根据《变压器外观检查标准》，开展【外观检查】”)，结束推理过程。输出匹配的缺陷以及缺陷解决方案等信息，同时将此条缺陷事实作为一条新的缺陷通过人工方式录入到缺陷登记模块中，以便后期使用。
85.本发明基于知识图谱的变电站设备缺陷分析具体为基于变电站设备维修专业领域专家经验知识建设知识图谱，运用图计算引擎技术、自然语言处理技术以及智能推理技术对用户咨询的设备缺陷特征进行解析，通过查询知识图谱给出相应缺陷信息以及维修建议等。
86.本发明公开了一种基于知识图谱的变电站设备缺陷分析系统，通过对缺陷案例自动、快速以及准确解构，生成有效知识，从而在缺陷案例积累过程中，沉淀专家知识,通过图计算引擎构建变电站设备缺陷分析知识图谱，增强了对专家知识的表示能力，提高了处理速度,通过知识图谱构建模块减少了知识图谱的冗余度，增强图谱内知识关联性，提高了算法处理效率,基于智能推理模块的推理算法精度大大提高，在实际中能精准的定位设备缺陷，从而提高了设备运行质量。
87.最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员依然可以对本发明的具体实施方式进行修改或者等同替换，这些未脱离本发明精神和范围的任何修改或者等同替换，均在申请待批的权利要求保护范围之内。