CN111985653A - 基于知识图谱的电网故障知识推荐与知识管理***及方法 - Google Patents
基于知识图谱的电网故障知识推荐与知识管理***及方法 Download PDFInfo
- Publication number
- CN111985653A CN111985653A CN202010586320.5A CN202010586320A CN111985653A CN 111985653 A CN111985653 A CN 111985653A CN 202010586320 A CN202010586320 A CN 202010586320A CN 111985653 A CN111985653 A CN 111985653A
- Authority
- CN
- China
- Prior art keywords
- fault
- entity
- knowledge
- searching
- power grid
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000007726 management method Methods 0.000 claims abstract description 48
- 238000013500 data storage Methods 0.000 claims abstract description 7
- 241000282376 Panthera tigris Species 0.000 claims description 21
- 238000005192 partition Methods 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 12
- 239000013598 vector Substances 0.000 claims description 9
- 101100481876 Danio rerio pbk gene Proteins 0.000 claims description 6
- 101100481878 Mus musculus Pbk gene Proteins 0.000 claims description 6
- 238000012545 processing Methods 0.000 abstract description 20
- 238000011084 recovery Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 12
- 230000003993 interaction Effects 0.000 description 10
- 238000012549 training Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 238000013507 mapping Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 3
- 230000002452 interceptive effect Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 239000002994 raw material Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9024—Graphs; Linked lists
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Databases & Information Systems (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Primary Health Care (AREA)
- Software Systems (AREA)
- Animal Behavior & Ethology (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于知识图谱的电网故障知识推荐与知识管理***及方法,***包括故障知识管理后台模块和前端故障知识管理界面模块,故障知识管理后台模块,用于从数据存储模块中查找输入实体的、故障匹配、故障相似推荐信息发送至前端故障知识管理界面模块;前端故障知识管理界面模块,用于将数据进行图谱结构化展示。本发明能够在满足电网调度业务实时性要求的前提下,为调度员在处理电网故障时提供辅助决策,丰富调度人员恢复决策手段,实现故障处理的工具化支撑,提升电网故障处理效率。
Description
技术领域
本发明属于电网故障处理技术领域,具体涉及一种基于知识图谱的电网故障知识推荐与知识管理***,还涉及一种基于知识图谱的电网故障知识推荐与知识管理方法。
背景技术
电网故障处理是调度日常工作的核心内容之一,是维系电网安全的重要保障。由于之前这些工作主要集中在电网故障问题的监测、分析和告警方面,对于电网发生故障之后或者检测中电网中存在运行薄弱点之后,调度员具体应如何处理明显支撑不足,体现在:(1)故障处理受限于调度员个人经验;(2)既有工具未按照业务流程组织,执行效率有待进一步提升;(3)电网故障处理需要直接的支撑工具;(4)故障处理关键信息分散,历史生产运行信息充分挖掘有效价值。
现阶段的电网调度本质上仍然是分析+经验型调度,仅仅是提高了末端的感知能力,中枢处理环节仍然依赖于调度员的个人经验和业务素养,故障处理的实际效果直接取决于调度员对电网运行特性的认识、对故障预案的熟悉、对调度规程的理解和灵活运用,***自身的智能化处理能力需要进一步提高。
发明内容
本发明的目的在于克服现有技术中的不足,提供了一种基于知识图谱的电网故障知识推荐与知识管理***及方法,解决了现有技术中调度***智能化水平不足的技术问题。
为解决上述技术问题,本发明提供了一种基于知识图谱的电网故障知识推荐与知识管理***,包括故障知识管理后台模块和前端故障知识管理界面模块,其中:
故障知识管理后台模块,用于在电网故障知识数据中查找输入实体的信息、查找输入故障的故障预案信息、查找输入故障的相似故障信息;
前端故障知识管理界面模块,用于将输入的实体信息、所述故障预案信息以及相似故障信息进行图谱结构化展示。
进一步的,还包括:
数据存储模块,用于存储电网故障知识数据,其中所述数据存储模块包括关系型数据库管理***MySQL、分布式文档存储数据库MongoDB以及图数据库TigerGraph。
进一步的,所述图数据库TigerGraph,用于存储电网拓扑结构、变电站设备和预案关系,分布式文档存储数据库MongoDB用于存储预案文本类非结构化数据,关系型数据库MySQL存储半结构性数据。
进一步的,故障知识管理后台模块中,所述在电网故障知识数据中查找输入实体的信息,包括以下过程:
对输入实体在图数据库TigerGraph查找对应实体,若查找到则返回实体节点临近的节点、连接关系和实体节点的属性;
若输入实体在图数据库中TigerGraph查找不到,则获得图数据库实体名称列表,对实体与实体名称列表语义匹配,若相似度大于所设的阈值,则返回实体临近的节点、连接关系和实体属性,若相似度小于等于所设阈值则提示未找到相应实体。
进一步的,故障知识管理后台模块中,所述在电网故障知识数据中查找输入故障的故障预案信息,包括以下过程:
通过命名实体识别输入故障中的设备、属性、事件,在图数据库中查找到相应的设备、属性、事件,若查询不到则使用相似度匹配相似的;
然后在图数据库中使用邻居节点查找与设备、属性、事件有关的故障知识文本类顶点id;接着根据故障知识id到MySQL和MongoDB中取出故障预案信息。
进一步的,故障知识管理后台模块中,所述在电网故障知识数据中查找输入故障的相似故障,包括以下过程:
根据图数据库中目标厂站的实体节点属性查找厂站的分区,并根据分区实体节点查找相同分区的厂站;
根据图数据库中目标厂站的实体节点属性查找厂站的电压等级,并根据电压等级的实体节点查找相同电压等级的厂站;
相同分区的厂站和相同电压等级的厂站取交集;
计算得目标厂站和第三步得到的厂站的特征向量;
分别计算目标厂站与第三步得到的厂站的拓扑相似度,取前topK个返回。
相应的,本发明还提供了一种基于知识图谱的电网故障知识推荐与知识管理方法,包括以下过程:
在电网故障知识数据中查找输入实体的信息、查找输入故障的故障预案信息、查找输入故障的相似故障信息;
将输入的实体信息、所述故障预案信息以及相似故障信息进行图谱结构化展示。
进一步的,所述在电网故障知识数据中查找输入实体的信息,包括以下过程:
对输入实体在图数据库TigerGraph查找对应实体,若查找到则返回实体节点临近的节点、连接关系和实体节点的属性;
若输入实体在图数据库中TigerGraph查找不到,则获得图数据库实体名称列表,对实体与实体名称列表语义匹配,若相似度大于所设的阈值,则返回实体临近的节点、连接关系和实体属性,若相似度小于等于所设阈值则提示未找到相应实体。
进一步的,所述在电网故障知识数据中查找输入故障的故障预案信息,包括以下过程:
通过命名实体识别输入故障中的设备、属性、事件,在图数据库中查找到相应的设备、属性、事件,若查询不到则使用相似度匹配相似的;
然后在图数据库中使用邻居节点查找与设备、属性、事件有关的故障知识文本类顶点id;接着根据故障知识id到MySQL和MongoDB中取出故障预案信息。
进一步的,所述在电网故障知识数据中查找输入故障的相似故障,包括以下过程:
根据图数据库中目标厂站的实体节点属性查找厂站的分区,并根据分区实体节点查找相同分区的厂站;
根据图数据库中目标厂站的实体节点属性查找厂站的电压等级,并根据电压等级的实体节点查找相同电压等级的厂站;
相同分区的厂站和相同电压等级的厂站取交集;
计算得目标厂站和第三步得到的厂站的特征向量;
分别计算目标厂站与第三步得到的厂站的拓扑相似度,取前topK个返回。
与现有技术相比,本发明所达到的有益效果是:本发明能够在满足电网调度业务实时性要求的前提下,未调度员在处理电网故障时提供辅助决策,丰富调度人员恢复决策手段,实现故障处理的工具化支撑,提升电网故障处理效率。
附图说明
图1为本发明实施实例提供的基于知识图谱的电网故障处理的***逻辑架构图;
图2为本发明实施实例提供的实体识别技术实现整体思路图;
图3为本发明实施实例提供的实体等价映射流程图;
图4为本发明实施实例提供的自动化更新维护整体思路;
图5为本发明实施实例提供的基于知识图谱的实体查询技术图;
图6为本发明实施实例提供的故障知识检索和查询技术路线图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
本发明的一种基于知识图谱的电网故障知识推荐与知识管理***,***架构如图1所示,所述***包括三个主要模块:数据存储模块、故障知识管理后台和故障知识管理界面,下面分别对三个模块进行详细描述:
1)数据存储模块
数据存储模块由关系型数据库管理***MySQL、分布式文档存储数据库MongoDB以及图数据库TigerGraph构成。
其中图数据库使用的是原生图存储TigerGraph,实现海量知识数据的存储,主要存储电网拓扑结构、变电站设备和预案关系等等。TigerGraph图设计分为主图和子图部分,主图由电网拓扑结构及其CIM/E数据构成,主图实时更新电网***内变电站及其设备状态,以便于电网拓扑结构的动态变化。
预案等文本类非结构化数据存入分布式文档存储数据库MongoDB中。MongoDB提供文本的快速存储与提取,预案解析成半结构化数据,每条记录生成唯一的标识(uuid)在TigerGraph中建立文本类节点存储,其中预案内关键信息例如厂站、设备、线路和事故事件都提取出来,该节点与TigerGraph内对应厂站、设备、线路和事故事件建立关系。
关系型数据库MySQL存储半结构性数据例如历史故障日志,调度操作票数据等,针对日志等文档的每条记录生成唯一的标识(uuid)在TigerGraph中建立记录类节点存储,其中文档内关键信息例如厂站、设备、线路和事故事件都提取出来,该节点与TigerGraph内对应厂站、设备、线路和事故事件建立关系。
2)故障知识管理后台
知识管理后台由数据库交互接口、前后端交互接口和故障知识处理模块构成。
2.1)数据库交互接口
数据库交互接口与数据存储模块通讯,负责对数据库进行故障知识数据的增删改查等操作。根据图数据库TigerGraph、关系型数据库MySQL和非关系型数据库MongoDB都设定不同的接口,其中MongoDB需要将取出的数据再做处理。数据库类型的不同数据交互接口也不相同,使用python语言作为数据交互接口的通用语言。
2.2)前后端交互接口
前后端交互接口实现前端故障知识管理界面和后端故障知识管理后台通讯,通讯框架使用Restful框架。
2.3)故障知识处理模块
故障知识处理模块负责对前端发出的命令进行操作,实现命名实体识别、实体等价映射、故障匹配、相似故障推荐和实体查询等功能,并提供图谱结构化展示和图谱友好交互界面。
2.3.1)命名实体识别
使用RoBERTa_base-BiLSTM-CRF结构的NER模型用于命名实体识别,识别语句中的设备、事件和属性。
命名实体识别实现的整体思路如图2所示,包括以下过程:
第一步:将半结构化文档和非结构化文本类数据提取整理成生料(原始语料);
第二步:对第一步的生料进行数据预处理,生成训练语料;
第三步:利用第二步生成的训练语料训练语言模型和NER模型(命名实体识别);
第四步:最终将语言模型用于相似度计算,NER模型用于实体识别。
生料(原始语料)是由电网故障时的运行监测数据、继电保护装置动作状态信息、故障应急预案、历史故障处理信息等数据中抽取的自然语言文本,需要对原始语料进行切割、标注等预处理才能转换为提供模型训练的训练语料。
基于适用于电力语料理解的实体识别语言模型RoBERTa_base_e,对命名实体识别模型RoBERTa_base-BiLSTM-CRF进行训练。利用已标注过D(设备)、E(事件)、属性(A)、O(无实义)的大量训练语料,将训练预料按照8:1:1划分成训练集、验证集、测试集。训练时固定RoBERTa_base_e模型的参数,调整BiLSTM-CRF部分的参数。最终训练出可以识别D(设备)、E(事件)、属性(A)等三大类实体的命名实体识别模型。
2.3.2)实体等价映射
电网中设备类实体主要包括以下几类:厂站、线路、主变、母线、开关、杆、塔、断路器、电气间隔。其中可以发现:母线、主变、电气间隔与厂站相关联,母线、主变、间隔名称中包含厂站名字与信息,例如:玉山变220kVI、III段母线,常熟变#1、#2、#3主变,华东.惠泉/500kV.5279间隔。母线是厂站中连接主变的线路,所以对于母线、主变等实体,需要从图数据库中映射到厂站,先识别厂站再根据图数据库映射到具体的母线、主变。同理,开关、杆、塔、断路器以及刀闸等设备与线路相关联,他们所属一条对应的线路,并且在设备名称中包含所属线路的信息,例如江陵5292线#117-132杆就属于江陵5292线。
为了保证识别率及识别效果,针对已有核心信息设备(D),使用命名实体识别技术重新训练三类实体:母线、主变和设备。对于归属线路或者厂站的电力设备,线路、厂站和设备分开打标签。例如“常熟变#1、#2、#3主变”,“常熟变”标记为厂站,“#1、#2、#3主变”标记为设备。实体识别时,对于电力设备则会识别成厂站+设备或者线路+设备,若在语句或短语中只识别到设备,则无法确定设备。
如图3所示,推断步骤为:
第一步:对于输入的语句或者短语进行命名实体识别,识别为D(设备)、E(事件)、属性(A)3类;
第二步:若第一步未能识别实体,则直接退出;
第三步:若识别为线路或者厂站,则直接映射到图数据库中的线路厂站;
第四步:若识别为线路+设备或者厂站+设备,则首先映射到所属厂站/线路,再根据设备中的关键信息例如所含标识数字信息“#1”和类别信息例如“开关”、“间隔”、“母线”等,利用图数据库中的临边节点查找到对应的设备。
厂站、线路在CIM/E数据中有带路径的名称、不带路径的名称或者简称。电网故障处理知识(例如预案)中厂站、线路多用简称或不带路径的名称。例如华东.谏壁厂简称为“谏厂”,但在电网故障知识元素中也会出现“谏壁厂”,或者省略“厂”字“华东.谏壁”的情况。为此,采用为厂站和线路节点添加别名节点的方式。
故障预案中线路会出现双线、三线的情况,例如谏新2552/2923双线,谏湾2554/2555/2559三线,其特点为,线路连接都为从同一个初始厂站和终点厂站。于是可以连接为组合节点。如图5所示,在图数据库查找厂站、线路和设备时,首先可在图数据库中查找别名,接着根据别名查找到厂站或线路的实体。
2.3.3)电网故障处理知识的自动化更新维护
图4示出了电网故障处理知识的自动化更新维护整体思路,对于新增的文本文档使用实体等价映射技术链接至图数据库,具体包括:
第一步:提取存于MySQL/MongoDB的半结构化数据/非结构化数据的语句,生成唯一标识(uuid),将记录存入图数据库;
第二步:基于训练好的命名实体识别模型,识别第一步提取语句中的厂站、线路和设备;
第三步,使用实体等价映射技术将第一步得到的厂站、线路和设备映射到图数据库中的相应的厂站、线路、设备节点;
第四步:第三步所述的厂站、线路、设备节点与新的故障记录节点建立关系连接。
2.3.4)实体查询
图5示出了基于知识图谱的电网知识实体查询流程,该查询方法包括:
对输入实体在图数据库TigerGraph根据图数据库中顶点的id查找对应实体,若查找到则返回实体节点临近的节点、连接关系和实体节点的属性至前端展示。
若输入实体在图数据库中TigerGraph查找不到,则获得图数据库实体名称列表,对实体与实体名称列表语义匹配,若相似度大于所设的阈值,则返回实体临近的节点、连接关系和实体属性至前端,若相似度小于等于所设阈值则提示未找到相应实体。
2.3.5)故障匹配
图6示出了基于知识图谱的电网故障知识推荐路线,该推荐方法包括:前台输入故障传至后台,通过命名实体识别语句中的设备、属性、事件,在图数据库中查找到相应的设备、属性、事件,若查询不到则使用相似度匹配相似的,若匹配不到则返回为空。然后在图数据库中使用邻居节点查找与设备、属性、事件有关的故障知识文本类顶点id;接着根据故障知识id到MySQL和MongoDB中取出故障预案信息,对于多个故障预案,故障预案信息与搜索故障完成语义匹配,选择Top K个故障预案返回故障预案解决方案返回至前台。
2.3.6)故障相似推荐
相似故障的推荐主要推荐有相似厂站且相同事件、属性的故障,根据目标厂站使用故障匹配的方式推荐出相似故障。相似厂站的评判标准为:1.同等分区厂站;2.相似厂站是同样的电压等级;3.相似厂站的电网拓扑相似度更高。
计算厂站的电网拓扑相似度实质根据目标厂站相连的更高电压等级厂站个数和同等电压等级的厂站个数作为特征向量,计算两个厂站的相似度即为计算两个厂站特征向量的余弦相似度,对于a,b两个厂站,特征向量为:
Suba=(a.higher_vol,a.equal_vol)
Subb=(b.higher_vol,b.equal_vol)
式中higher_vol和equal_vol分别代表目标厂站附近更高电压等级的厂站个数和同等电压等级的厂站个数,其相似度计算公式为:
查找相似厂站的流程为:
第一步:根据图数据库中目标厂站的实体节点属性查找厂站的分区,并根据分区实体节点查找相同分区的厂站;
第二步:根据图数据库中目标厂站的实体节点属性查找厂站的电压等级,并根据电压等级的实体节点查找相同电压等级的厂站;
第三步:相同分区的厂站和相同电压等级的厂站取交集;
第四步:计算得目标厂站和第三步得到的厂站的特征向量;
第五步:分别计算目标厂站与第三步得到的厂站的拓扑相似度,取前topK个返回。
3)前端故障知识管理界面
前端故障知识管理界面供调度员使用,提供实体识别、故障查找、故障匹配、最短路径查询、相似推荐、故障解决方案展示等功能由后台实现。并提供图谱结构化展示和图谱友好交互界面。
本发明实现电网拓扑结构、电网运行数据、故障处理预案等关键数据的知识融合、数据交互,实现与调度人员的友好互动,实现故障处理知识的提示与引导、故障处理的辅助决策建议与决策分析过程,丰富事故判断与事后恢复决策手段,避免人为误操作事故的发生,有效缩短电网事故处理时间,提升调度人员对电网事故的处理能力,控制电网事故的发生与延伸。
实施例
相应的,本发明还提供了一种基于知识图谱的电网故障知识推荐与知识管理方法,包括以下过程:
在电网故障知识数据中查找输入实体的信息、查找输入故障的故障预案信息、查找输入故障的相似故障信息;
将输入的实体信息、所述故障预案信息以及相似故障信息进行图谱结构化展示。
进一步的,所述在电网故障知识数据中查找输入实体的信息,包括以下过程:
对输入实体在图数据库TigerGraph查找对应实体,若查找到则返回实体节点临近的节点、连接关系和实体节点的属性;
若输入实体在图数据库中TigerGraph查找不到,则获得图数据库实体名称列表,对实体与实体名称列表语义匹配,若相似度大于所设的阈值,则返回实体临近的节点、连接关系和实体属性,若相似度小于等于所设阈值则提示未找到相应实体。
进一步的,所述在电网故障知识数据中查找输入故障的故障预案信息,包括以下过程:
通过命名实体识别输入故障中的设备、属性、事件,在图数据库中查找到相应的设备、属性、事件,若查询不到则使用相似度匹配相似的;
然后在图数据库中使用邻居节点查找与设备、属性、事件有关的故障知识文本类顶点id;接着根据故障知识id到MySQL和MongoDB中取出故障预案信息。
进一步的,所述在电网故障知识数据中查找输入故障的相似故障,包括以下过程:
根据图数据库中目标厂站的实体节点属性查找厂站的分区,并根据分区实体节点查找相同分区的厂站;
根据图数据库中目标厂站的实体节点属性查找厂站的电压等级,并根据电压等级的实体节点查找相同电压等级的厂站;
相同分区的厂站和相同电压等级的厂站取交集;
计算得目标厂站和第三步得到的厂站的特征向量;
分别计算目标厂站与第三步得到的厂站的拓扑相似度,取前topK个返回。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变型,这些改进和变型也应视为本发明的保护范围。
Claims (10)
1.一种基于知识图谱的电网故障知识推荐与知识管理***,其特征是,包括故障知识管理后台模块和前端故障知识管理界面模块,其中:
故障知识管理后台模块,用于在电网故障知识数据中查找输入实体的信息、查找输入故障的故障预案信息、查找输入故障的相似故障信息;
前端故障知识管理界面模块,用于将输入的实体信息、所述故障预案信息以及相似故障信息进行图谱结构化展示。
2.根据权利要求1所述的一种基于知识图谱的电网故障知识推荐与知识管理***,其特征是,还包括:
数据存储模块,用于存储电网故障知识数据,其中所述数据存储模块包括关系型数据库管理***MySQL、分布式文档存储数据库MongoDB以及图数据库TigerGraph。
3.根据权利要求2所述的一种基于知识图谱的电网故障知识推荐与知识管理***,其特征是,所述图数据库TigerGraph,用于存储电网拓扑结构、变电站设备和预案关系,分布式文档存储数据库MongoDB用于存储预案文本类非结构化数据,关系型数据库MySQL存储半结构性数据。
4.根据权利要求3所述的一种基于知识图谱的电网故障知识推荐与知识管理***,其特征是,故障知识管理后台模块中,所述在电网故障知识数据中查找输入实体的信息,包括以下过程:
对输入实体在图数据库TigerGraph查找对应实体,若查找到则返回实体节点临近的节点、连接关系和实体节点的属性;
若输入实体在图数据库中TigerGraph查找不到,则获得图数据库实体名称列表,对实体与实体名称列表语义匹配,若相似度大于所设的阈值,则返回实体临近的节点、连接关系和实体属性,若相似度小于等于所设阈值则提示未找到相应实体。
5.根据权利要求3所述的一种基于知识图谱的电网故障知识推荐与知识管理***,其特征是,故障知识管理后台模块中,所述在电网故障知识数据中查找输入故障的故障预案信息,包括以下过程:
通过命名实体识别输入故障中的设备、属性和事件,在图数据库中查找到相应的设备、属性、事件,若查询不到则使用相似度匹配相似的;
然后在图数据库中使用邻居节点查找与设备、属性、事件有关的故障知识文本类顶点id;接着根据故障知识id到MySQL和MongoDB中取出故障预案信息。
6.根据权利要求3所述的一种基于知识图谱的电网故障知识推荐与知识管理***,其特征是,故障知识管理后台模块中,所述在电网故障知识数据中查找输入故障的相似故障,包括以下过程:
根据图数据库中目标厂站的实体节点属性查找厂站的分区,并根据分区实体节点查找相同分区的厂站;
根据图数据库中目标厂站的实体节点属性查找厂站的电压等级,并根据电压等级的实体节点查找相同电压等级的厂站;
相同分区的厂站和相同电压等级的厂站取交集;
计算得目标厂站和第三步得到的厂站的特征向量;
分别计算目标厂站与第三步得到的厂站的拓扑相似度,取前topK个返回。
7.一种基于知识图谱的电网故障知识推荐与知识管理方法,其特征是,包括以下过程:
在电网故障知识数据中查找输入实体的信息、查找输入故障的故障预案信息、查找输入故障的相似故障信息;
将输入的实体信息、所述故障预案信息以及相似故障信息进行图谱结构化展示。
8.根据权利要求7所述的一种基于知识图谱的电网故障知识推荐与知识管理方法,其特征是,所述在电网故障知识数据中查找输入实体的信息,包括以下过程:
对输入实体在图数据库TigerGraph查找对应实体,若查找到则返回实体节点临近的节点、连接关系和实体节点的属性;
若输入实体在图数据库中TigerGraph查找不到,则获得图数据库实体名称列表,对实体与实体名称列表语义匹配,若相似度大于所设的阈值,则返回实体临近的节点、连接关系和实体属性,若相似度小于等于所设阈值则提示未找到相应实体。
9.根据权利要求7所述的一种基于知识图谱的电网故障知识推荐与知识管理方法,其特征是,所述在电网故障知识数据中查找输入故障的故障预案信息,包括以下过程:
通过命名实体识别输入故障中的设备、属性、事件,在图数据库中查找到相应的设备、属性、事件,若查询不到则使用相似度匹配相似的;
然后在图数据库中使用邻居节点查找与设备、属性、事件有关的故障知识文本类顶点id;接着根据故障知识id到MySQL和MongoDB中取出故障预案信息。
10.根据权利要求7所述的一种基于知识图谱的电网故障知识推荐与知识管理方法,其特征是,所述在电网故障知识数据中查找输入故障的相似故障,包括以下过程:
根据图数据库中目标厂站的实体节点属性查找厂站的分区,并根据分区实体节点查找相同分区的厂站;
根据图数据库中目标厂站的实体节点属性查找厂站的电压等级,并根据电压等级的实体节点查找相同电压等级的厂站;
相同分区的厂站和相同电压等级的厂站取交集;
计算得目标厂站和第三步得到的厂站的特征向量;
分别计算目标厂站与第三步得到的厂站的拓扑相似度,取前topK个返回。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010586320.5A CN111985653B (zh) | 2020-06-24 | 2020-06-24 | 基于知识图谱的电网故障知识推荐与知识管理***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010586320.5A CN111985653B (zh) | 2020-06-24 | 2020-06-24 | 基于知识图谱的电网故障知识推荐与知识管理***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111985653A true CN111985653A (zh) | 2020-11-24 |
CN111985653B CN111985653B (zh) | 2022-08-26 |
Family
ID=73441933
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010586320.5A Active CN111985653B (zh) | 2020-06-24 | 2020-06-24 | 基于知识图谱的电网故障知识推荐与知识管理***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111985653B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112418736A (zh) * | 2020-12-15 | 2021-02-26 | 深圳供电局有限公司 | 一种基于图数据库的电网调度方法及*** |
CN113300340A (zh) * | 2021-06-01 | 2021-08-24 | 合肥工业大学 | 一种电网新设备继电保护启动方案的自动编制方法 |
CN113360641A (zh) * | 2021-05-07 | 2021-09-07 | 内蒙古电力(集团)有限责任公司乌兰察布电业局 | 一种基于深度学习的电网故障处置预案语义建模***及方法 |
CN113469583A (zh) * | 2021-09-02 | 2021-10-01 | 中国电力科学研究院有限公司 | 电网事故预案推荐方法、***、设备及存储介质 |
CN113901227A (zh) * | 2021-08-27 | 2022-01-07 | 广西电网有限责任公司南宁供电局 | 一种基于知识图谱的电网设备的关系分析方法及*** |
CN114004502A (zh) * | 2021-11-02 | 2022-02-01 | 浙江创邻科技有限公司 | 一种基于图模型的电力调度方法及*** |
CN114266364A (zh) * | 2021-11-24 | 2022-04-01 | 国网北京市电力公司 | 电网故障的处理方法及其装置、计算机可读存储介质 |
CN114925190A (zh) * | 2022-05-30 | 2022-08-19 | 南瑞集团有限公司 | 一种基于规则推理与gru神经网络推理的混合推理方法 |
CN115953146A (zh) * | 2022-12-07 | 2023-04-11 | 国家电网有限公司 | 一种配电网故障处理辅助决策*** |
CN117009548A (zh) * | 2023-08-02 | 2023-11-07 | 广东立升科技有限公司 | 基于保密装备维护知识图谱监管*** |
CN117590149A (zh) * | 2023-11-14 | 2024-02-23 | 南方电网调峰调频发电有限公司检修试验分公司 | 基于大数据技术的故障解决方案生成方法、装置和设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110008288A (zh) * | 2019-02-19 | 2019-07-12 | 武汉烽火技术服务有限公司 | 用于网络故障分析的知识图谱库的构建方法及其应用 |
CN110929149A (zh) * | 2019-11-12 | 2020-03-27 | 广东工业大学 | 一种工业设备故障维修推荐方法和*** |
-
2020
- 2020-06-24 CN CN202010586320.5A patent/CN111985653B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110008288A (zh) * | 2019-02-19 | 2019-07-12 | 武汉烽火技术服务有限公司 | 用于网络故障分析的知识图谱库的构建方法及其应用 |
CN110929149A (zh) * | 2019-11-12 | 2020-03-27 | 广东工业大学 | 一种工业设备故障维修推荐方法和*** |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112418736A (zh) * | 2020-12-15 | 2021-02-26 | 深圳供电局有限公司 | 一种基于图数据库的电网调度方法及*** |
CN113360641A (zh) * | 2021-05-07 | 2021-09-07 | 内蒙古电力(集团)有限责任公司乌兰察布电业局 | 一种基于深度学习的电网故障处置预案语义建模***及方法 |
CN113300340B (zh) * | 2021-06-01 | 2023-03-17 | 合肥工业大学 | 一种电网新设备继电保护启动方案的自动编制方法 |
CN113300340A (zh) * | 2021-06-01 | 2021-08-24 | 合肥工业大学 | 一种电网新设备继电保护启动方案的自动编制方法 |
CN113901227A (zh) * | 2021-08-27 | 2022-01-07 | 广西电网有限责任公司南宁供电局 | 一种基于知识图谱的电网设备的关系分析方法及*** |
CN113469583A (zh) * | 2021-09-02 | 2021-10-01 | 中国电力科学研究院有限公司 | 电网事故预案推荐方法、***、设备及存储介质 |
CN114004502A (zh) * | 2021-11-02 | 2022-02-01 | 浙江创邻科技有限公司 | 一种基于图模型的电力调度方法及*** |
CN114266364A (zh) * | 2021-11-24 | 2022-04-01 | 国网北京市电力公司 | 电网故障的处理方法及其装置、计算机可读存储介质 |
CN114925190A (zh) * | 2022-05-30 | 2022-08-19 | 南瑞集团有限公司 | 一种基于规则推理与gru神经网络推理的混合推理方法 |
CN114925190B (zh) * | 2022-05-30 | 2023-08-04 | 南瑞集团有限公司 | 一种基于规则推理与gru神经网络推理的混合推理方法 |
CN115953146A (zh) * | 2022-12-07 | 2023-04-11 | 国家电网有限公司 | 一种配电网故障处理辅助决策*** |
CN115953146B (zh) * | 2022-12-07 | 2024-02-13 | 国家电网有限公司 | 一种配电网故障处理辅助决策*** |
CN117009548A (zh) * | 2023-08-02 | 2023-11-07 | 广东立升科技有限公司 | 基于保密装备维护知识图谱监管*** |
CN117009548B (zh) * | 2023-08-02 | 2023-12-26 | 广东立升科技有限公司 | 基于保密装备维护知识图谱监管*** |
CN117590149A (zh) * | 2023-11-14 | 2024-02-23 | 南方电网调峰调频发电有限公司检修试验分公司 | 基于大数据技术的故障解决方案生成方法、装置和设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111985653B (zh) | 2022-08-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111985653B (zh) | 基于知识图谱的电网故障知识推荐与知识管理***及方法 | |
CN111860882B (zh) | 一种电网调度故障处理知识图谱的构建方法及装置 | |
CN113553420B (zh) | 基于知识图谱的电网故障处理规程推荐方法和*** | |
CN112905804B (zh) | 一种电网调度知识图谱的动态更新方法及装置 | |
CN108549650B (zh) | 一种智能变电站防误闭锁逻辑规则源端配置方法及*** | |
CN112527997B (zh) | 一种基于电网领域调度场景知识图谱的智能问答方法及*** | |
CN101930481B (zh) | 生成描述指定时间段内电网变化的cim模型的方法和*** | |
CN110674282B (zh) | 基于专家知识规则库的一键顺控操作票智能拟制方法 | |
CN110888973B (zh) | 一种监控信息表自动结构化梳理的方法 | |
CN115357726A (zh) | 基于知识图谱的故障处置预案数字化模型建立方法 | |
CN111832977A (zh) | 一种基于自然语言解析的检修申请自动成票方法 | |
CN113205186A (zh) | 一种二次设备巡检知识图谱架构及二次设备智能巡检方法 | |
CN116094174A (zh) | 基于知识图谱的电网运维监控方法、***、设备及介质 | |
CN110378585A (zh) | 电网故障处置计算任务编排调用方法、***及存储介质 | |
CN113095524A (zh) | 电力设备检修工作单据智能生成方法、***及存储介质 | |
CN115170344A (zh) | 调控***运行事件智能处理方法及装置、介质及设备 | |
CN117273133A (zh) | 配电网多源异构数据知识图谱的构建方法 | |
CN112000708A (zh) | 一种基于调控配用数据融合的异常数据处理方法及*** | |
CN116974799A (zh) | 一种基于知识图谱的照明***的故障诊断方法及*** | |
Shan et al. | Research on deep learning based dispatching fault disposal robot technology | |
CN116522643A (zh) | 一种电网运行模拟方案库自动构建方法及*** | |
CN115099232A (zh) | 一种调度规程和历史数据的电网操作知识模型构建方法 | |
CN115937881A (zh) | 一种知识图谱构建标准表格内容自动识别方法 | |
Si et al. | Research on comprehensive evaluation of distribution network based on Knowledge Graphs | |
CN115705364A (zh) | 一种基于设备运行特征的电网监控知识图谱构建方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |