一种面向电网调度的语音调度方法及系统技术方案

本发明专利技术公开了一种面向电网调度的语音调度方法，包括：建立智能语音交互模型；建立意图识别模型；建立对话流程管理知识图谱；通过对话流程管理知识图谱对意图识别模型进行修正；通过智能语音交互模型将调度员的语音指令转换为本文，并返回需和调度员交互的语音信息；通过意图识别模型对转换成文本的指令进行识别和解析；执行解析后的指令实现调度操作，本发明专利技术大幅提高了调度人员的工作效率，减轻了其工作强度。

【技术实现步骤摘要】
一种面向电网调度的语音调度方法及系统
本专利技术属于电网调度操作
，尤其涉及一种面向电网调度的语音调度方法及系统。
技术介绍
作为新一轮产业变革的核心驱动力，人工智能在赋能提升传统行业、催生新兴产业方面成效显著，有望引发经济结构的重大变革。我国高度重视人工智能产业的发展，从2016年起陆续出台了多个国家层面的政策，分别从产品、企业和产业层面分层次落实发展任务。在各国人工智能战略和资本市场的推波助澜下，人工智能的企业、产品和服务层出不穷。自动驾驶、工业机器人、智能医疗、无人机、智能家居助手等人工智能消费级产品孕育兴起，人工智能与经济社会各行业各领域融合创新水平不断提升。随着调控云平台等新技术的建设与完善，电力系统数据量与计算能力近期都有较大提升，为开展电力调控领域人工智能机器人技术研究创造了有利的条件。随着电力系统迅速发展，电力市场化工作推进，大电网一体化特征日趋明显，系统内部不同元素以及系统与外部环境之间的耦合关系不断增强。电网资源类型不断丰富，新能源占比不断提高，提高新能源消纳水平等新的控制目标不断演进，电网状态的不确定性进一步增强。电力系统及调控业务的一系列深层次发展变化，使得调度控制策略与规程规定复杂程度不断提高，对调控业务的自动化、智能化提出了更高的要求。电力调度控制中心是集高价值数据、分析规则、专家经验和计算决策为一体的“指挥大脑”，现行调控方式主要以人工经验分析为主，调度人员需要将海量多样数据、方案模型进行经验知识关联，重复性“人脑劳动”较多，效率较低，因此，实现智能调控，降低调控人员工作强度迫在眉睫。
技术实现思路
本专利技术的目的在于提供一种面向电网调度的语音调度方法及系统，能够通过语音交互对电网进行调度操作。为实现上述目的，本专利技术提供如下技术方案：第一方面，提供了一种面向电网调度的语音调度方法，包括：建立智能语音交互模型；建立意图识别模型；建立对话流程管理知识图谱；通过对话流程管理知识图谱对意图识别模型进行修正；通过智能语音交互模型将调度员的语音指令转换为本文，并返回需和调度员交互的语音信息；通过意图识别模型对转换成文本的指令进行识别和解析；执行解析后的指令实现调度操作。结合第一方面，进一步的，所述智能语音交互模型基于调度专业业务情景建立，包含语音识别、自然语言理解和语音合成，所述语音识别中包含热词训练模型。结合第一方面，进一步的，所述智能语音交互模型训练采用电网专业语料库。结合第一方面，进一步的，所述意图识别模型基于文本卷积神经网络建立。结合第一方面，进一步的，所述对话流程管理知识图谱基于深度学习框架长短期记忆网络-条件随机场+卷积神经网络建立。结合第一方面，进一步的，所述通过对话流程管理知识图谱对意图识别模型进行修正具体为：在对话流程管理知识图谱中建立错误意图迭代训练模型，通过错误意图迭代训练模型整理识别错误意图，对意图进行迭代更新训练。结合第一方面，进一步的，所述调度操作包括设备状态查询、设备状态操作、语音调图以及网运行规则问答。第二方面，提供了一种面向电网调度的语音调度系统，包括：建模模块：用于建立智能语音交互模型；建立意图识别模型；建立对话流程管理知识图谱；通过对话流程管理知识图谱对意图识别模型进行修正；语音调度模块：用于通过智能语音交互模型将调度员的语音指令转换为本文，并返回需和调度员交互的语音信息；通过意图识别模型对转换成文本的指令进行识别和解析；执行解析后的指令实现调度操作。有益技术效果如下：本专利技术通过建立智能语音交互模型、意图识别模型以及对话管理知识图谱通过和调度员进行语音交互，结合调控专业用语特点，训练形成适用调控专业的语言模型和语义理解模型，准确识别调度员的操作意图，完成对电网的调度操作。在各模型建立的过程中，融入了自学习机制可以对识别错误的调度专业术语和识别错误的操作意图进行迭代训练，提升语音识别准确率和意图识别准确率，语音识别准确率在95%以上，语义理解准率在98%以上，交互成功率在98%左右。大幅提高了调度人员的工作效率，减轻了负担。附图说明图1为本专利技术的系统架构图；图2为本专利技术中设备状态查询功能流程图；图3为本专利技术中设备状态操作功能流程图；图4为本专利技术中语音调图功能流程图；图5为本专利技术中电网运行规则问答功能流程图；图6为本专利技术中智能语音交互原理图；图7为本专利技术中多轮对话流程图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。实施例1，如图1-7所示，本专利技术提供了一种面向电网调度的语音调度方法，针对设备及信息辅助操作场景需求，通过建立融合了自学习机制的人工智能体系模型实现对电网的调度，主要包括以下几个方面：基于调度专业业务情景建立涵盖语音识别和语音合成的智能语音交互模型，该模型基于调度专业业务情景和电网专业语料库建立，主要用于识别调度员的语音指令转换为本文，并返回需和调度员交互的语音信息；智能语音交互是一个将自然语言转为文本，文本转语音的过程，该过程主要包括：语音识别、自然语言理解和语音合成3个部分。技术实现方案如图6所示。语音识别（ASR），是将语音转为文本的过程，首先，收集大量的文本、音频调控语料，构建“通用小样本集+电力专业词库”的语料库。使用上述语料库，基于双向循环神经网络（BRNN）和卷积神经网络（CNN）训练声学模型，基于统计的Ngram模型和神经网络的RNN模型训练了语言模型。通过对语音噪声处理、特征提取，得到特征序列，并经过语音解码，与训练库中的特征序列进行匹配，按照声学模型和语言模型综合得分最高的特征序列，得到输出的语音文本。此外，构建了电力专业词典，可以支持随时配置新的电力词汇，将语音转为文本。自然语言理解（NLU），是理解用户语音的知识意图，主要是基于深度神经网络建立意图识别和槽位填充模型进行实现的。首先，收集用户的操作意图，根据意图设计可能出现的调控业务情景交互对话，这些对话内容即为收集的调控语料样本。然后，采用Rasa标记工具对调控语料中的意图和槽位进行标记，形成标记语料样本。最后，使用标记语料样本基于卷积神经网络（TextCNN）建立意图识别模型，基于双向长短期记忆网络（BiLSTM-CRF）建立的槽位填充模型，从而构建了自然语言理解模型。在这个过程中，可以结合智能调控系统中的电网分析、计算、操作等服务，进行信息查询、计算、操作等操作。语音合成（TTS），将待合成文本，输入语音合成引擎处理，设置合成语音的特征参数，然后使用Speak方法实现语音朗读，从而完成将文本转为语音。语音交互是基于多伦对话完成的，多轮对本文档来自技高网...

【技术保护点】
1.一种面向电网调度的语音调度方法，其特征在于，包括：/n建立智能语音交互模型；/n建立意图识别模型；/n建立对话流程管理知识图谱；/n通过对话流程管理知识图谱对意图识别模型进行修正；/n通过智能语音交互模型将调度员的语音指令转换为本文，并返回需和调度员交互的语音信息；/n通过意图识别模型对转换成文本的指令进行识别和解析；/n执行解析后的指令实现调度操作。/n

【技术特征摘要】
1.一种面向电网调度的语音调度方法，其特征在于，包括：
建立智能语音交互模型；
建立意图识别模型；
建立对话流程管理知识图谱；
通过对话流程管理知识图谱对意图识别模型进行修正；
通过智能语音交互模型将调度员的语音指令转换为本文，并返回需和调度员交互的语音信息；
通过意图识别模型对转换成文本的指令进行识别和解析；
执行解析后的指令实现调度操作。


2.根据权利要求1所述的面向电网调度的语音调度方法，其特征在于：所述智能语音交互模型基于调度专业业务情景建立，包含语音识别、自然语言理解和语音合成，所述语音识别中包含热词训练模型。


3.根据权利要求1所述的面向电网调度的语音调度方法，其特征在于：所述智能语音交互模型训练采用电网专业语料库。


4.根据权利要求1所述的面向电网调度的语音调度方法，其特征在于：所述意图识别模型基于文本卷积神经网络建立。


5.根据权利要求1所述的面向电网调度的语音调度方法，其特征在于，...

【专利技术属性】
技术研发人员：海威，张越，李洪波，乌日恒，王晓光，高博，余建明，单连飞，刘艳，张连超，乔咏田，
申请(专利权)人：内蒙古电力集团有限责任公司电力调度控制分公司，北京科东电力控制系统有限责任公司，
类型：发明
国别省市：内蒙古;15