一种应用于电力能源管控的知识图谱预测方法及装置制造方法及图纸

本申请提供一种应用于电力能源管控的知识图谱预测方法及装置，涉及数据处理的技术领域。在该知识图谱预测方法中，应用于终端设备，方法包括：响应于用户输入的针对目标区域的电力能源的查询操作；调用预设电力能源知识图谱模型对目标区域的电力能源知识图谱进行预测，得到第一结果，第一结果为目标区域的电力能源知识图谱，预设电力能源知识图谱模型通过自注意力神经网络训练得到；通过显示界面向用户展示目标区域的电力能源知识图谱，以使终端设备对应的用户查看目标区域的电力能源知识图谱。实施本申请提供的技术方案，便于电力管理部门根据电力能源知识图谱对目标区域的电力能源进行管控。进行管控。进行管控。

【技术实现步骤摘要】
一种应用于电力能源管控的知识图谱预测方法及装置


[0001]本申请涉及数据处理的
，具体涉及一种应用于电力能源管控的知识图谱预测方法及装置。

技术介绍

[0002]随着科技的发展和能源管理的优化，电力管理部门通过对电力数据进行汇总与分析，从而为用电发展规划的决策和制定提供支持，以实现对电力能源的有效管控和利用。
[0003]目前，当电力管理部门需要了解某个区域的电力能源情况时，电力管理部门需要在该区域内汇总后的数据信息中进行查找，特别是当该区域下辖有多个子区域时，由于电力能源数据信息体量庞大，获取到目标数据信息更是难上加难，从而不利于电力管理部门对该区域电力能源进行管控。
[0004]因此，急需一种应用于电力能源管控的知识图谱预测方法及装置。

技术实现思路

[0005]本申请提供了一种应用于电力能源管控的知识图谱预测方法及装置，便于电力管理部门根据电力能源知识图谱对目标区域的电力能源进行管控。
[0006]在本申请的第一方面提供了一种应用于电力能源管控的知识图谱预测方法，应用于终端设备，所述方法包括：响应于用户输入的针对目标区域的电力能源的查询操作；调用预设电力能源知识图谱模型对所述目标区域的电力能源知识图谱进行预测，得到第一结果，所述第一结果为所述目标区域的电力能源知识图谱，所述预设电力能源知识图谱模型通过自注意力神经网络训练得到；通过显示界面向所述用户展示所述目标区域的电力能源知识图谱，以使所述终端设备对应的用户查看所述目标区域的电力能源知识图谱。
[0007]通过采用上述技术方案，终端设备首先响应于输入的针对目标区域的电力能源查询操作，再调用预设电力能源知识图谱模型对目标区域的电力能源知识图谱进行预测，从而得到目标区域的电力能源知识图谱。最后，终端设备通过显示界面向电力管理部门展示目标区域的电力能源知识图谱，便于电力管理部门查看目标区域的电力能源知识图谱，从而根据电力能源知识图谱对目标区域的电力能源进行管控。
[0008]可选的，在所述调用预设电力能源知识图谱模型对所述目标区域的电力能源知识图谱进行预测，得到第一结果之后，所述方法还包括：获取所述目标区域的实际电力能源知识图谱，得到第二结果；将所述第一结果和所述第二结果进行交叉熵损失函数运算，得到交叉熵值；判断所述交叉熵值是否在预设交叉熵阈值范围内；若所述交叉熵值在所述预设交叉熵阈值范围内，则确认所述第一结果与所述第二结果相同。
[0009]通过采用上述技术方案，在终端设备调用预设电力能源知识图谱模型对目标区域的电力能源知识图谱进行预测，得到第一结果之后，终端设备还将获取目标区域的实际电力能源知识图谱，以得到第二结果。接下来，终端设备将第一结果和第二结果进行交叉熵损失函数运算，得到交叉熵值。终端设备判断交叉熵值是否在预设交叉熵阈值范围内，当交叉熵值在预设交叉熵阈值范围内时，则终端设备确认第一结果与第二结果相同，从而终端设备确定预测的电力能源知识图谱准确，进而提升了对电力能源知识图谱预测的准确性。
[0010]可选的，所述将所述第一结果和所述第二结果进行交叉熵损失函数运算，得到交叉熵值，具体采用如下计算规则：其中，H(m,n)为交叉熵值，m(x)为第二结果，n(x)为第一结果。
[0011]通过采用上述技术方案，能够计算出预测的电力能源知识图谱与实际的电力能源知识图谱的交叉熵值，便于通过交叉熵值来判断预测的知识图谱是否准确，从而提高了预设电力能源知识图谱模型的预测准确性。
[0012]可选的，在所述响应于用户输入的针对目标区域的电力能源的查询操作之前，训练所述预设电力能源知识图谱模型；所述训练所述预设电力能源知识图谱模型，具体包括：从预设区域数据库中获取所述目标区域的三元组数据，所述三元组数据为所述目标区域预设维度中的多个节点和多条关系边，所述目标区域预设维度包括所述目标区域的电力能源结构维度、电力能源需求维度以及电力能源运输维度；将所述三元组数据存储至预设图数据库中，在所述预设图数据库中随机游走任意一个节点和任意一条关系边，得到训练信息，所述训练信息包括多个节点经过随机游走后产生的多个子图，一个节点对应至少一个子图；将所述训练信息输入至所述自注意力神经网络中进行训练，得到第一训练结果；将所述训练信息和所述第一训练结果进行叠加与标准化处理后，得到第二训练结果；将所述第二训练结果输入至所述自注意力神经网络中进行处理，得到第三训练结果；将所述第三训练结果与所述第二训练结果进行叠加与标准化处理，直到输出所述训练信息相似度矩阵，所述训练信息相似度矩阵满足预设逻辑回归条件。
[0013]通过采用上述技术方案，终端设备在响应于用户输入的针对目标区域的电力能源的查询操作之前，将对预设电力能源知识图谱模型进行训练。具体为：终端设备首先将从预设区域数据库中获取目标区域的三元组数据，再将三元组数据存储至预设图数据库中，并在预设图数据库中随机游走任意一个节点和任意一条关系边，从而得到训练信息。接下来，终端设备将训练信息输入至自注意神经网络中进行训练，从而得到第一训练结果。终端设备再将训练信息和第一训练结果进行叠加与标准化处理后，从而得到第二训练结果。随后，终端设备将第二训练结果输入至自注意力神经网络中进行处理，从而得到第三训练结果。最后，终端设备将第三训练结果与第二训练结果进行叠加与标准化处理，直到自注意力神经网络输出满足预设逻辑回归条件的训练信息相似度矩阵。由此，便于终端设备根据自注意力神经网络，对电力能源结构、电力能源需求以及电力能源三者之间的相似度进行分析，
进一步增强了终端设备预测目标区域的电力能源知识图谱的鲁棒性。
[0014]可选的，所述训练信息包括正例图和反例图，其中，在所述预设图数据库中，从同一节点随机游走产生的子图为正例图，从不同节点随机游走产生的子图为反例图。
[0015]通过采用上述技术方案，将节点的正例图和反例图用于训练，便于预设电力能源知识图谱模型学习到同一节点的不同子图的差异性，使得其预测的电力能源知识图谱更加准确。
[0016]可选的，所述将所述三元组数据存储至预设图数据库中，具体包括：采用词向量模型对所述三元组数据中的节点进行处理，将所述节点转换为节点特征向量；采用独热编码对所述三元组数据中的关系边进行处理，将所述关系边转换为边特征向量；将所述节点特征向量和所述边特征向量存储至所述预设图数据库中。
[0017]通过采用上述技术方案，终端设备采用词向量模型对三元组数据中的节点进行处理，从而将节点转换为节点特征向量。同时，终端设备采用独热编码对三元组数据中的关系边进行处理，从而将关系边转换为边特征向量。最后，终端设备将节点特征向量和边特征向量存储至预设图数据库中，从而便于得到训练信息，提高了训练信息的准确性。
[0018]可选的，若随机游走的节点的数量等于预设数量阈值，则停止随机游走；获取随机游走过程中经过的所有节点与关系边；基于所述所有节点与关系边构建所述训练信息。
[0019]通过采用上述技术方案，当随机游走的节点的数量等于预设数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种应用于电力能源管控的知识图谱预测方法，其特征在于，应用于终端设备，所述方法包括：响应于用户输入的针对目标区域的电力能源的查询操作；调用预设电力能源知识图谱模型对所述目标区域的电力能源知识图谱进行预测，得到第一结果，所述第一结果为所述目标区域的电力能源知识图谱，所述预设电力能源知识图谱模型通过自注意力神经网络训练得到；通过显示界面向所述用户展示所述目标区域的电力能源知识图谱，以使所述终端设备对应的用户查看所述目标区域的电力能源知识图谱。2.根据权利要求1所述的知识图谱预测方法，其特征在于，在所述调用预设电力能源知识图谱模型对所述目标区域的电力能源知识图谱进行预测，得到第一结果之后，所述方法还包括：获取所述目标区域的实际电力能源知识图谱，得到第二结果；将所述第一结果和所述第二结果进行交叉熵损失函数运算，得到交叉熵值；判断所述交叉熵值是否在预设交叉熵阈值范围内；若所述交叉熵值在所述预设交叉熵阈值范围内，则确认所述第一结果与所述第二结果相同。3.根据权利要求2所述的知识图谱预测方法，其特征在于，所述将所述第一结果和所述第二结果进行交叉熵损失函数运算，得到交叉熵值，具体采用如下计算规则：其中，H(m,n)为交叉熵值，m(x)为第二结果，n(x)为第一结果。4.根据权利要求1所述的知识图谱预测方法，其特征在于，在所述响应于用户输入的针对目标区域的电力能源的查询操作之前，训练所述预设电力能源知识图谱模型；所述训练所述预设电力能源知识图谱模型，具体包括：从预设区域数据库中获取所述目标区域的三元组数据，所述三元组数据为所述目标区域预设维度中的多个节点和多条关系边，所述目标区域预设维度包括所述目标区域的电力能源结构维度、电力能源需求维度以及电力能源运输维度；将所述三元组数据存储至预设图数据库中，在所述预设图数据库中随机游走任意一个节点和任意一条关系边，得到训练信息，所述训练信息包括多个节点经过随机游走后产生的多个子图，一个节点对应至少一个子图；将所述训练信息输入至所述自注意力神经网络中进行训练，得到第一训练结果；将所述训练信息和所述第一训练结果进行叠加与标准化处理后，得到第二训练结果；将所述第二训练结果输入至所述自注意力神经网络中进行处理，得到第三训练结果；将所述第三训练结果与所述第二训练...

【专利技术属性】
技术研发人员：徐亚萍，孙钦，
申请(专利权)人：上海康达电力安装工程有限公司，
类型：发明
国别省市：