一种基于知识图谱的电网检修编排方法与流程

本发明涉及一种用于电网运维检修领域的基于知识图谱的电网检修编排方法。

背景技术：

1、电网检修作为一项重要的工作，对保障电网安全稳定运行起着至关重要的作用。然而，在电网检修中，如何合理安排检修计划和编排检修队伍，是一个具有挑战性的问题。电网检修主要分成以下几个检修部分：发电部分，供电部分，变电部分以及配电部分，每个部分都是由专门的人员进行负责的。其主要负责日常设备安装及维护，故障排除，巡线排查等，是对电网及其附属设备维护保养的职业，专业性要求很高，且有一定的危险性。每次检修前都需要制定计划，安排检修人员、工具、备品，确定时间与被检设备，是电网检修工作中较为复杂的一项工作。目前大部分是依靠直觉与经验进行编排，缺乏科学系统的编排方法。

技术实现思路

1、本发明的目的是为了克服现有技术的不足，提供一种基于知识图谱的电网检修编排方法，能够实现科学合理的对检修计划和检修队伍进行编排。

2、实现上述目的的一种技术方案是：一种基于知识图谱的电网检修编排方法，包括：

3、数据源解析：对获取的电网故障信息进行处理，提取有效信息并整合为知识图谱数据库中存储的数据形式；

4、构建transformer-bilstm-crf架构的故障实体库和故障关系库；

5、关系抽取：对故障描述中的内容进行实体抽取，然后从关系库里得到和该实体相关联的关系集合，使之依次和原始文本相连接得到句子对；

6、构建电网检修编排知识图谱，查找反馈检修方式。

7、进一步的，电网故障信息的信息源包括普适性的电站设备故障解决方案、电站设备相关检修方法以及针对铁定零部件的常见故障检修方法。

8、进一步的，知识图谱数据库中存储的数据包括电力设备或部件信息、故障现象信息以及故障链信息。

9、进一步的，知识图谱数据库中存储的数据中，针对不同的设备或部件采用相同的数据格式进行存储，包括设备id、名称、品牌、型号、属性、子部件和故障现象信息。

10、进一步的，transformer-bilstm-crf架构中，transformer模型基于encoder-decoder结构，transformer模型在encoder中对词向量进行multi-head分析，然后通过残差处理和归一化处理，最后通过position-wisefeed-forwardnetworks部分进行特征提取和降维；然后将处理后的信息传入到decoder中，通过对encoder的信息和之前经过maskedmulti-headattention处理过的output信息进行处理，最终得到输出。

11、进一步的，在transformer模型中，由多个自注意力selfattention机制构成多头注意力multi-headattention机制；多头注意力机制对同一个词向量采用不同维度的自注意力机制，从不同角度获取不同结果，并将其合并为一个张量。

12、进一步的，transformer-bilstm-crf架构中，bilstm中的lstm用以解决长距离依赖问题，实现从前向后进行信息解码，bilstm结构的输出由两个方向相反的lstm共同作用产生，实现完整处理实际语义。

13、进一步的，transformer-bilstm-crf架构中，条件随机场crf是条件概率的分布模型，其功能为计算输入的各个序列的概率，计算所得的概率最大序列决定各部分是否属于实体，是在给定随机变量x的条件下，随机变量y的马尔可夫随机场，在该条件概率模型下，用p(y|x)表示条件概率分布，y位输出变量，用于表示标记序列，x为输入变量，也就是需要标注的观测序列；将bilstm的输出作为crf的输入x＝(x1,x2,x3,...,xn)，给定输入句子输出标签序列y＝(y1,y2,y3,...,yn)，则该句子序列由模型计算的总得分为：

14、

15、其中aij代表的是标签i到标签j的转移概率，pij表示的是第i个词在第j个标签下的概率；

16、整个句子序列的总分为每个位置的得分之和，再进行归一化处理，表示为下述公式：

17、

18、在训练过程中，模型的最大似然函数为

19、

20、通过极大似然估计函数获取最高得分的标签序列作为最终预测的输出序列：

21、y*＝argmaxscore(x,y')

22、式中，y*表示最高得分对应标签序列，argmax函数获取所有可能的路径中最大得分对应的标签序列。

23、进一步的，构建电网检修编排知识图谱，具体包括如下步骤：

24、步骤1，考虑电网设备的参数，包括设备的状态、铭牌、参数、运行状况，以确定哪些设备需要优先检修或更换，以及需要进行怎样的维护和检修；

25、步骤2，通过了解电网设备的状态，包括运行状况、故障信息、潜在风险以分析电网的安全和可靠性，以确定哪些设备需要优先检修或更换，以更合理地从时间尺度上进行检修编；

26、步骤3，考虑人员和资源的可用性，包括维修人员的技能和经验、维修设备和工具的可用性以确定在何时进行检修和维护，并确定需要哪些人员和资源。

27、进一步的，通过将电网系统中的设备和它们的属性表示为知识图谱节点，以了解它们之间的关系和作用，并在需要维护或更换设备时，快速找到相关电网设备的参数信息、电网设备的状态信息及人员和资源的可用性信息。

28、本发明的一种基于知识图谱的电网检修编排方法，能够提取电网检修编排专业知识、构建知识图谱、辅助决策电网检修编排事件。通过实验验证，该方法在电网检修编排领域是可行与有效的。本方法为电网领域提供统一的数据模型和可视化的文本、数据展示，提高了数据的可访问性和可重用性，为电力工程师在检修编排方面提供了决策准确性和工作效率的保障，进而提高了电网的可靠性和安全性。

技术特征：

1.一种基于知识图谱的电网检修编排方法，特征在于，包括：

2.根据权利要求1所述的一种基于知识图谱的电网检修编排方法，其特征在于，电网故障信息的信息源包括普适性的电站设备故障解决方案、电站设备相关检修方法以及针对铁定零部件的常见故障检修方法。

3.根据权利要求1所述的一种基于知识图谱的电网检修编排方法，其特征在于，知识图谱数据库中存储的数据包括电力设备或部件信息、故障现象信息以及故障链信息。

4.根据权利要求2所述的一种基于知识图谱的电网检修编排方法，其特征在于，知识图谱数据库中存储的数据中，针对不同的设备或部件采用相同的数据格式进行存储，包括设备id、名称、品牌、型号、属性、子部件和故障现象信息。

5.根据权利要求1所述的一种基于知识图谱的电网检修编排方法，其特征在于，transformer-bilstm-crf架构中，transformer模型基于encoder-decoder结构，transformer模型在encoder中对词向量进行multi-head分析，然后通过残差处理和归一化处理，最后通过position-wisefeed-forwardnetworks部分进行特征提取和降维；然后将处理后的信息传入到decoder中，通过对encoder的信息和之前经过maskedmulti-headattention处理过的output信息进行处理，最终得到输出。

6.根据权利要求5所述的一种基于知识图谱的电网检修编排方法，其特征在于，在transformer模型中，由多个自注意力selfattention机制构成多头注意力multi-headattention机制；多头注意力机制对同一个词向量采用不同维度的自注意力机制，从不同角度获取不同结果，并将其合并为一个张量。

7.根据权利要求6所述的一种基于知识图谱的电网检修编排方法，其特征在于，transformer-bilstm-crf架构中，bilstm中的lstm用以解决长距离依赖问题，实现从前向后进行信息解码，bilstm结构的输出由两个方向相反的lstm共同作用产生，实现完整处理实际语义。

8.根据权利要求7所述的一种基于知识图谱的电网检修编排方法，其特征在于，transformer-bilstm-crf架构中，条件随机场crf是条件概率的分布模型，其功能为计算输入的各个序列的概率，计算所得的概率最大序列决定各部分是否属于实体，是在给定随机变量x的条件下，随机变量y的马尔可夫随机场，在该条件概率模型下，用p(y|x)表示条件概率分布，y位输出变量，用于表示标记序列，x为输入变量，也就是需要标注的观测序列；将bilstm的输出作为crf的输入x＝(x1,x2,x3,...,xn)，给定输入句子输出标签序列y＝(y1,y2,y3,...,yn)，则该句子序列由模型计算的总得分为：

9.根据权利要求1所述的一种基于知识图谱的电网检修编排方法，其特征在于，构建电网检修编排知识图谱，具体包括如下步骤：

10.根据权利要求9所述的一种基于知识图谱的电网检修编排方法，其特征在于，通过将电网系统中的设备和它们的属性表示为知识图谱节点，以了解它们之间的关系和作用，并在需要维护或更换设备时，快速找到相关电网设备的参数信息、电网设备的状态信息及人员和资源的可用性信息。

技术总结
本发明公开了一种基于知识图谱的电网检修编排方法，数据源解析：对获取的电网故障信息进行处理，提取有效信息并整合为知识图谱数据库中存储的数据形式；构建Transformer‑BiLSTM‑CRF架构的故障实体库和故障关系库；关系抽取：对故障描述中的内容进行实体抽取，然后从关系库里得到和该实体相关联的关系集合，使之依次和原始文本相连接得到句子对；构建电网检修编排知识图谱，查找反馈检修方式。本发明能够实现科学合理的对检修计划和检修队伍进行编排。

技术研发人员：黄冰飞,王韬,顾俞军,谢伟,杨国健,倪谢
受保护的技术使用者：国网上海市电力公司
技术研发日：
技术公布日：2024/3/11