一种虚端子回路规则库构建方法及装置制造方法及图纸

技术编号:45161725 阅读:9 留言:0更新日期:2025-05-06 18:19
本申请提供了一种虚端子回路规则库构建方法及装置。所述方法包括:将SCD文件输入至已训练的第一神经模型,获得已训练的第一神经模型输出的文本向量,文本向量中各个嵌入向量用于表征SCD文件的虚端子回路的知识信息,将文本向量输入至已训练的第二神经模型,获得已训练的第二神经网络输出的目标标签序列,目标标签序列包括SCD文件中各实体的注释结果;根据目标标签序列,从SCD文件中提取各实体信息和各实体间关系;根据各实体信息和各实体间关系,生成SCD文件的虚端子回路规则库。本申请实现自动化获取SCD文件中与虚端子回路相关的信息,进而自动化提取CSD文件中实体和关系,然后自动化构建虚端子回路规则库,提高构建效率。

【技术实现步骤摘要】

本申请属于电力系统,尤其涉及一种虚端子回路规则库构建方法及装置


技术介绍

1、在现代电网中,智能变电站是一个重要的组成部分,其二次设备的安全稳定运行对整个电网的可靠性和稳定性有着至关重要的作用。智能变电站中的scd(substationconfiguration description)文件描述了变电站内各设备的配置和连接关系,其中虚端子回路是保障二次设备、电网安全稳定运行的基础。因此需对scd文件中虚端子回路进行校核。

2、通常通过人工配置以构建规则库,然后使用规则库验证虚端子回路的正确性,但人工配置方式效率低下。


技术实现思路

1、本申请实施例提供了一种虚端子回路规则库构建方法、装置、电子设备、计算机可读存储介质及一种计算机程序产品,可以解决人工构建规则库效率低下的问题。

2、第一方面,本申请实施例提供了一种虚端子回路规则库构建方法,包括:

3、获取scd文件;

4、将scd文件输入至已训练的第一神经模型,获得所述已训练的第一神经模型输出的文本向量,所述文本向量中的各个嵌入向量用于表征所述scd文件的虚端子回路的知识信息;

5、将所述文本向量输入至已训练的第二神经模型,获得所述已训练的第二神经网络输出的目标标签序列,所述目标标签序列包括所述scd文件中各实体的注释结果;

6、根据所述目标标签序列,从所述scd文件中提取各实体信息和各实体间关系;

7、根据各所述实体信息和各所述实体间关系,生成所述scd文件的虚端子回路规则库;

8、其中,所述已训练的第一神经模型用于提取所述scd文件的文本特征;根据所述文本特征确定所述scd文件的文本向量,并输出所述文本向量;

9、所述已训练的第二神经模型用于针对各所述嵌入向量,根据所述嵌入向量的上下文信息,确定所述嵌入向量的标签信息;根据各所述嵌入向量的标签信息确定所述scd文件的目标标签序列,并输出所述目标标签序列。

10、第二方面,本申请实施例提供了一种虚端子回路规则构建装置,包括:

11、数据处理模块,用于获取scd文件;

12、还用于将scd文件输入至已训练的第一神经模型,获得所述已训练的第一神经模型输出的文本向量,所述文本向量中的各个嵌入向量用于表征所述scd文件的虚端子回路的知识信息;

13、还用于将所述文本向量输入至已训练的第二神经模型,获得所述已训练的第二神经网络输出的目标标签序列,所述目标标签序列包括所述scd文件中各实体的注释结果;

14、构建模块,用于根据所述目标标签序列,从所述scd文件中提取各实体信息和各实体间关系;

15、还用于根据各所述实体信息和各所述实体间关系,生成所述scd文件的虚端子回路规则库;

16、其中,所述已训练的第一神经模型用于提取所述scd文件的文本特征;根据所述文本特征确定所述scd文件的文本向量,并输出所述文本向量;

17、所述已训练的第二神经模型用于针对各所述嵌入向量,根据所述嵌入向量的上下文信息,确定所述嵌入向量的标签信息;根据各所述嵌入向量的标签信息确定所述scd文件的目标标签序列,并输出所述目标标签序列。

18、第三方面,本申请实施例提供了一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述第一方面中任一项所述的方法。

19、第四方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上述第一方面中任一项所述的方法。

20、第五方面,本申请实施例提供了一种计算机程序产品,当计算机程序产品在电子设备上运行时,使得电子设备执行上述第一方面中任一项所述的方法。

21、本申请实施例与现有技术相比存在的有益效果是:

22、本申请实施例通过将scd文件输入至已训练的第一神经模型,获得已训练的第一神经模型输出的文本向量,文本向量中的各个嵌入向量用于表征scd文件的虚端子回路的知识信息,其中,已训练的第一神经模型用于提取scd文件的文本特征;根据文本特征确定scd文件的文本向量,并输出文本向量,实现自动化获取scd文件中与虚端子回路相关的信息,为提取实体和关系提供基础;

23、将文本向量输入至已训练的第二神经模型,获得已训练的第二神经网络输出的目标标签序列,目标标签序列包括scd文件中各实体的注释结果,其中,已训练的第二神经模型用于针对各嵌入向量,根据嵌入向量的上下文信息,确定嵌入向量的标签信息;根据各嵌入向量的标签信息确定scd文件的目标标签序列,并输出目标标签序列,实现自动化提取csd文件中实体和关系;

24、根据目标标签序列,从scd文件中提取各实体信息和各实体间关系;根据各实体信息和各实体间关系,生成scd文件的虚端子回路规则库,实现自动化构建虚端子回路规则库,无需人工构建规则库,提高构建效率。

25、可以理解的是,上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述,在此不再赘述。

本文档来自技高网...

【技术保护点】

1.一种虚端子回路规则库构建方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,所述已训练的第一神经模型包括已训练的提取网络和多个依次连接已训练的Transformer网络;

3.根据权利要求2所述的方法,其特征在于:所述已训练的Transformer网络包括依次连接的多头注意力层、归一化层、全连接层、所述归一化层,所述多头注意力层的输出结果为Softmax为归一化函数,Q=An×ωQ,K=An×ωK,V=An×ωV,An为输入所述多头注意力层的数据,ω为权重,dk为向量维数,所述归一化层用于对输入所述归一化层的数据进行归一化处理,所述全连接层的输出结果为MMH(Q,K,V)=Concat(h1,h2,…hm)ωo,为m个头的权重矩阵,ωo为附加权重矩阵。

4.根据权利要求1所述的方法,其特征在于,所述已训练的第二神经模型包括已训练的BiGRU网络和已训练的CRF网络;

5.根据权利要求1所述的方法,其特征在于,所述根据各所述实体信息和各所述实体间关系,生成所述SCD文件的虚端子回路规则库,包括:

6.根据权利要求1至5任一项所述的方法,其特征在于,所述生成所述SCD文件的知识图谱之后,还包括:

7.根据权利要求6所述的方法,其特征在于,所述SCD文件包括所述虚端子回路的描述、类型、类别、功能标识、归属IED,所述描述为所述虚端子回路的文字解释,所述类型用于表征所述虚端子回路的功能类型,所述类别用于表征所述虚端子回路在场景中所属的类别,所述功能标识用于标识所述虚端子回路;所述归属IED用于表征所述虚端子所属的智能电子设备。

8.一种虚端子回路规则构建装置,其特征在于,包括:

9.一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的方法。

10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的方法。

...

【技术特征摘要】

1.一种虚端子回路规则库构建方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,所述已训练的第一神经模型包括已训练的提取网络和多个依次连接已训练的transformer网络;

3.根据权利要求2所述的方法,其特征在于:所述已训练的transformer网络包括依次连接的多头注意力层、归一化层、全连接层、所述归一化层,所述多头注意力层的输出结果为softmax为归一化函数,q=an×ωq,k=an×ωk,v=an×ωv,an为输入所述多头注意力层的数据,ω为权重,dk为向量维数,所述归一化层用于对输入所述归一化层的数据进行归一化处理,所述全连接层的输出结果为mmh(q,k,v)=concat(h1,h2,…hm)ωo,为m个头的权重矩阵,ωo为附加权重矩阵。

4.根据权利要求1所述的方法,其特征在于,所述已训练的第二神经模型包括已训练的bigru网络和已训练的crf网络;

5.根据权利要求1所述的方法,其特征在于,所述根据各所述实体信息和各所述实体间...

【专利技术属性】
技术研发人员:李进陈文栋郭辉俞伟国杨家孟维谢世春魏真峰张新柴保政赵浚君冯军张嘉聪何小雨
申请(专利权)人:长园深瑞继保自动化有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1