本技术涉及电网调度，尤其涉及一种电网调度智能问答方法、装置、存储介质及计算机设备。
背景技术：
1、随着电力系统的快速发展，电网规模不断扩大，电网调度的复杂性和难度也显著增加。而传统的电网调度主要依赖人工经验和复杂的计算模型，但这种方式效率极低，面对海量的数据和复杂的工况，人工处理速度远远跟不上需求，而且容易因人为因素导致错误，进而影响电力供应的稳定与安全。
2、近年来，人工智能技术，尤其是大语言模型的发展为电网调度智能化提供了新的机遇。然而，目前现有技术在将大语言模型应用于电网调度问答时仍面临诸多挑战。例如，电网调度涉及的专业知识繁多且复杂，用户提问方式多样，现有技术难以精准把握用户问题背后的核心需求，导致给出的回答与用户期望不符，无法有效解决实际问题，严重制约了电网调度智能问答系统的实用性和可靠性。
技术实现思路
1、本技术的目的旨在至少能解决上述的技术缺陷之一，特别是现有技术中电网调度智能问答难以精准把握用户问题背后的核心需求，导致给出的回答与用户期望不符，无法有效解决实际问题的技术缺陷。
2、本技术提供了一种电网调度智能问答方法，所述方法包括：
3、接收用户输入的用户问题，并从所述用户问题中提取得到关键词；
4、采用多层规则识别机制对所述关键词进行意图识别，得到规则识别结果，以及，基于深度学习模型对所述关键词进行意图识别，得到模型识别结果；
5、对所述规则识别结果和所述模型识别结果进行比对分析，得到意图识别结果，并根据所述意图识别结果确定所述用户问题的目标意图；
6、根据所述目标意图从预设的电网专业知识库中对所述用户问题进行答案匹配，并根据匹配结果输出问题答案。
7、可选地，所述从所述用户问题中提取得到关键词，包括：
8、对所述用户问题进行标准化处理，并对标准化后的用户问题进行分词，得到多个词组；
9、利用语言识别模型对每一词组进行上下文感知识别，生成嵌入向量，以及，通过自注意力机制动态计算每一词组的加权嵌入向量；
10、确定每一词组的嵌入向量与加权嵌入向量之间的相似度，并基于各个相似度确定所述用户问题中的关键词。
11、可选地，所述多层规则识别机制包括领域分类规则、意图细分规则和参数提取规则；
12、所述采用多层规则识别机制对所述关键词进行意图识别，得到规则识别结果，包括：
13、基于所述领域分类规则对所述关键词进行领域匹配，得到第一匹配结果，基于所述意图细分规则对所述关键词进行意图细化匹配，得到第二匹配结果，以及，基于所述参数提取规则对所述关键词进行关键参数匹配，得到第三匹配结果；
14、根据所述第一匹配结果、所述第二匹配结果和所述第三匹配结果确定所述用户问题的用户意图，以及，采用置信度计算公式计算得到所述用户意图的置信度；
15、根据所述用户意图和所述置信度生成规则识别结果。
16、可选地，所述基于深度学习模型对所述关键词进行意图识别，得到模型识别结果，包括：
17、确定深度学习模型，所述深度学习模型采用transformer模型训练得到；
18、将所述关键词输入至所述深度学习模型中，以使所述深度学习模型识别得到所述关键词的用户意图以及所述用户意图的置信度，并输出为模型识别结果。
19、可选地，所述对所述规则识别结果和所述模型识别结果进行比对分析，得到意图识别结果，包括：
20、判断所述规则识别结果和所述模型识别结果中的用户意图是否一致；
21、若一致，则对所述规则识别结果和所述模型识别结果中的置信度进行融合，得到融合置信度，并判断所述融合置信度是否大于预设置信度阈值；
22、若大于，则确定所述用户问题的意图识别结果为通过；
23、若不大于或用户意图不一致，则确定所述意图识别结果为不通过。
24、可选地，所述对所述规则识别结果和所述模型识别结果中的置信度进行融合，得到融合置信度，包括：
25、确定所述用户问题的结构化程度和专业术语密度；
26、根据所述结构化程度和所述专业术语密度确定所述规则识别结果的第一初始权重和所述模型识别结果的第二初始权重；
27、基于所述第一初始权重和所述第二初始权重对所述规则识别结果和所述模型识别结果中的置信度进行加权融合，得到融合置信度。
28、可选地，所述根据所述意图识别结果确定所述用户问题的目标意图，包括：
29、若所述意图识别结果为通过，则将所述规则识别结果和所述模型识别结果中的用户意图作为所述用户问题的目标意图；
30、若所述意图识别结果为不通过，则输出问题补充提示，并在接收到所述用户输入的补充内容后，基于所述补充内容重新对所述用户问题进行意图识别。
31、本技术还提供了一种电网调度智能问答装置，包括：
32、关键词提取模块，用于接收用户输入的用户问题，并从所述用户问题中提取得到关键词；
33、意图识别模块，用于采用多层规则识别机制对所述关键词进行意图识别，得到规则识别结果，以及，基于深度学习模型对所述关键词进行意图识别，得到模型识别结果；
34、意图确定模块，用于对所述规则识别结果和所述模型识别结果进行比对分析，得到意图识别结果，并根据所述意图识别结果确定所述用户问题的目标意图；
35、答案输出模块，用于根据所述目标意图从预设的电网专业知识库中对所述用户问题进行答案匹配，并根据匹配结果输出问题答案。
36、本技术还提供了一种存储介质，所述存储介质中存储有计算机可读指令，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行如上述实施例中任一项所述电网调度智能问答方法的步骤。
37、本技术还提供了一种计算机设备，包括：一个或多个处理器，以及存储器；
38、所述存储器中存储有计算机可读指令，所述计算机可读指令被所述一个或多个处理器执行时，执行如上述实施例中任一项所述电网调度智能问答方法的步骤。
39、从以上技术方案可以看出，本技术实施例具有以下优点：
40、本技术提供的电网调度智能问答方法、装置、存储介质及计算机设备，在接收到用户输入的用户问题后，可以对用户问题进行关键词提取，将复杂的用户问题转化为简洁的关键词集合，大大简化了后续处理的复杂度；基于该关键词，本技术可以采用多层规则识别机制和深度学习模型分别对其进行意图识别，得到规则识别结果和模型识别结果，其中，多层规则识别机制可以确保在常见规范问题上的识别准确性和稳定性，而深度学习模型可对复杂问题具有较高的识别能量，因此可以对规则识别结果和模型识别结果进行比对分析，得到意图识别结果，进而确定目标意图，这样可以有效避免单一识别方法可能出现的错误，显著提高目标意图的准确性和可靠性。最后可以根据目标意图从预设的电网专业知识库中对用户问题进行答案匹配，并根据匹配结果输出问题答案，该电网专业知识库包含了丰富的电网调度专业知识和实践经验，可以确保匹配到的答案具有专业性和准确性。