【技术实现步骤摘要】
本专利技术涉及电力调度，特别涉及一种电力调度知识图谱搭建方法及系统。
技术介绍
1、随着特高压电网和新能源的快速发展,电网故障形态日益复杂,电网故障处理对调控人员综合业务能力的要求不断提高。当故障发生时,要求调控人员实时分析电网运行薄弱环节,全景监视风险防控重点部位,准确快速判断故障原因并采取事故恢复措施。其中，针对电网故障的处置预案以及电网数据、数据的检测等主要依靠调度运行人员进行调度处理以及电网故障调度，由于故障处置预案变化频繁且复杂，给调度运行人员的调度处理带来难度。
2、近年来，知识图谱已成为实现多源异构超媒体数据融合的一种关键技术。知识图谱本质上是一种语义网络，该图谱中的结点代表实体或者概念，边代表实体/概念之间的各种语义关系。因此，基于知识图谱技术的本体建模，本质上是为多源、异构、类型多样的大数据提供了一种高抽象概念层次的统一数据模型，使得该数据模型不仅能通过一组图谱生成工具把各种来源、异构、海量的大数据进行汇聚、融合以及关联在一起进行存储，还能通过知识图谱的大数据分析，实现大数据的本质语义关联。由此可见，相对于传统关系型数据库，知识图谱更加自由多样化，能更好地满足用户对电网大数据的价值探索和情报发现需求。
3、为了应对未来愈加复杂的电网故障形态,突破依赖经验的调度决策与操作瓶颈,亟需借助智能化技术,将调控人员的经验和操作逻辑提炼为知识,丰富故障判断和恢复决策手段,帮助调控人员主动、快速、全面地掌控故障处理的关键信息,为故障处理提供相应的辅助决策。鉴于此，因此，搭建一种适用于电网调度的知识图谱
技术实现思路
1、为了解决上述现有技术中的问题，本专利技术提供了一种电力调度知识图谱搭建方法及系统，充分发掘电网故障处理中数据的价值,解决由于调控运行人员知识储备差异性及匮乏性而导致的故障处理精准度低、时效性差等问题。具体技术方案如下：
2、本专利技术一方面提供了一种电力调度知识图谱搭建方法，包括以下步骤：
3、步骤s1，根据已有的电力调度原始数据集构建原始知识表示图谱；
4、步骤s2，获取电力调度数据源并清洗入库；所述电力调度数据源包括结构化数据、半结构化数据以及非结构化数据；
5、步骤s3，对结构化数据进行整合形成第一子图谱；对半结构化数据以及非结构化数据进行知识抽取，抽取其在知识图谱中的实体、关系与属性之间的关系，形成第二子图谱，将第一子图谱和第二子图谱整合形成初步知识表示图谱；
6、步骤s4，对初步知识表示图谱进行实体对齐，并与原始知识表示图谱融合形成标准知识表示图谱；
7、步骤s5，对标准知识表示图谱进行质量评估，质量评估达到标准后形成最终的电力调度知识图谱。
8、优选地，所述步骤s2中基于元数据库对划分后的电网调度数据源进行预处理，并结合元数据库以及制定的清洗规则进行数据清洗，验证后进行存储到redis数据库。
9、优选地，所述步骤s3中知识抽取包括实体抽取、关系抽取、属性抽取。
10、优选地，所述实体抽取和关系抽取步骤具体地采用transformer-bigru-crf组合模型对已处理数据进行抽取；通过所述实体抽取步骤获得实体及实体对应的属性，通过所述关系抽取步骤获得实体与实体间的关系。
11、优选地，所述步骤s4中对初步知识表示图谱进行实体对齐具体包括以下步骤：
12、步骤s41，对初步知识表示图谱中的第一子图谱、第二子图谱进行数据预处理；
13、步骤s42，构建图神经网络模型，利用图神经网络对初步知识表示图谱统一建模，得到知识图谱中实体的向量化表示；
14、步骤s43，基于贪心算法搜索向量空间中实体向量表示与实体语义相似度最高的实体，作为对齐实体。
15、优选地，所述步骤s42中具体包括以下步骤：
16、利用图神经网络对初步知识表示图谱统一建模，得到图谱中实体和关系的向量化表示；
17、图卷积神经网络中实体和关系的向量化表示通过迭代不断调整，以实体语义相似程度与实体向量表示相似程度一致为收敛目标，具体迭代过程为：
18、聚合信息，初始化图谱向量表示后，对图谱中每个节点作聚合操作，聚合其邻居节点的信息更新中心节点的向量表示，对所有有联系的节点信息进行聚合；
19、根据损失函数对图神经网络模型的所有变量依据链式法则反向求导，使用梯度下降法更新模型参数；
20、重复上述步骤直到整个训练过程结束，图谱向量表示不再发生变化。
21、优选地，所述步骤s43中利用贪心算法对整个向量空间搜索，将计算得到的在不同知识图谱中节点向量表示的欧氏距离小于阈值的成对向量对应实体，作为对齐实体。
22、优选地，所述步骤s5中使用neo4j进行电力调度知识图谱的展示。
23、优选地，所述步骤s5中对标准知识表示图谱进行质量评估包括：对标准知识表示图谱进行知识推理，输出知识发现，并与通过标准知识表示图谱输出的知识发现进行对比，采用欧氏距离计算，当距离小于设定阈值时则质量评估满足标准。
24、本专利技术另一方面提供了一种电力调度知识图谱搭建系统，包括：
25、原始知识表示图谱构建模块，用于根据已有的电力调度原始数据集构建原始知识表示图谱；
26、数据清洗模块，用于获取电力调度数据源并清洗入库；所述电力调度数据源包括结构化数据、半结构化数据以及非结构化数据；
27、知识抽取整合模块，用于对结构化数据进行整合形成第一子图谱；对半结构化数据以及非结构化数据进行知识抽取，抽取其在知识图谱中的实体、关系与属性之间的关系，形成第二子图谱，将第一子图谱和第二子图谱整合形成初步知识表示图谱；
28、实体对齐模块，用于对初步知识表示图谱进行实体对齐，并与原始知识表示图谱融合形成标准知识表示图谱；
29、质量评估模块，用于对标准知识表示图谱进行质量评估，质量评估达到标准后形成最终的电力调度知识图谱。
30、与现有技术相比，本专利技术的有益效果为：本专利技术通过构建调度知识图谱，针对电网调度业务的行业内领域知识图谱，用以对未来调度业务进行辅助决策、电网故障调度的智能推荐等，为调度员在处理电网故障时提供辅助决策，能够充分发掘电网故障处理中多元异构数据的价值，在一定程度上解决由于调控运行人员知识储备差异性及匮乏性而导致的故障处理精准度低、时效性差等问题，提高了电力调度的效率。
本文档来自技高网...【技术保护点】
1.一种电力调度知识图谱搭建方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种电力调度知识图谱搭建方法，其特征在于，所述步骤S2中基于元数据库对划分后的电网调度数据源进行预处理，并结合元数据库以及制定的清洗规则进行数据清洗，验证后进行存储到Redis数据库。
3.根据权利要求2所述的一种电力调度知识图谱搭建方法，其特征在于，所述步骤S3中知识抽取包括实体抽取、关系抽取、属性抽取。
4.根据权利要求3所述的一种电力调度知识图谱搭建方法，其特征在于，所述实体抽取和关系抽取步骤具体地采用Transformer-BiGRU-CRF组合模型对已处理数据进行抽取；通过所述实体抽取步骤获得实体及实体对应的属性，通过所述关系抽取步骤获得实体与实体间的关系。
5.根据权利要求1所述的一种电力调度知识图谱搭建方法，其特征在于，所述步骤S4中对初步知识表示图谱进行实体对齐具体包括以下步骤：
6.根据权利要求5所述的一种电力调度知识图谱搭建方法，其特征在于，所述步骤S42中具体包括以下步骤：
7.根据权利要求5所述的一种
8.根据权利要求1所述的一种电力调度知识图谱搭建方法，其特征在于，所述步骤S5中使用Neo4j进行电力调度知识图谱的展示。
9.根据权利要求1所述的一种电力调度知识图谱搭建方法，其特征在于，所述步骤S5中对标准知识表示图谱进行质量评估包括：对标准知识表示图谱进行知识推理，输出知识发现，并与通过标准知识表示图谱输出的知识发现进行对比，采用欧氏距离计算，当距离小于设定阈值时则质量评估满足标准。
10.一种电力调度知识图谱搭建系统，其特征在于，包括：
...【技术特征摘要】
1.一种电力调度知识图谱搭建方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种电力调度知识图谱搭建方法，其特征在于，所述步骤s2中基于元数据库对划分后的电网调度数据源进行预处理，并结合元数据库以及制定的清洗规则进行数据清洗，验证后进行存储到redis数据库。
3.根据权利要求2所述的一种电力调度知识图谱搭建方法，其特征在于，所述步骤s3中知识抽取包括实体抽取、关系抽取、属性抽取。
4.根据权利要求3所述的一种电力调度知识图谱搭建方法，其特征在于，所述实体抽取和关系抽取步骤具体地采用transformer-bigru-crf组合模型对已处理数据进行抽取；通过所述实体抽取步骤获得实体及实体对应的属性，通过所述关系抽取步骤获得实体与实体间的关系。
5.根据权利要求1所述的一种电力调度知识图谱搭建方法，其特征在于，所述步骤s4中对初步知识表示图谱进行实体对齐具体包括以...
【专利技术属性】
技术研发人员：戚焕兴，唐家淳，杨加意，谭鑫，傅源，许小红，覃芳璐，桂美萍，袁亚湘，杨贻婷，黄镕湘，秦意茗，
申请(专利权)人：广西电网有限责任公司北海供电局，
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。