[发明专利]电网故障处置实时辅助决策方法、系统、设备及存储介质

说明书

本发明提供一种电网故障处置实时辅助决策方法、系统、设备及存储介质，方法包括：获取故障信息；基于电网故障处置知识图谱进行故障信息的搜索与推理，结合电网设备实时潮流数据进行实时潮流数据的实时辅助决策。通过构建电网故障处置知识图谱，结合电网调度先验知识，设计了电网故障实时辅助决策方法，可有效的实现对电网故障处置提供决策，支撑电网调度工作。基于电网故障处置知识图谱的知识推理和电网实时潮流数据，结合调度业务实际情况，实现电网故障处置效率提升，支撑电网保电工作，推动电力业务智能化发展。

技术领域

本发明属于电力人工智能领域，涉及人工智能技术在电网调度领域中的应用。特别涉及一种电网故障处置实时辅助决策方法、系统、设备及存储介质。

背景技术

命名实体识别(Named Entity Recognition，NER)是自然语言处理的一项基础、重要的技术，旨在从文本中识别出重要信息，通常包括时间，人物，地点等各类信息。传统命名实体识别是基于规则、字典和在线知识库的方案，而随着机器学习和深度学习的不断发展，出现了各类新的算法，可以用计算机强大的计算能力和学习能力减轻人工完成特征工程等步骤的工作。其中以BiLSTM-CRF算法兼顾了BiLSTM具有双向长距离语义依赖与CRF在序列标注任务上考虑了标签约束关系的优势成为目前NER领域最普遍使用的命名实体识别模型。

中文知识图谱(Chinese Knowledge Graph)，最早起源于Google KnowledgeGraph。本质上是一种语义网络。其结点代表实体(entity)或者概念(concept)，边代表实体/概念之间的各种语义关系。知识图谱擅长将多源异构信息融合在一起，将不同的实体以关系连接起来，实现将信息转化为知识，是领域数据研究中的重要手段。知识图谱构建过程中涉及知识抽取、知识表示和知识融合等理论，目前这些理论对应的技术正逐渐成熟。知识图谱主要应用于智能搜索、深度问答、网络社交等方面，近年来在金融、医疗、电商等很多垂直领域被广泛应用。

针对电网故障处置效率不高，无法满足日常保电工作问题。现有技术未给出有效的解决方案，如何结合知识图谱提供辅助决策是需要解决的问题。

发明内容

为解决现有技术中存在的问题，本发明提供了一种电网故障处置实时辅助决策方法、系统、设备及存储介质，该方法可有效的实现对电网故障处置提供决策，支撑电网调度工作。

为达到上述目的，本发明采用了以下技术方案：

一种电网故障处置实时辅助决策方法，包括以下步骤：

获取故障信息；

基于预设的电网故障处置知识图谱进行故障信息的搜索与推理，结合电网设备实时潮流数据进行实时潮流数据的实时辅助决策。

作为本发明的进一步改进，所述预设的电网故障处置知识图谱采用以下方法构建：

根据电网领域数据分析划分为结构化数据、半结构化数据和非结构化数据；

对结构化数据、半结构化数据和非结构化数据分别进行数据实体识别，并抽取的得到由设备拓扑信息数据总表、故障预案信息总表和调度规程信息总表组成的电网故障实体库；

对结构化数据、半结构化数据和非结构化数据分别构建本体模型，结合三类本体模型，完成故障处置本体模型构建；基于电网故障实体库，连接数据图库并自动剔除重复节点与关系，构建电网故障处置知识图谱。

作为本发明的进一步改进，所述结构化数据包括电网运行断面数据，通过对电网运行断面数据的分析能够获取电网设备的拓扑结构和电网设备运行状态；

所述半结构化数据包括电网故障处置预案；

所述非结构化数据包括电网调度控制管理规程。

作为本发明的进一步改进，对所述结构化数据进行数据实体识别，具体包括：