【技术实现步骤摘要】
本专利技术属于核电，具体涉及一种核电厂i0知识库智能构建方法及装置。
技术介绍
1、核电厂运行技术规范中规定了所有与各运行模式相关的安全要求不一致的情况例如，要求的安全功能不可用，或超出正常运行限值均被称为“i0”。i0分为第一组i0和第二组i0，其中第一组i0可以表示为：超出运行中应遵守的与核安全相关的重要设计假设，或反应堆停堆保护与专设安全设施系统的不可用；第二组i0可以表示为：与该组事件相关的设备和系统的不可用其不可用性将直接影响对异常情况的监控、诊断及处理。近年来，核电厂发生过多起产生i0的事件。
2、目前，核电厂主控操纵员、核安全监督工程师、计划工程师及各专业工作负责人对于i0的识别主要依靠查阅运行技术规范以及个人经验，人员需要从机组运行模式、工作对象设备是否可用、上下游隔离设备是否可用、系统是否部分不可用或者全部不可用等多个层面去综合考虑，判断出该工作是否会产生i0并做好i0记录，以及是否存在i0冲突。在短时间内准确地识别出i0的工作，对核电厂主控操纵员、核安全监督工程师、计划工程师及各专业工作负责人的工作经验要求较高，实际工作过程中对i0识别不足将导致机组超出运行限制的风险增加，影响机组核安全，进而可能导致机组运行瞬态时超过运行技术规范产生运行事件，也不符合监管部门对核电厂i0记录与管理的严格要求。
3、由于核电厂涉及的系统、设备数量多，联锁情况繁杂，系统、设备不可用的情况难以全部枚举，且不同运行模式下的i0记录也不尽相同，导致仅靠人工梳理来构建核电厂i0知识库的工作效率较低，准确率和完整性
4、因此，亟需提高i0识别的准确性和识别效率。
技术实现思路
1、为克服相关技术中存在的问题，提供了一种核电厂i0知识库智能构建方法及装置。
2、根据本公开实施例的一方面，提供一种核电厂i0知识库智能构建方法，所述方法包括：
3、步骤1，通过规则/模板以及字段映射的方法，采集核电厂i0相关结构化、半结构化及非结构化数据；
4、步骤2，对核电厂i0相关数据进行中文分词、降噪、实体消歧的文本预处理；
5、步骤3，采用知识抽取模型，获取核电厂i0相关结构化知识；
6、步骤4，基于知识融合技术，对核电厂i0相关结构化知识进行丰富、拓展处理，形成核电厂i0知识库。
7、在一种可能的实现方式中，步骤1包括：
8、步骤11，采用规则/模板的方法，识别并采集核电厂运行技术规范中i0相关数据x，x表示为所有与各个运行模式相关的安全要求不一致的非结构化文本语料，x包括用于描述要求的安全功能不用的非结构化文本语料，以及用于描述超出正常运行限值的非结构化文本语料；
9、步骤12，采用字段映射的方法，采集历史工单中i0相关数据y，y包括涉及i0的历史定期触发类工单、历史缺陷类工单、历史其他类工单；
10、步骤13，采用字段映射的方法，采集经验反馈中i0相关数据z，z包括涉及i0的核电厂运行事件报告、核电厂内部事件报告、c/d级状态报告中的设备编码、设备名称、系统编号、系统名称等结构化文本语料，以及涉及i0的核电厂运行事件报告、核电厂内部事件报告、c/d级状态报告中的事件名称、摘要、描述、风险及后果、直接原因、根本原因、促成因素等半结构化和非结构化文本语料。
11、在一种可能的实现方式中，步骤2包括：
12、步骤21，对步骤1中半结构化和非结构化文本语料进行中文分词，基于结巴词库和核电专业词库，采用条件随机场模型结合维特比算法的机器学习模型，实现对文本语料的分词；
13、步骤22，对步骤1中半结构化和非结构化文本语料进行降噪处理，建立停用词词库，包括标点符号、特殊符号“#”除外、大小写字母和数字除外、语气助词等，采用停用词词库对文本语料进行降噪处理；
14、步骤23，对步骤1中结构化、半结构化和非结构化文本语料进行实体消歧，包括同一指代词消歧和同义词消歧，其中同一指代词包括同一系统的不同指代词、同一设备的不同指代词、同一部件的不同指代词等，同义词包括同一意义的不同核电专业词语。
15、在一种可能的实现方式中，步骤3包括：
16、步骤31，输入运行技术规范中i0相关数据x，采用crf机器学习模型和bert、bilstm、latticelstm、lebert等深度学习模型相结合的方法，构建实体抽取算法模型，抽取得到结构化知识x1中与关键词“不同系统”、“部分功能不用”、“全部功能不用”及“第一组i0/第二组i0”相关联的实体x1’，输入运行技术规范中i0相关数据x和实体x1’，采用cnn、bilstm+atteneion、bert等深度学习模型，构建关系抽取算法模型，抽取得到结构化知识x1中各实体x1’之间的关系x1”；
17、步骤32，采用实体抽取、属性抽取和关系抽取技术，实现对核电厂运行技术规范中规定的结构化知识x2的获取，其中，输入运行技术规范中i0相关数据x，采用crf机器学习模型和bert、bilstm、latticelstm、lebert等深度学习模型相结合的方法，构建实体抽取算法模型，抽取得到结构化知识x2中“不同系统”及“第一组i0/第二组i0”实体x2’，输入运行技术规范中i0相关数据x，采用bilstm+atteneion模型构建属性抽取算法模型，抽取得到结构化知识x2中的“运行参数要求”属性x2”，输入运行技术规范中i0相关数据x、实体x2’和属性x2”，采用cnn、bilstm+atteneion、bert等深度学习模型，构建关系抽取算法模型，抽取得到结构化知识x2中实体x2’及属性x2”之间的关系x2”’；
18、步骤33，采用数据整合、实体抽取和关系抽取技术，实现对历史工单数据中包含的结构化知识y1的获取，其中，结构化知识y1包括用于表示哪些设备/部件不用会导致系统安全功能部分不用或全部不用的结构化知识y11，及用于表示哪些系统/设备部分功能不用或全部功能不用所对应第一组i0/第二组i0情况的结构化知识y12，输入历史工单中i0相关数据y，采用历史工单数据中的关于系统和设备的结构化字段进行数据整合的方式，直接得到结构化知识y1中“系统”、“设备”实体y1’，输入历史工单中i0相关数据y，采用crf机器学习模型和bert、bilstm、latticelstm、lebert等深度学习模型相结合的方法，构建实体抽取算法模型，抽取得到结构化知识y1中“部件”、“部分功能不用”、“全部功能不用”及“第一组i0/第二组i0”实体y1”，输入历史工单中i0相关数据y、实体y1’和实体y1”，采用cnn、bilstm+atteneion、bert等深度学习模型，构建关系抽取算法模型，抽取得到结构化知识y1中实体y1’及实体y1”之间的关系y1”’；
19、步骤34，采用数据整合、实体抽取和关系抽取技术，实现对经验反馈数据中包含的结构化知识z1的获取，其中经验反馈数据中的系本文档来自技高网...
【技术保护点】
1.一种核电厂I0知识库智能构建方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，步骤1包括：
3.根据权利要求1所述的方法，其特征在于，步骤2包括：
4.根据权利要求1所述的方法，其特征在于，步骤3包括：
5.根据权利要求1所述的方法，其特征在于，步骤4包括：
6.一种核电厂I0知识库智能构建装置，其特征在于，所述装置包括：
7.一种核电厂I0知识库智能构建装置，其特征在于，所述装置包括：
8.一种非易失性计算机读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至5中任意一项所述的方法。
【技术特征摘要】
1.一种核电厂i0知识库智能构建方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，步骤1包括：
3.根据权利要求1所述的方法，其特征在于，步骤2包括：
4.根据权利要求1所述的方法，其特征在于，步骤3包括：
5.根据权利要求1所述的方法，其特征在于，步...
【专利技术属性】
技术研发人员：董宁，张廉，吕顺，王伟，张衡，蔡汉坤，芦和刚，胡攀，温庆邦，张睿，
申请(专利权)人：核动力运行研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。