储气库运营期风险因素分析方法、分析装置及电子设备制造方法及图纸

本申请提供一种储气库运营期风险因素分析方法、分析装置及电子设备，该方法包括：获取带标签的文本数据集；基于已训练的深度学习模型和已训练的机器学习模型将文本数据集进行抽取，获得储气库风险因素清单；根据储气库风险因素清单，构建风险因素知识图谱。本申请的方法，通过对文本数据集的处理，获得带标签的文本数据集；再基于风险因素识别模型，获得储气库风险因素清单；对储气库风险因素清单进行处理，构建风险因素节点，进一步构建风险因素知识图谱。根据构建的风险因素知识图谱，实现对储气库系统风险因素高效且自动化的分析，解决现有分析方法耗时耗力，智能化低且效率低下的问题。的问题。的问题。

【技术实现步骤摘要】
储气库运营期风险因素分析方法、分析装置及电子设备


[0001]本申请涉及计算机
，尤其涉及一种储气库运营期风险因素分析方法、分析装置及电子设备。

技术介绍

[0002]储气库作为国家重要的能源设施，对保持天然气供应和需求的动态平衡至关重要。天然气生产端或进口端的供应变化、消费端的日、季节性需求变化、自然灾害和不可预见事件造成的供应变化，都可能导致供求关系的波动。储气库有助于提高天然气供应的灵活性和管道等运输基础设施的合理规划及运营。近年来，我国储气库设施发展迅速，我国储气能力也在稳步增长。储气库作为关键的能源储存设施，其自身的安全性需求是极高的。储气库主要事故类型分为注采井或套管损坏、注气过程中气体迁移和储气库地面设施失效。储气库一旦发生事故，对天然气供应系统和社会造成的影响是巨大的。
[0003]现有技术中，通常选择通过人工分析生产现场数据、工艺系统结构、历史事故报告等方式识别设备系统的风险因素。
[0004]然而，随着储气库系统的复杂化，所产生的非结构化文本数据迅速增长，现有分析方法存在耗时耗力且效率低下的问题，且要求本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种储气库运营期风险因素分析方法，其特征在于，所述方法包括：获取带标签的文本数据集；基于已训练的深度学习模型和已训练的机器学习模型将所述文本数据集进行抽取，获得储气库风险因素清单；根据所述储气库风险因素清单，构建风险因素知识图谱。2.根据权利要求1所述的方法，其特征在于，获取带标签的文本数据集，具体包括：获取储气库运营期的文本数据集；其中，所述文本数据集包括：储气库运营期风险原因和后果；并对所述文本数据集进行重构，获得重构后的文本数据集；其中，所述重构后的文本数据以纯文本的形式保存，且格式为由于原因导致结果；根据已有的标注工具对所述重构后的文本数据集进行添加标签，获得带标签的文本数据集。3.根据权利要求2所述的方法，其特征在于，获取储气库运营期的文本数据集，具体包括：获取初始储气库运营期的文本数据；对所述初始储气库运营期的文本数据进行清洗，获得清洗后的储气库运营期的文本数据；将所述清洗后的储气库运营期的文本数据进行集成，获得储气库运营期的文本数据集。4.根据权利要求2所述的方法，其特征在于，基于已训练的深度学习模型和已训练的机器学习模型将所述文本数据集进行抽取，获得储气库风险因素清单，具体包括：将所述文本数据集输入到已训练的深度学习模型中，获得具有上下文关系的表示向量；将所述表示向量输入到已训练的机器学习模型中，获得结构化的关系文本数据集；对所述结构化的关系文本数据集进行整理，获得储气库风险因素清单。5.根据权利要求4所述的方法，其特征在于，根据所述储气库风险因素清单，构建风险因素...

【专利技术属性】
技术研发人员：胡瑾秋，张来斌，吴明远，陈怡玥，范晓雯，
申请(专利权)人：中国石油大学北京，
类型：发明
国别省市：