[发明专利]一种城市微网运维风险预测方法、装置、设备及介质

权利要求书

1.一种城市微网运维风险预测方法，其特征在于，包括以下步骤：

获取智能微网电力系统数据，基于所述智能微网电力系统数据构建智能微网电力系统知识图谱；

获取故障文档，基于所述故障文档构建运维知识图谱；

对运维知识图谱和智能微网电力系统知识图谱进行知识融合，得到融合知识图谱；

对融合知识图谱中每个产生偏离的设备节点采用随机森林法进行计算，得到每个设备节点对应的初步风险值；

根据融合知识图谱得到每个设备节点的相邻设备节点，将设备节点的初步风险值和相邻设备节点的初步风险值进行加权计算，并对权重进行迭代，得到最终风险值；

根据最终风险值对设备节点的运维风险进行预警。

2.根据权利要求1所述的一种城市微网运维风险预测方法，其特征在于，所述获取智能微网电力系统数据，基于所述智能微网电力系统数据构建智能微网电力系统知识图谱时，具体包括以下步骤：

获取智能微网电力系统数据；

根据智能微网电力系统数据采用七步法自顶向下，并进行若干次迭代得到本体；

采用基于映射规则对若干数据源进行知识抽取得到实体和三元组；

从已有电网领域知识库的半结构化数据中抽取智能微网中的设备属性值、节点属性值、设备间电网拓扑关系和节点间电网拓扑关系，并通过设备属性值、节点属性值、设备间电网拓扑关系和节点间电网拓扑关系构成实体和关系；

将实体和三元组按照节点名称进行匹配，然后对所有值属性取并集，得到智能微网电力系统知识图谱。

3.根据权利要求2所述的一种城市微网运维风险预测方法，其特征在于，所述采用基于映射规则对若干数据源进行知识抽取得到实体和三元组时具体包括以下步骤：

对若干数据源进行实体抽取；

对本体中的所有概念和关系编写SQL语句，并配置在Mybatis-plus中；

对若干数据源进行提取得到实体；

根据本体中由值属性生成的SQL语句，将实体的数据抽取成key-value形式的键值对，再通过动态生成的cypher语句导入到neo4j图数据库中，完成实体抽取；

对若干数据源进行关系抽取；

从若干数据源进行提取得到任意不同的两个实体间的关联关系；

根据两个实体的关联关系得到两个实体的id后，再通过动态生成的cypher语句导入到neo4j图数据库中，完成关系抽取；。

4.根据权利要求2所述的一种城市微网运维风险预测方法，其特征在于，所述知识抽取采用Spring-Boot和Mybatis-Plus进行。

5.根据权利要求1所述的一种城市微网运维风险预测方法，其特征在于，所述获取故障文档，基于所述故障文档构建运维知识图谱时，具体包括以下步骤：

获取故障文档构建故障知识图谱；

对故障文档进行数据标注，标注内容为故障中出现的实体和关系；

对标注后的故障文档采用TPLinker模型进行知识提取得到实体模型和关系模型；

根据实体模型和关系模型建立损失函数，根据损失函数得到三元组；

根据三元组构建运维知识图谱。

6.根据权利要求1所述的一种城市微网运维风险预测方法，其特征在于，所述对运维知识图谱和智能微网电力系统知识图谱进行知识融合，得到融合知识图谱时，具体包括以下步骤：

获取运维知识图谱和智能微网电力系统知识图谱中每个实体的属性值；

将运维知识图谱和智能微网电力系统知识图谱中每个实体的属性值拼接在一起，构成一个由多个属性共同组成的字符串；

通过TF-IDF的方式对每个字符串进行编码，得到所有字符串的向量表示；

根据所有字符串的向量表示计算运维知识图谱中实体和智能微网电力系统知识图谱中实体间的相似度，再根据相连的其他实体的向量表示，计算其他实体向量之间的相似度，再分别乘上各自的权重即得到最终相似度，根据最终相似度完成实体对齐。