基于SER异常告警图谱的直流控保设备风险预警方法及系统与流程

本发明涉及电力系统调度继电保护设备，尤其涉及一种基于ser异常告警图谱的直流控保设备风险预警方法及系统。

背景技术：

1、换流站高压直流控保设备数量众多，控制保护逻辑复杂，设备与设备之间有通信联系，一个设备发生异常或故障时，有可能引起设备功能降级或退出，可能产生系统风险。例如，高压直流控保设备自检发现其采样回路异常时，通常会退出相应保护功能，而采样回路异常往往会同时造成多套保护的回路异常，退出多套保护功能则会导致直流系统运行存在风险，极端情况下可能会导致直流系统停运或者直流故障不能及时正确切除。因此，密切监视高压直流控保设备的运行状态，及时发现设备异常或隐患，具有非常重要的现实意义。

2、知识图谱技术能够对海量的文本、语音、图像等结构化和非结构化的复杂数据进行高效处理，通过知识抽取、知识融合以及知识加工，形成一系列相互关联的结构化知识，建立数据间的联系，增强知识间的语义信息，在自然语言处理、智能问答、智能推荐等领域中广泛应用。广义上的知识图谱是一个语义网络，在海量数据处理中应用广泛，能够发现并推断事物之间的复杂关系。本质上来说，知识图谱是图数据库的一种形式，将数据层次化、结构化、逻辑化的在知识图谱中展示，更加快速的进行智能搜索、智能问答和个性化推荐功能。

3、知识图谱能够整合非结构化数据，从分散的数据中挖掘知识，实现智能化功能。知识图谱可分为通用知识图谱和企业知识图谱两类。通用知识图谱面向全领域，在互联网搜索、推荐和知识问答等方面有着广泛应用，由于其包含全领域知识，应用范围广，强调实体，因此在形成具有全局性本体层的统一管理上有一定难度。企业知识图谱则是针对特定领域，用户为各类行业的专业人员，其广度远不如通用知识图谱，只在特定的行业内使用，因此对于准确度的要求很高。在应用上，企业知识图谱通常使用在需要进行复杂分析的场合或决策中。与通用知识图谱不同，企业知识图谱的数据模式非常严格，实体的属性非常丰富并且会有一定的行业色彩。很多行业和公司也在研发对应的企业知识图谱，目前在金融行业、医药行业、金融行业和公安情报方面发展迅速。电力行业知识图谱的建立将会解决电力行业的数据孤岛、数据访问困难、数据质量低、作业流程低效等问题，借助知识图谱，可以实现多源异构数据的整合，并实现知识搜索、自动推理等功能。就高压直流电力系统而言，通常是通过直流控保把设备的告警和故障信号通过ser(事件顺序记录)文件上传给调度直流主站，而ser文件包含了结构化数据和需要进行结构化的数据文本文件，使用知识图谱技术能够方便的将各数据之间的关系进行关联，并将告警信息、动作信息及可能的故障原因、故障后果及相应的处理措施等，结合运行人员的诊断经验，用规则表示出来，形成直流控保设备风险预警知识图谱，进而根据告警信息对知识库进行关联和推理，获得诊断结论，因此运用知识图谱进行对直流控保设备进行风险预警方法的探索是很有意义的。

技术实现思路

1、为解决现有技术中存在的不足，本发明提供一种基于ser异常告警图谱的直流控保设备风险预警方法及系统，先对事件顺序记录系统(ser)信号中的直流控保信息进行分类，再按照高压直流系统的一次、二次系统的拓扑连接和系统运行过程中直流告警信号的关联关系，对保护类信号、告警类信号和普通类信号进行分组，并设定各种信号之间的状态变换逻辑，形成告警信息知识图谱。当直流系统发生故障或告警时时，根据告警信息进行告警信息知识图谱自动匹配，并根据状态变换逻辑判断告警信息的原始关联数据，迅速推演出故障和告警的未来发展趋势以及处置建议，从而帮助工作人员确定告警涉及范围和缺陷处理。

2、本发明采用如下的技术方案。

3、本发明提出了一种基于ser异常告警图谱的直流控保设备风险预警方法，包括：获取换流站内的事件顺序记录系统的信号文本，基于标准数据库，对信号文本中各条目进行抽取和映射，得到事件信息条目；基于预训练模型对事件信息条目进行文本分类得到信号主体、动作对象以及动作信息，以及抽取信号主体、动作对象以及动作信息之间的实体关系，输出知识三元组以及知识三元组之间的关联关系；根据知识三元组以及三元组之间的关联关系，形成基于ser异常告警信息的知识图谱；

4、当直流系统发生告警或故障时，提取ser信号文本中的关键特征，将关键特征与所建立的知识图谱进行信息匹配，根据匹配的知识三元组以及三元组之间的关联关系，确定告警或故障的类型以及告警或故障的发展趋势，进行风险预警。

5、ser信号文本的条目包括：序号，日期，时间，系统，套别，告警等级，事件组，事件信息。

6、所述方法还包括：对事件顺序记录系统的信号文本进行识别，判断信号是否为无效信号，滤除无效信号。

7、预训练模型的输入层是bert层，中间层是前后向长短期记忆网络层，输出层是crf层。

8、事件信息条目经过bert层得到含有语义信息的词向量，将词向量作为前后向长短期记忆网络层的输入。

9、前后向长短期记忆网络向crf层输入词向量中每个汉字映射到对应分类标签的概率。

10、crf层中，获得每个汉字映射到对应分类标签的概率之和作为第一概率和，并且获得每个汉字从一个分类标签转移到另一分类标签的概率之和作为第二概率和，第一概率和与第二概率和的和的最大值对应的分类标签作为最佳标签，使用最佳标签对输入的语句中的汉字进行标注。

11、基于预训练模型对事件信息条目进行文本分类，先得到信号主体、动作对象以及动作信息，再根据最佳标签确定抽取信号主体、动作对象以及动作信息之间的实体关系，输出形式为第一故障知识实体+关系+第二故障知识实体的知识三元组；

12、获取事件顺序记录系统的信号文本的接收时间与第二概率和的加权和，当归一化处理后的加权和不小于设定阈值时确定各知识三元组之间存在关联关系；其中设定阈值取值不小于0.5。

13、所述方法还包括：当直流系统发生告警或故障时，信息无法与知识图谱中的信息进行匹配，或告警或故障信息以及告警或故障的发展趋势作为新的数据，对知识图谱进行增量更新。

14、当直流系统发生告警或故障时，所述ser信号文本中的关键特征与所建立的知识图谱无法匹配时，利用告警或故障的类型以及告警或故障的发展趋势更新知识图谱。

15、本发明还提出了一种基于ser异常告警图谱的直流控保设备风险预警系统，包括：

16、信号文本处理模块，知识图谱构建模块，风险预警模块，知识图谱更新模块；

17、信号文本处理模块，用于获取换流站内的事件顺序记录系统的信号文本，基于标准数据库，对信号文本中各条目进行抽取和映射，得到事件信息条目；

18、知识图谱构建模块，用于基于预训练模型对事件信息条目进行文本分类得到信号主体、动作对象以及动作信息，以及抽取信号主体、动作对象以及动作信息之间的实体关系，输出知识三元组以及知识三元组之间的关联关系；根据知识三元组以及三元组之间的关联关系，形成基于ser异常告警信息的知识图谱；

19、风险预警模块，用于当直流系统发生告警或故障时，提取ser信号文本中的关键特征，将关键特征与所建立的知识图谱进行信息匹配，根据匹配的知识三元组以及三元组之间的关联关系，确定告警或故障的类型以及告警或故障的发展趋势，进行风险预警；

20、知识图谱更新模块，用于当直流系统发生告警或故障时，ser信号文本中的关键特征与所建立的知识图谱无法匹配时，利用告警或故障的类型以及告警或故障的发展趋势更新知识图谱。

21、本发明的有益效果在于，与现有技术相比，本发明提出的方法针对直流告警或故障信号数据进行文本分类，通过构建基于预训练模型的文本分类模型对直流告警或故障信号数据的文本进行分类分析，能够找寻出告警或故障原因以及告警或故障发展趋势，从而为实现智能化故障原因分析奠定基础。

22、本发明在针对直流告警或故障信号数据的文本关系抽取方面，采用了匹配与规则的方法来获取直流告警或故障信号数据的文本中知识实体中之间存在的关联关系，从而输出<故障知识实体1，关系，故障知识实体2>形式的知识三元组，以及三元组之间的关联关系，并且通过人工校对完成知识三元组的处理工作，通过处理的直流故障知识进行数据存储，并进行知识图谱构建的工作，将实现的基于直流故障文本数据的领域内知识图谱利用。