基于知识图谱推理的二次设备故障处理推送方法及系统技术方案

本发明专利技术公开了一种基于知识图谱推理的二次设备故障处理推送方法及系统。所述方法，包括：获取二次设备故障告警信息；根据二次设备故障告警信息，在故障预案知识图谱中查询并推送相应的应急处置预案；故障预案知识图谱的构建方法，包括：获取二次设备故障数据；由二次设备故障数据构建知识图谱；采用基于约束条件的推理，挖掘知识图谱中的关联关系，将加入关联关系的知识图谱确定为故障预案知识图谱。本发明专利技术能实现故障原因的自动查找和处置方式的自动推送，提高故障处理推送的可靠性。提高故障处理推送的可靠性。提高故障处理推送的可靠性。

【技术实现步骤摘要】
基于知识图谱推理的二次设备故障处理推送方法及系统


[0001]本专利技术涉及故障处理领域，特别是涉及一种基于知识图谱推理的二次设备故障处理推送方法及系统。

技术介绍

[0002]目前，电力系统二次设备故障处置系统依赖于自动化人员对预案手册的查找，这对调度自动化人员的现场处置能力要求很高，同时自动化人员所能够承担的工作强度小、持续时间短、反应速度慢、记忆容量有限，可靠性易受环境影响且效能不稳定，失误在所难免。

技术实现思路

[0003]基于此，本专利技术实施例提供一种基于知识图谱推理的二次设备故障处理推送方法及系统，以实现故障原因的自动查找和处置方式的自动推送，提高故障处理推送的可靠性。
[0004]为实现上述目的，本专利技术提供了如下方案：
[0005]基于知识图谱推理的二次设备故障处理推送方法，包括：
[0006]获取二次设备故障告警信息；
[0007]根据所述二次设备故障告警信息，在故障预案知识图谱中查询并推送相应的应急处置预案；
[0008]其中，所述故障预案知识图谱的构建方法，包括：
[0009]获取二次设备故障数据；
[0010]由所述二次设备故障数据构建知识图谱；
[0011]采用基于约束条件的推理，挖掘所述知识图谱中的关联关系，将加入所述关联关系的知识图谱确定为所述故障预案知识图谱。
[0012]可选的，所述由所述二次设备故障数据构建知识图谱，具体包括：
[0013]计算所述二次设备故障数据中实体之间的相似度，并根据所述相似度进行聚类，得到各所述实体的类别；
[0014]抽取所述二次设备故障数据中实体的上下位关系，根据所述上下位关系确定所述类别之间的隶属关系；
[0015]对所述类别进行二次聚类，并给聚为同一类的实体指定上位词；
[0016]由二次聚类后的类别、所述隶属关系和所述上位词生成图谱本体；
[0017]将所述二次设备故障数据添加至所述图谱本体中，得到所述知识图谱。
[0018]可选的，所述采用基于约束条件的推理，挖掘所述知识图谱中的关联关系，将加入所述关联关系的知识图谱确定为所述故障预案知识图谱，具体包括：
[0019]确定目标关系；
[0020]在所述知识图谱中寻找具有所述目标关系的正例三元组；
[0021]将所述正例三元组中两个实体之间的每一条路径作为一个特征，采用随机游走算
法计算所述正例三元组中两个实体之间的每一条路径的特征值，并根据所述正例三元组中两个实体之间的所有路径的特征值，得到正例特征向量；
[0022]修改所述正例三元组中的首部实体和/或尾部实体，得到负例三元组；
[0023]将所述负例三元组中两个实体之间的每一条路径作为一个特征，采用随机游走算法计算所述负例三元组中两个实体之间的每一条路径的特征值，并根据所述负例三元组中两个实体之间的所有路径的特征值，得到负例特征向量；
[0024]采用所述正例特征向量、所述负例特征向量、所述正例三元组中两个实体在所述知识图谱中的关联关系以及所述负例三元组中两个实体在所述知识图谱中的关联关系，对逻辑回归分类器进行训练，得到关联关系挖掘模型；
[0025]采用随机游走算法计算两个目标实体之间的每一条路径的特征值，得到目标特征向量；两个所述目标实体为所述知识图谱中关联关系未知的两个实体；
[0026]将所述目标特征向量输入所述关联关系挖掘模型中，得到两个所述目标实体之间的关联关系；
[0027]采用所述关联关系更新所述知识图谱，得到所述故障预案知识图谱。
[0028]可选的，所述获取二次设备故障数据，具体包括：
[0029]获取第一类数据和第二类数据；所述第一类数据包括二次设备运行时的监控信息和故障信息；所述第二类数据包括各电力部门的应急处置预案；
[0030]对所述第一类数据进行数据清洗，得到第一类处理数据，对所述第二类数据进行分词、实体抽取、关系抽取和属性抽取的操作，得到第二类处理数据；所述二次设备故障数据包括所述第一类处理数据和所述第二类处理数据。
[0031]可选的，所述计算所述二次设备故障数据中实体之间的相似度，具体包括：
[0032]将所述二次设备故障数据中的各个实体映射到相同维度的向量空间，得到各个实体的实体信息向量；
[0033]根据所述实体信息向量计算实体之间的相似度。
[0034]可选的，所述将所述二次设备故障数据中的各个实体映射到相同维度的向量空间，得到各个实体的实体信息向量，具体包括：
[0035]构建神经网络；所述神经网络包括依次连接的输入层、隐藏层和输出层；
[0036]将实体作为目标值，向神经网络中输入实体的上下文进行训练，当所述神经网络输出的预测值与所述目标值之间的损失不再随着迭代次数的增加而变小时，则确定所述神经网络收敛；
[0037]将收敛时的神经网络中的隐藏层的权重向量确定为实体的实体信息向量。
[0038]本专利技术还提供了基于知识图谱推理的二次设备故障处理推送系统，包括：
[0039]信息获取模块，用于获取二次设备故障告警信息；
[0040]预案查询模块，用于根据所述二次设备故障告警信息，在故障预案知识图谱中查询并推送相应的应急处置预案；
[0041]知识图谱构建模块，用于构建所述故障预案知识图谱；
[0042]所述知识图谱构建模块，包括：
[0043]故障数据获取子模块，用于获取二次设备故障数据；
[0044]图谱构建子模块，用于由所述二次设备故障数据构建知识图谱；
[0045]关联关系挖掘子模块，用于采用基于约束条件的推理，挖掘所述知识图谱中的关联关系，将加入所述关联关系的知识图谱确定为所述故障预案知识图谱。
[0046]可选的，所述图谱构建子模块，具体包括：
[0047]相似度计算单元，用于计算所述二次设备故障数据中实体之间的相似度，并根据所述相似度进行聚类，得到各所述实体的类别；
[0048]隶属关系确定单元，用于抽取所述二次设备故障数据中实体的上下位关系，根据所述上下位关系确定所述类别之间的隶属关系；
[0049]二次聚类单元，用于对所述类别进行二次聚类，并给聚为同一类的实体指定上位词；
[0050]本体生成单元，用于由二次聚类后的类别、所述隶属关系和所述上位词生成图谱本体；
[0051]数据添加单元，用于将所述二次设备故障数据添加至所述图谱本体中，得到所述知识图谱。
[0052]可选的，所述关联关系挖掘子模块，具体包括：
[0053]目标关系确定单元，用于确定目标关系；
[0054]正例三元组确定单元，用于在所述知识图谱中寻找具有所述目标关系的正例三元组；
[0055]正例特征向量确定单元，用于将所述正例三元组中两个实体之间的每一条路径作为一个特征，采用随机游走算法计算所述正例三元组中两个实体之间的每一条路本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于知识图谱推理的二次设备故障处理推送方法，其特征在于，包括：获取二次设备故障告警信息；根据所述二次设备故障告警信息，在故障预案知识图谱中查询并推送相应的应急处置预案；其中，所述故障预案知识图谱的构建方法，包括：获取二次设备故障数据；由所述二次设备故障数据构建知识图谱；采用基于约束条件的推理，挖掘所述知识图谱中的关联关系，将加入所述关联关系的知识图谱确定为所述故障预案知识图谱。2.根据权利要求1所述的基于知识图谱推理的二次设备故障处理推送方法，其特征在于，所述由所述二次设备故障数据构建知识图谱，具体包括：计算所述二次设备故障数据中实体之间的相似度，并根据所述相似度进行聚类，得到各所述实体的类别；抽取所述二次设备故障数据中实体的上下位关系，根据所述上下位关系确定所述类别之间的隶属关系；对所述类别进行二次聚类，并给聚为同一类的实体指定上位词；由二次聚类后的类别、所述隶属关系和所述上位词生成图谱本体；将所述二次设备故障数据添加至所述图谱本体中，得到所述知识图谱。3.根据权利要求1所述的基于知识图谱推理的二次设备故障处理推送方法，其特征在于，所述采用基于约束条件的推理，挖掘所述知识图谱中的关联关系，将加入所述关联关系的知识图谱确定为所述故障预案知识图谱，具体包括：确定目标关系；在所述知识图谱中寻找具有所述目标关系的正例三元组；将所述正例三元组中两个实体之间的每一条路径作为一个特征，采用随机游走算法计算所述正例三元组中两个实体之间的每一条路径的特征值，并根据所述正例三元组中两个实体之间的所有路径的特征值，得到正例特征向量；修改所述正例三元组中的首部实体和/或尾部实体，得到负例三元组；将所述负例三元组中两个实体之间的每一条路径作为一个特征，采用随机游走算法计算所述负例三元组中两个实体之间的每一条路径的特征值，并根据所述负例三元组中两个实体之间的所有路径的特征值，得到负例特征向量；采用所述正例特征向量、所述负例特征向量、所述正例三元组中两个实体在所述知识图谱中的关联关系以及所述负例三元组中两个实体在所述知识图谱中的关联关系，对逻辑回归分类器进行训练，得到关联关系挖掘模型；采用随机游走算法计算两个目标实体之间的每一条路径的特征值，得到目标特征向量；两个所述目标实体为所述知识图谱中关联关系未知的两个实体；将所述目标特征向量输入所述关联关系挖掘模型中，得到两个所述目标实体之间的关联关系；采用所述关联关系更新所述知识图谱，得到所述故障预案知识图谱。4.根据权利要求1所述的基于知识图谱推理的二次设备故障处理推送方法，其特征在
于，所述获取二次设备故障数据，具体包括：获取第一类数据和第二类数据；所述第一类数据包括二次设备运行时的监控信息和故障信息；所述第二类数据包括各电力部门的应急处置预案；对所述第一类数据进行数据清洗，得到第一类处理数据，对所述第二类数据进行分词、实体抽取、关系抽取和属性抽取的操作，得到第二类处理数据；所述二次设备故障数据包括所述第一类处理数据和所述第二类处理数据。5.根据权利要求2所述的基于知识图谱推理的二次设备故障处理推送方法，其特征在于，所述计算所述二次设备故障数据中实体之间的相似度，具体包括：将所述二次设备故障数据中的各个实体映射到相同维度的向量空间，得到各个实体的实体信息向量；根据所述实体信息向量计算实体之间的相似度。6.根据权利要求5所述的基于知识图谱推理的二次设备故障处理推送方法，其特征在于，所述将所述二次设备故障数据中的各个实体映射到相同维度的向量空间，得到各个实体的实体信息向量，具体包括：构建神经网络；所述神经网络包括依次连接的输入层、隐藏层和输出层；将实体作为目标值，向神经网络中输入实体的上下文...

【专利技术属性】
技术研发人员：肖大军，杨群，姜懿，徐遐龄，刘涛，刘绍翰，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：