配电网智能解析和知识型故障处理辅助系统及方法技术方案

本发明专利技术公开了配电网智能解析和知识型故障处理辅助系统及方法，具有辅助故障诊断的优点。传统电网的故障诊断依赖于调度员的工作经验和专业知识，需要调度员实时分析故障后电网的状态、参数变化信息，推理事故发生的原因，图谱构建层和图谱应用层详细记录了各类预想故障的事故特征，当事故发生后根据事故后电网运行方式的变化情况，对知识图谱进行检索和推理，实现知识驱动型的故障诊断辅助决策，减少对调度员的经验依赖，此外，将每次故障诊断的结果作为新的知识对知识图谱进行更新完善，可以使知识图谱提供更为精确、全面、动态化的决策辅助支持。策辅助支持。策辅助支持。

【技术实现步骤摘要】
配电网智能解析和知识型故障处理辅助系统及方法


[0001]本专利技术涉及配电网
，具体为配电网智能解析和知识型故障处理辅助系统及方法。

技术介绍

[0002]随着电力物联网的不断发展，电力大数据迎来新机遇。配电网作为与用户终端紧密相连的最后环节，是保证供电质量的关键。面对数据多样、复杂、孤岛化，任务场景结合度高的新挑战，提升配电网数据感知认知智能水平并规范故障处理能力对于调度工作具有重要意义。
[0003]调度决策知识存在于调度规程等文本文件、数据库以及专家经验中，调度员在故障处理时需要依赖大量的专业知识支撑、历史和实时电网态势感知，并根据情况变化在短时间内做出最优决策。针对调度知识复杂，调度决策实时性高的需求，如何利用电网调度规则、故障预案以及人工经验知识构建包含调度知识、故障处理知识、业务流程知识的知识图谱，构建以电网拓扑结构形成的知识表征，将故障预案及故障处理案例以事件簇形式进行关联，将对配电网的决策起到重要的作用。为此，本专利技术提出配电网智能解析和知识型故障处理辅助系统及方法。

技术实现思路

[0004]本专利技术的目的在于克服现有技术的调度知识复杂，调度决策实时性高的缺陷，提供配电网智能解析和知识型故障处理辅助系统及方法。
[0005]为实现上述目的，本专利技术提供如下技术方案：配电网智能解析和知识型故障处理辅助系统，包括数据获取层、图谱构建层、知识计算层以及图谱应用层；所述数据获取层用于结构化数据解析、半/非结构化数据标注以及第三方合作数据解析，数据获取层包括调度规程、安全规程、专家经验相关数据，且所述数据获取层连接资源层，获取处于最底层的资源层中匹配的监测终端所收集的信息，具体地对实体、事件和知识图谱进行获取，其中所述实体包含操作运行专业术语、事故处理专业术语、电网拓扑图结构的相关内容，所述事件包含故障处理一般原则、故障处理专家经验、故障处理业务逻辑的相关内容；所述图谱构建层包括实体识别模型，所述实体识别模型与所述数据获取层连接，且所述实体识别模型包括BERT层、Word2Vec词嵌入层、双向长短时记忆网络层BiLSTM、特征串联层Concatenate、全连接层Dense，所述图谱构建层提供数据符合基于CIM模型规则的RDF数据文件，或CIM
‑
XML模型数据文件，且所述图谱构建层用于知识图谱应用架构的核心层承载、自然语言处理、知识抽取、知识融合以及知识加工工作，进行规范处理图数据库存储的实体、概念、关系和事件数据，其中知识图谱构建包括数据清洗、用户负荷、知识抽取、知识融合、知识加工、人工校验和知识更新；所述知识计算层包括处理器，与所述实体识别模型连接，并用于所述实体识别模
型数据集成的表示学习、关系推理、属性推理、事件推理、路径计算、比较排序的通用算法模型计算，且知识计算层包括数据存储和数据处理及推理计算，数据存储包括多层多库原则、权限分区管理、子图访问控制等要求，具体地由基础数据源、运行数据和故障信息通过知识图谱来进行数据逻辑关联挖掘后进行推理分析和计算；所述图谱应用层通过CIS服务的数据形式为所述知识计算层提供接口，输出所述知识计算层的计算处理数据，并用于提供智能搜索、智能问答、智能推荐、辅助决策、知识管理及第三方应用，作为电力领域知识图谱应用架构所产出的最终功能模块与实际应用场景进行对接，所述图谱应用层结合业务场景进行数据逻辑关联挖掘，以关键信息匹配、拓扑路径搜索、数据挖掘统计方法分析计算。
[0006]优选的，所述图谱构建层的数据层构建是基于Neo4j的标签属性图数据模型由实体节点EntityNode和关系Relationship两种类型数据组成，其中，节点存储实体信息，关系链接实体，节点和关系的属性及标签以键值对形式存储。
[0007]优选的，所述知识计算层的知识图谱构建的通用算法模型为TF
‑
IDF算法，具体地以配电网故障分类作为实体，故障发生原因、故障属性、故障现象、故障处理办法及相关专家经验形成多元组后，采用TF
‑
IDF算法筛选出局部文本中在整个文件分布集中且出现高频的词语tf
ij
，公式如下；；其中，表示是词语tf
ij
在文件中出现的次数，则是文件中所有词汇出现的次数总和；；其中，|D| 是知识图谱语料库中的文件总数，表示包含词语的文件数目,即 ni,j≠0 的文件数目；计算指定词的TF
‑
IDF值公式如下：；将每个句子中每个词，分别计算TF
‑
IDF值。
[0008]优选的，所述数据获取层包括知识抽取模块、知识融合模块与知识更新模块，所述知识抽取模块是在模式层知识组织架构的指导下，通过知识抽取方法从半/非构化数据中获取实体、实体间关系以及属性的结构化知识；所述知识融合模块是基于知识抽取模块所得到的实体信息数据，进行实体消歧和共指消解处理；所述知识更新模块则是在知识图谱应用的过程中，对相应知识的质量与时效性进行评估，并结合知识的发展进行更新和修正。
[0009]优选的，所述数据获取层中的数据是指对 excel、csv、json、xml文件进行导入、读取以及结构化存储，数据标注是指对文本数据进行概念、实体、关系、属性语义信息的标注工作。
[0010]优选的，所述图谱构建层采用自顶向下和自底向上组合后的方式进行创建，所述
自定向下和自底向上，具体地自定向下算法或自底向上算法对应地抽取对应的关键词进行融合、筛选、修正和分类，分类为操作术语、事故处理术语、运行术语以及故障术语，结合数据材料采用筛除方法进行术语补全，通过搜索匹配完成对于专业术语解释及相关调度规程和安全规程的内容补充。
[0011]配电网智能解析和知识型故障处理辅助系统的方法，包括以下步骤：步骤1：对电网现有的操作规程、处置预案、规章规程进行统计，将电网出现故障之后所需要的操作规程、处置预案、规章规程联系起来，将电网现有的和电网出现故障之后所需要的操作规程、处置预案、规章规程分别进行，一一对应，形成结构化网络；步骤2：根据配电网故障信息知识来构建数据获取层与图谱构建层，数据获取层将配电网故障调度决策中所需物理模型与知识模型进行统一，通过图谱构建层建立多源数据间关系链接，构建完成数据层与知识图谱层；步骤3：根据配电网故障信息知识推理技术构建知识计算层，由基础数据源、运行数据和故障信息通过知识图谱来进行数据逻辑关联挖掘，最后进行推理分析和计算；步骤4：当调度故障发生时，故障信息实时传回调控人员监控系统，根据故障发生的位置自动推荐该区域故障预案，并匹配相关故障案例；步骤5：拟合人类的思维及工作模式，将包括故障设备、地点、状态、现象的实时故障信息与贴合记忆网络的知识图谱中的故障现象及故障案例进行匹配，从同一设备故障案例簇、同类设备故障案例簇、同类设备故障处理原则三个方面，根据故障信息形成初始约束，建立实体链接，基于子图检索及路径关联故障案例簇与故障处理知识，统计历史故障信息，通过路径召回实现知识搜索、计算与推荐；步骤6：完成故障定位，实施故障隔离后对非故本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.配电网智能解析和知识型故障处理辅助系统，其特征在于：所述系统包括数据获取层（10）、图谱构建层（20）、知识计算层（30）以及图谱应用层（40）；所述数据获取层（10）用于结构化数据解析、半/非结构化数据标注以及第三方合作数据解析，且所述数据获取层（10）连接资源层，获取处于最底层的资源层中匹配的监测终端所收集的信息；所述图谱构建层（20）包括实体识别模型，所述实体识别模型与所述数据获取层（10）连接，所述图谱构建层（20）提供符合基于CIM模型规则的RDF数据文件，或CIM
‑
XML模型数据文件，且所述图谱构建层（20）用于知识图谱应用架构的核心层承载、自然语言处理、知识抽取、知识融合以及知识加工工作，进行规范处理图数据库存储的实体、概念、关系和事件数据；所述知识计算层（30）包括处理器，与所述实体识别模型连接，并用于所述实体识别模型数据集成的表示学习、关系推理、属性推理、事件推理、路径计算、比较排序的通用算法模型计算；所述图谱应用层（40）通过CIS服务的数据形式为所述知识计算层（30）提供接口，输出所述知识计算层（30）的计算处理数据，并用于提供智能搜索、智能问答、智能推荐、辅助决策、知识管理及第三方应用，作为知识图谱应用架构所产出的最终功能模块与实际应用场景进行对接。2.根据权利要求1所述的配电网智能解析和知识型故障处理辅助系统，其特征在于：所述数据获取层（10）包括调度规程、安全规程、专家经验相关数据，具体地对实体、事件和知识图谱进行获取，其中所述实体包含操作运行专业术语、事故处理专业术语、电网拓扑图结构的相关内容，所述事件包含故障处理一般原则、故障处理专家经验、故障处理业务逻辑的内容；所述图谱构建层（20）的知识图谱构建包括数据清洗、用户负荷、知识抽取、知识融合、知识加工、人工校验和知识更新；所述实体识别模型包括BERT层、Word2Vec词嵌入层、双向长短时记忆网络层BiLSTM、特征串联层Concatenate、全连接层Dense；所述知识计算层（30）包括数据存储和数据处理及推理计算，数据存储包括多层多库原则、权限分区管理、子图访问控制，具体地由基础数据源、运行数据和故障信息通过知识图谱来进行数据逻辑关联挖掘后进行推理分析和计算；所述图谱应用层（40）结合业务场景进行数据逻辑关联挖掘，以及关键信息匹配、拓扑路径搜索、数据挖掘统计方法分析计算。3.根据权利要求2所述的配电网智能解析和知识型故障处理辅助系统，其特征在于：所述图谱构建层（20）的数据层构建是基于Neo4j的标签属性图数据模型，由实体节点EntityNode和关系Relationship两种类型数据组成，其中，节点存储实体信息，关系链接实体，节点和关系的属性及标签以键值对形式存储。4.根据权利要求1所述的配电网智能解析和知识型故障处理辅助系统，其特征在于：所述知识计算层（30）的知识图谱构建的通用算法模型为TF
‑
IDF算法，以配电网故障分类作为实体，故障发生原因、故障属性、故障现象、故障处理办法及相关专家经验形成多元组后，采用TF
‑
IDF算法筛选出局部文本中在整个文件分布集中且出现高频的词语tf
ij
，公式如
下；；其中，表示是词语tf
ij
在文件中出现的次数，则是文件中所有词汇出现的次数总和；；其中，|D|是知识图谱语料库中的文件总数，表示包含词语的文件数目,即 ni,...

【专利技术属性】
技术研发人员：李智，贾俊海，张祥，刘鑫蕊，孙秋野，金银龙，王智宇，路天峰，刘正祎，吴厚毅，王野，肖隆君，张臣，袁明阳，刘书剑，郑佳明，
申请(专利权)人：东北大学，
类型：发明
国别省市：