知识图谱增强的基于大语言模型配电网故障归因分析方法技术

本发明专利技术涉及一种知识图谱增强的基于大语言模型配电网故障归因分析方法。该方法首先利用数据提取技术从大规模复杂的电力故障数据中挖掘关键信息，并通过特定的三元组模型将这些信息结构化为实体和关系，构建知识图谱。接着，通过专业的可视化工具，将知识图谱进行细致的可视化处理，以揭示可能的故障原因。然后，依赖启发式规则，在知识图谱上进行链接游走，生成详尽的故障原因描述文本。大语言模型（LLM）对这些生成的文本进行深度处理，简化并提取关键信息，使得复杂的故障原因描述变得简洁明了。处理后的文本信息存储为本地知识库，并在此基础上进行LLM问答，以执行深度的故障归因分析。本发明专利技术方法能有效地找出电力故障的原因，提高故障处理效率。

【技术实现步骤摘要】

本专利技术涉及配网电力智能关键，尤其涉及一种知识图谱增强的基于大语言模型配电网故障归因分析方法。

技术介绍

1、随着我国经济飞速发展，电力网络规模日益扩大，配电场景也变得越来越复杂。为了保障电力系统的稳定运行和保护公众的生活质量及财产安全，智能决策在配电网络中扮演着越来越重要的角色。特别是配电网的故障处理，它与用户息息相关，并且是保证配电网络安全稳定运行的关键一环。在应对数据的事件性、多样性、复杂性等挑战时，我们需要借助大数据、人工智能和知识工程的理念和技术，对配电网故障处理过程中产生的大量知识进行深度挖掘，进一步发挥其价值。

2、电力系统作为现代社会的重要基础设施，其安全稳定运行对于保障社会经济活动具有至关重要的作用。特别是配电网络，作为电力系统的“最后一公里”，其故障处理能力直接影响到用户的电力使用体验和电力系统的整体稳定性。然而，由于配电网络的规模日益扩大，故障数据的事件性、多样性和复杂性也在持续增强，这对配电网故障处理带来了严峻挑战。

3、当前，故障处理主要依赖于专业人员的经验和专业知识，但这种方法的效率较低，且难以应对复杂本文档来自技高网...

【技术保护点】

1.一种知识图谱增强的基于大语言模型配电网故障归因分析方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的知识图谱增强的基于大语言模型配电网故障归因分析方法，其特征在于，电力故障数据涵盖各类电力设备的故障报告，这些故障报告详细记录故障设备的信息，包括故障类型、故障时间、故障位置和故障影响。

3.根据权利要求1所述的知识图谱增强的基于大语言模型配电网故障归因分析方法，其特征在于，提取三元组的步骤包括设计一个专为电力故障数据定制的三元组模型，三元组模型将关键的故障信息，包括故障设备、故障类型、故障时间，结构化为实体和关系，形成“实体-关系-实体”的三元组形式；然...

【技术特征摘要】

1.一种知识图谱增强的基于大语言模型配电网故障归因分析方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的知识图谱增强的基于大语言模型配电网故障归因分析方法，其特征在于，电力故障数据涵盖各类电力设备的故障报告，这些故障报告详细记录故障设备的信息，包括故障类型、故障时间、故障位置和故障影响。

3.根据权利要求1所述的知识图谱增强的基于大语言模型配电网故障归因分析方法，其特征在于，提取三元组的步骤包括设计一个专为电力故障数据定制的三元组模型，三元组模型将关键的故障信息，包括故障设备、故障类型、故障时间，结构化为实体和关系，形成“实体-关系-实体”的三元组形式；然后，利用excel表格处理工具，直接从电力故障数据中提取出符合三元组模型的信息，以构建知识图谱。

4.根据权利要求1所述的知识图谱增强的基于大语言模型配电网故障归因分析方法，其特征在于，所述可视化工具为gephi图形可视化工具。

5.根据权利要求1所述的知识图谱增强的基于大语言模型配电网故障归因分析方法，其特征在于，启发式规则包括选择预定节点作为起始节点，然后根据广度优先搜索的方式在知识图谱上进行链接游走，选择关键节点，并将关键节点的内容拼接在一起。

6.根据权利要求1所述的知识图谱增强的基于大语言模型配电网故障归因分析...

【专利技术属性】
技术研发人员：郑州，黄建业，吴飞，刘冰倩，廖飞龙，武欣欣，钱健，林爽，谢炜，杨彦，林晨翔，周晨曦，郭俊，翁宇游，张志宏，陈彦宇，刘启川，
申请(专利权)人：国网福建省电力有限公司电力科学研究院，
类型：发明
国别省市：