一种基于知识图谱的运维知识推荐方法与流程

1.本发明涉及电力运维技术领域，尤其涉及一种基于知识图谱的运维知识推荐方法。


背景技术：

2.随着经济技术的发展，为满足人们在工业生产上和日常生活上日渐增高的用电需求，电网企业将电网铺设地越发密集，用电负荷也越来越大。工业生产和日常生活都离不开电力，电网的运行安全显得尤为重要，属于电力系统重要任务之一。因此，电网企业会配置有大量运维人员来对电网设备进行运营维护，确保电网运行安全。但经验丰富、运维能力强的运维人员是非常有限的，为了提高运维人员的运维能力，电网企业通常需要对其进行运维知识培训。为此，有些电网企业在内部构建运维知识库，运维人员可以在运维知识库中搜索查阅各种运维案例进行学习。运维人员若想要系统学习某一电力设备的运维案例，则可在运维知识库中搜索该设备名称，运维知识库就会向其推荐该设备的全部运维案例。这种运维知识库的搜索推荐方式基于搜索关键词无差别输出与该关键词相关的全部运维案例，使运维人员能够看到全部运维案例。但是经验稍长的运维人员已掌握了一些基础故障处理手段，不需要再学习这类基础故障的运维案例，在这种情况下，无差别输出全部运维案例反而对其造成不便。


技术实现要素：

3.本发明所要解决的技术问题是提供一种基于知识图谱的运维知识推荐方法，其能够自动评估运维人员的运维能力并据此推荐相应的运维案例，避免无差别输出全部运维案例的不便。
4.为了解决上述技术问题，本发明提供了一种基于知识图谱的运维知识推荐方法，包括以下步骤：
5.步骤a.分别以设备、部件、故障类型、解决方案为对象，根据设备相互之间的关联关系、设备与部件之间的包含关系、设备与故障类型之间的对应关系、部件与故障类型之间的对应关系、故障类型相互之间的关联关系以及故障类型与解决方案之间的对应关系，构建运维知识图谱，该运维知识图谱包含有多条故障路径，故障路径由单个设备对象和/或单个部件对象以及单个故障类型对象及其对应解决方案对象连接形成；
6.步骤b.对该图谱中的各个故障类型对象分别赋予难度属性值，难度属性值越高，对应的运维能力等级越高；
7.步骤c.根据用户输入的设备关键词或部件关键词，从运维知识图谱中搜索获得与该关键词对应的设备对象或部件对象；
8.步骤d.在运维知识图谱中查找以所述设备对象或部件对象作为起点的多条故障路径；
9.步骤e.根据用户的浏览历史中的故障类型对象的难度属性值评估该用户当前运
维能力等级；
10.步骤f.在上述多条故障路径当中，选出故障类型对象的难度属性值符合该用户当前运维能力等级的故障路径；
11.步骤g.根据所选出的故障路径生成个性化运维知识图谱显示给该用户。
12.进一步地，步骤f中，具体是选出用户未曾浏览的故障路径。
13.进一步地，包括步骤h.若用户选中某个故障类型对象或者某个解决方案对象，则突出显示该故障类型对象或该解决方案对象所在的故障路径。
14.进一步地，包括步骤i.若当前突出显示的故障路径的时长超过预设学习时长阈值，则向用户推荐下一条故障路径，具体根据个性化运维知识图谱中各个故障路径与当前突出显示的故障路径的关联度向用户推荐关联度最高的故障路径。
15.进一步地，步骤i中，在进行推荐之前，根据故障类型对象相互之间的关联关系计算所述关联度。
16.进一步地，步骤i中，具体按照所述各个故障路径与当前突出显示的故障路径的关联度高低顺序生成学习计划，将该学习计划推荐给用户，供用户按照关联度高低顺序依次查阅余下故障路径。
17.进一步地，步骤i中，计算所述关联度具体还根据部件对象相互之间的关联关系。
18.进一步地，步骤f中，具体选出故障类型对象的难度属性值对应所述用户当前运维能力等级的以及高于所述用户当前运维能力等级的故障路径。
19.进一步地，步骤e中，评估用户当前运维能力等级具体还根据用户的浏览历史中的故障类型对象的浏览时长。
20.上述基于知识图谱的运维知识推荐方法，根据所述用户的浏览历史中的故障类型对象的难度属性值评估该用户当前运维能力等级，据此选出难度属性值符合该用户当前运维能力等级的故障路径(一条故障路径对应一个运维案例)，进而生成个性化运维知识图谱显示给该用户，供用户进行学习。该方法能够根据用户的运维能力等级推荐显示对应的个性化运维知识图谱，即输出个性化运维案例，避免了无差别输出全部运维案例的不便。
附图说明
21.图1是本发明提供的基于知识图谱的运维知识推荐方法的流程示意图；
22.图2是采用本发明的基于知识图谱的运维知识推荐方法的运维知识推荐过程示意图；
23.图3是本发明提供的变压器运维知识图谱示意图，图中包含以变压器为起点的全部故障路径，图中未示出故障类型对象相互之间的关联关系以及部件对象相互之间的关联关系；
24.图4是本发明提供的变压器个性化运维知识图谱示意图，图中包含以变压器为起点的部分故障路径，图中未示出故障类型对象相互之间的关联关系以及部件对象相互之间的关联关系。
具体实施方式
25.以下结合具体实施方式对本发明创造作进一步详细说明。
26.本发明给出基于知识图谱的运维知识推荐方法，如图1所示，包括以下步骤：
27.步骤a.分别以设备、部件、故障类型、解决方案为对象，根据设备相互之间的关联关系、设备与部件之间的包含关系、设备与故障类型之间的对应关系、部件与故障类型之间的对应关系、故障类型相互之间的关联关系以及故障类型与解决方案之间的对应关系，构建运维知识图谱，该运维知识图谱包含有多条故障路径，故障路径由单个设备对象和/或单个部件对象以及单个故障类型对象及其对应解决方案对象连接形成。
28.执行步骤a，需由经验丰富的运维人员罗列出运维知识，具体地，运维人员首先罗列出各个电力设备及其部件，其次针对每个部件罗列出其可能出现的故障类型及其解决方案，假若有些电力设备部件较少，故障类型难以划分到具体部件上，则改为针对设备罗列出其可能出现的故障类型及其解决方案即可，最后罗列出各个故障类型相互之间的关联关系。运维人员罗列好构建运维知识图谱所需的运维知识后，即可据此构建运维知识图谱，具体地，本实施例采用现有的知识图谱构建方法，对上述运维知识进行知识抽取、知识融合、知识加工等操作，实现以设备、部件、故障类型、解决方案为对象，根据设备相互之间的关联关系、设备与部件之间的包含关系、设备与故障类型之间的对应关系、部件与故障类型之间的对应关系、故障类型相互之间的关联关系以及故障类型与解决方案之间的对应关系，构建得到运维知识图谱。本实施例将单个设备对象、单个部件对象、单个故障类型对象及其解决方案对象依次连接形成的路径定义为故障路径，即“设备
→
部件
→
故障类型
→
解决方案”，例如图3中的虚线圈“变压器
→
绕组
→
故障类型7
→
解决方案7”即为一条故障路径。假若是直接针对设备罗列故障类型及其解决方案，故障路径则为“设备
→
故障类型
→
解决方案”。图3所给出的变压器运维知识图谱中包含有很多条故障路径。
29.步骤b.对该图谱中的各个故障类型对象分别赋予难度属性值，难度属性值越高，对应的运维能力等级越高。
30.本实施例中，运维人员在罗列故障类型时，需根据故障类型的解决难度标注每个故障类型的难度属性值，难度属性值越大，表示故障类型解决难度越高，对应的运维能力等级越高，具体地：以主变压器的故障类型标注为例，对具有基础电路知识即可解决的常见故障类型，例如跳闸、主变套管老化等等，将其难度属性值标注为1，这类故障类型对应运维能力等级一；对需具备设备基础知识才能解决的故障类型，例如主变渗油、匝间短路等等，将其难度属性值标注为2，这类故障类型对应运维能力等级二；对需具备一定的设备运行知识才能解决的故障类型，例如过负荷、过励磁等等，将其难度属性值标注为3，这些故障类型对应运维能力等级三；对需精通设备运行知识才能解决的故障类型，例如油流放电、电弧放电等等，将其难度属性值标注为4，这些故障类型对应运维能力等级四，以此类推，标注出各个故障类型的难度属性值。本实施例难度属性值设有4个级别，分别对应四个运维能力等级，在其他实施例中，难度属性值可改设为更多级别，分别对应更多运维能力等级。本实施例根据运维人员所标注的难度属性值，对该图谱中的各个故障类型对象分别赋予难度属性值。
31.步骤c.根据用户输入的设备关键词或部件关键词，从运维知识图谱中搜索获得与该关键词对应的设备对象或部件对象。
32.步骤d.在运维知识图谱中查找以所述设备对象或部件对象作为起点的多条故障路径。
33.赋予了故障类型难度属性值的运维知识图谱存储在图2中所示的服务器的运维知
识库中，用户即可使用该运维知识库进行自主学习。如图2所示，用户想系统学习变压器的相关运维知识，在客户端进入运维知识库搜索界面，输入关键词“变压器”进行搜索。服务器在运维知识库中搜索获得“变压器”对象，然后在运维知识图谱中查找获得以“变压器”对象作为起点的全部故障路径(见图3)。
34.同理，假若用户想系统学习变压器绕组的相关运维知识，则在客户端运维知识库搜索界面中输入关键词“变压器绕组”，服务器在运维知识库中搜索获得变压器下属的“绕组”对象，然后在运维知识图谱中查找获得以“绕组”对象作为起点的全部故障路径。
35.步骤e.根据用户的浏览历史中的故障类型对象的难度属性值和浏览时长评估该用户当前运维能力等级。
36.如图2所示，服务器搜索获得“变压器”对象的全部故障路径后，获取到用户浏览历史中大部分故障类型对象的难度属性值都为1，少部分难度属性值为2。服务器进一步获取各个故障类型对象的浏览时长，计算难度属性值为1的故障类型对象的平均浏览时长t1以及难度属性值为2的故障类型对象的平均浏览时长t2，首先判断平均浏览时长t1是否超过30秒，若是，说明用户浏览难度属性值为1的故障类型对象时需要进行知识消化，意味着该用户尚未掌握难度属性值为1的故障类型，据此可评估得出该用户运维能力等级为一。假若平均浏览时长t1没有超过30秒，反映出用户对难度属性值为1的故障类型对象多数是浏览一会就跳到下一个，说明用户浏览时无需进行知识消化，即该用户已掌握难度属性值为1的故障类型，服务器进一步判断出平均浏览时长t2超过30秒，说明用户浏览难度属性值为2的故障类型对象时需要进行知识消化，意味着该用户尚未掌握难度属性值为2的故障类型，则可评估得出该用户运维能力等级为二。
37.非优选地，步骤e可以改为只根据用户的浏览历史中的故障类型对象的难度属性值评估该用户当前运维能力等级，例如用户浏览历史中大部分故障类型对象的难度属性值都为1，评估得出该用户当前运维能力等级为一。
38.步骤f.在上述多条故障路径当中，选出故障类型对象的难度属性值符合该用户当前运维能力等级的故障路径。
39.假设评估得出用户当前的运维能力等级为二，服务器在图3所示的以“变压器”对象为起点的全部故障路径当中，选出故障类型对象的难度属性值对应运维能力等级二及以上的故障路径，从中进一步选出用户未曾浏览过的故障路径。本实施例以对应用户当前运维能力等级及以上的难度属性值的故障路径作为符合该用户当前运维能力等级的故障路径，非优选地，其他实施例可以改为仅以对应用户当前运维能力等级的难度属性值的故障路径作为符合该用户当前运维能力等级的故障路径，即只选出故障类型对象的难度属性值对应运维能力等级二且用户未曾浏览过的故障路径。
40.步骤g.根据所选出的故障路径生成个性化运维知识图谱显示给该用户。
41.根据上一步骤选出的符合用户运维能力等级的“变压器”对象的部分故障路径，生成如图4所示的变压器个性化运维知识图谱显示给该用户。该个性化运维知识图谱只包含符合用户的运维能力等级的故障路径，相较于图3所示的变压器运维知识图谱，剔除了不符合用户运维能力等级的故障路径，实现输出个性化运维知识(即个性化运维案例)，避免了无差别输出全部运维知识对用户造成的不便。
42.步骤h.若用户选中某个故障类型对象或者某个解决方案对象，则突出显示该故障
类型对象或该解决方案对象所在的故障路径。
43.用户想查看故障类型1对象及其解决方案1对象，则在变压器个性化运维知识图谱中选中故障类型1对象，服务器则把故障类型1对象所在的故障路径放大突出显示在图谱上，以便于用户查看学习。用户看完后即可手动选中下一个故障类型对象进行学习，与此同时，服务器把已浏览过的故障路径标记上颜色以示区别。
44.步骤i.若当前突出显示的故障路径的时长超过预设学习时长阈值，则向用户推荐下一条故障路径，具体根据个性化运维知识图谱中各个故障路径与当前突出显示的故障路径的关联度向用户推荐关联度最高的故障路径。
45.除了供可手动选择下一条故障路径进行学习以外，服务器还可为用户推荐下一条故障路径，推荐方式如下：
46.对于同类的多个故障类型或者关联性较强的多个故障类型，例如匝内短路和匝间短路这两个同类的故障类型，一起学习更利于用户掌握短路运维知识，为此，本实施例按照故障路径相互之间的关联度进行推荐。通常情况下，运维人员查阅学习一条故障路径的时长约为120秒，本实施例据此把预设学习时长阈值设为120秒。若当前突出显示的故障路径的时长超过120秒，服务器则根据故障类型对象相互之间的关联关系以及部件对象相互之间的关联关系，计算个性化运维知识图谱中各个故障路径与当前突出显示的故障路径的关联度g，计算公式如下：g＝0.8*g1+0.2*g2，其中g1为故障类型对象相互之间的关联关系对应的关联程度，g2为故障类型所对应的部件对象相互之间的关联关系对应的关联程度。故障类型对象相互之间的关联关系类型包括：(1)“同类”，指两个故障类型为同种类型，例如匝内短路和匝间短路这两个故障类型之间的关联关系为“同类”；(2)“并发”，指两个故障类型一起发生，例如放电过热和受热变形这两个故障类型通常是一起发生的，这两者之间的关联关系为“并发”；(3)“相关”，指同属于一个部件下的两个故障类型之间的关联关系为“相关”。本实施例将“同类”对应的关联程度设为100％，将“并发”对应的关联程度设为80％，将“相关”对应的关联程度设为50％。部件对象相互之间的关联关系类型包括：(1)“组合”，指两个部件组合在一起进行工作，例如绕组和铁芯这两个部件对象之间的关联关系为“组合”；(2)“关联”，指两个部件在工作上有关联，例如变压器防爆管和油箱这两个部件对象之间的关联关系为“关联”；(3)“同属”，指两个部件同属于一个设备。本实施例将“组合”对应的关联程度设为100％，将“关联”对应的关联程度设为80％，将“同属”对应的关联程度设为50％。服务器按照上述公式计算出个性化运维知识图谱中各个故障路径与当前突出显示的故障路径的关联度g，向用户推荐关联度g最高的故障路径。该故障路径与用户当前查阅学习的故障路径之间的关联度最高，用户在学习了当前的故障路径的基础上，接着学习关联度最高的故障路径，容易理解掌握。按照以上推荐方式进行推荐，用户每学习完一个故障路径，就需要执行一次推荐，操作麻烦。为此，服务器可改为按照各个故障路径与当前突出显示的故障路径的关联度高低顺序生成学习计划，将该学习计划推荐给用户，供用户按照关联度高低顺序依次查阅余下故障路径，如此只需执行一次推荐即可。
47.如上所述仅为本发明创造的实施方式，不以此限定专利保护范围。本领域技术人员在本发明创造的基础上作出非实质性的变化或替换，仍落入专利保护范围。