[发明专利]一种二次设备巡检知识图谱架构及二次设备智能巡检方法

说明书

本发明公开一种二次设备巡检知识图谱架构及二次设备智能巡检方法，其中，二次设备巡检知识图谱架构包括：数据层、数据处理层、知识抽取层、知识模型层、知识管理层和知识应用层，通过知识收集、巡检知识图谱、规则功能触发和自动巡视检查等关键技术路径实现。本发明可以有效解决由于电网运行方式多变、二次信息量众多且二次回路关系复杂，而按照人工依据巡视规则进行巡视巡检难度大、效率低甚至出现漏巡的问题。

技术领域

本发明涉及电力系统继电保护信息管理技术领域，尤其涉及一种二次设备巡检知识图谱架构及二次设备智能巡检方法。

背景技术

近年来，随着机器学习、深度学习、云计算以及大数据技术的飞速发展，人工智能技术在各行各业得到广泛的应用，尤其是在图像识别、语音识别、非线性系统建模等领域，同样在电力系统的新能源预测、负荷预测、故障诊断、暂态分析等方面也取得了进展，这些技术的应用和突破为实现二次设备智能巡检提供了技术基础。

在人工智能技术范畴内，知识图谱(Knowledge Graph，KG)旨在以结构化的形式描述客观世界中概念、实体、事件及其之间的复杂关系。知识图谱可以通过知识收集、知识处理、知识抽取、知识表示、知识存储等步骤构建，其中知识抽取是核心步骤，实体和关系的抽取方法是学术界研究的热点，先后经历了规则词典到机器学习再到深度学习几个技术发展阶段。目前，知识图谱在智能搜索、对话问答等领域展示出强大的威力，与大数据、深度学习一起，成为推动人工智能发展的核心驱动力。

电网二次设备巡视巡检，需要按照一定的巡视巡检要求开展日常的巡检工作。由于电网运行方式多变、二次信息量众多且二次回路关系复杂，人工依据巡视规则进行巡视巡检，难度大、效率低，还容易出现漏巡的问题。

因此针对这一现状，迫切需要一种基于巡检知识图谱的二次设备智能巡检系统架构方法，以满足实际使用的需要。

发明内容

本发明所要解决的技术问题在于，提供一种二次设备巡检知识图谱架构及二次设备智能巡检方法，以提高巡检效率，避免漏巡。

为了解决上述技术问题，本发明实施例提供一种二次设备巡检知识图谱架构，包括：

数据层，用于收集二次设备巡检领域涉及的结构化、半结构化和非结构化数据；

数据处理层，用于将结构化数据和非结构化数据进行预处理，再使用BIOES规范对实体和关系进行标记；

知识抽取层，用于针对不同输入类型的标记数据分别采用基于数据库、规则和深度学习方法提取实体和关系；

知识模型层，用于采用通用k-means聚类算法和余弦相似度算法将识别出来的实体和关系进行知识的融合；

知识管理层，用于对构建好的二次设备巡检知识图谱进行管理；

知识应用层，用于应用构建好的二次设备巡检知识图谱支撑智能巡视和智能定检规则电子化、智能搜索和异常处置的应用场景。

进一步地，所述数据处理层还用于对除人工标记的数据以外剩余的数据利用数据增强工具进行标记，其中，增强工具采用同义词转换和K-近邻分类实现。

进一步地，所述基于数据库知识抽取将结构化数据通过提取-翻译-加载转化为实体和关系；所述基于规则的知识抽取采用中文分词工具和正则表达式实现；所述基于深度学习的知识抽取利用中文分词、Word2Vec将文本转化为词向量，将词向量作为输入，使用双向长短记忆网络+条件随机场识别实体标签，使用卷积神经网络识别关系标签。

进一步地，在结巴分词工具中加入电力专业词典，所述电力专业词典采用手工和信息熵方式构成。

进一步地，所述知识模型层采用Neo4j存储关系类知识和实体属性类知识。