【技术实现步骤摘要】
本专利技术涉及配网电力智能关键，尤其是基于图节点采样与大语言模型的配电网故障归因分析方法。
技术介绍
1、随着全球能源结构的转型和智能电网技术的快速发展，配电网的智能化水平不断提升，这对提高电网的运行效率和可靠性提出了新的要求。配电网作为电力系统中直接面向终端用户的重要组成部分，其运行状态直接影响到广大用户的用电安全和生活质量。因此，提高配电网故障诊断的效率和准确性成为了电力系统管理的重中之重。
2、传统的配电网故障诊断依赖于现场运维人员的经验和定期的物理巡检，这不仅耗时耗力，而且难以应对突发性、复杂性故障。在大数据和人工智能技术的推动下，配电网络的故障诊断和处理正在经历从传统的人工经验向智能化、自动化转变。尤其是在故障数据的采集和处理方面，通过利用智能传感器收集的大量实时数据，可以实现对配电网状态的实时监控和故障预警。
3、然而，由于配电网系统的复杂性及数据类型的多样性，单靠传统数据处理方法已无法满足快速准确诊断故障的需求。大量的结构化数据（如配电管理系统的报警信息）和非结构化数据（如应急维修人员的报告）需要被...
【技术保护点】
1.基于图节点采样与大语言模型的配电网故障归因分析方法，其特征在于：所述方法通过构建多维度故障本体和知识图谱，并利用强化学习动态选择关键信息节点，以增强大语言模型的故障分析能力，包括以下步骤；
2.根据权利要求1所述的基于图节点采样与大语言模型的配电网故障归因分析方法，其特征在于：所述多维度故障本体的模型包括实体节点、抽象实体节点和事件节点，还包括这三种节点各自对应的属性，每类实体和事件均具包括用于表述故障情境的多种属性。
3.根据权利要求2所述的基于图节点采样与大语言模型的配电网故障归因分析方法，其特征在于：实体节点的属性包括：所属地区、所属...
【技术特征摘要】
1.基于图节点采样与大语言模型的配电网故障归因分析方法，其特征在于：所述方法通过构建多维度故障本体和知识图谱，并利用强化学习动态选择关键信息节点，以增强大语言模型的故障分析能力，包括以下步骤；
2.根据权利要求1所述的基于图节点采样与大语言模型的配电网故障归因分析方法，其特征在于：所述多维度故障本体的模型包括实体节点、抽象实体节点和事件节点，还包括这三种节点各自对应的属性，每类实体和事件均具包括用于表述故障情境的多种属性。
3.根据权利要求2所述的基于图节点采样与大语言模型的配电网故障归因分析方法，其特征在于：实体节点的属性包括：所属地区、所属杆塔、运行单位名称、实际运行馈线名称、所属馈线、停电线路、配变名称、变压器性质、是否低压设备、用户分类、影响范围、重合闸情况、保护动作情况、失地情况、天气、气温、故障概述、故障类型、故障明确概述、开始停电时间、故障发生时间、维护班组、责任原因、技术原因细类、责任原因和技术原因细类、原因分析、责任原因细类、故障原因概述、故障原因、技术原因大类；
4.根据权利要求2所述的基于图节点采样与大语言模型的配电网故障归因分析方法，其特征在于：步骤二中基于定义好的故障本体模型，构建配电网故障知识图谱，知识图谱的构建包括将配电网中的每一条故障记录转换成一个独立的故障子图，这些故障子图随后根据故障本体进行整合和歧义消除，形成完整的故障知识图谱，方法为将其添加到总的故障图谱中；
5.根据权利要求4所述的基于图节点采样与大语言模型的配电网故障归因分析方法，其特征在于：步骤三中的大语言模型llm具有处理自然语言的功能，其...
【专利技术属性】
技术研发人员：刘冰倩，廖飞龙，武欣欣，黄建业，钱健，林爽，吴丽进，林晨翔，郭俊，谢炜，翁宇游，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：
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。