CN116467461A - 应用于配电网的数据处理方法、装置、设备及介质 - Google Patents

应用于配电网的数据处理方法、装置、设备及介质 Download PDF

Info

Publication number
CN116467461A
CN116467461A CN202310256432.8A CN202310256432A CN116467461A CN 116467461 A CN116467461 A CN 116467461A CN 202310256432 A CN202310256432 A CN 202310256432A CN 116467461 A CN116467461 A CN 116467461A
Authority
CN
China
Prior art keywords
data
preset
target
processed
processing
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.)
Pending
Application number
CN202310256432.8A
Other languages
English (en)
Inventor
黄裕春
张晏玉
雷才嘉
佟佳俊
贾巍
童家鹏
范杏元
黄文�
钏星
李水天
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Power Supply Bureau of Guangdong Power Grid Co Ltd
Original Assignee
Guangzhou Power Supply Bureau of Guangdong Power Grid Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou Power Supply Bureau of Guangdong Power Grid Co Ltd filed Critical Guangzhou Power Supply Bureau of Guangdong Power Grid Co Ltd
Priority to CN202310256432.8A priority Critical patent/CN116467461A/zh
Publication of CN116467461A publication Critical patent/CN116467461A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • 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)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种应用于配电网的数据处理方法、装置、设备及介质，其中，该方法包括：接入目标数据源，并根据预设提取规则从目标数据源中提取待处理数据；根据预设数据处理方法对待处理数据进行处理，得到待应用数据；基于预设提取模型对待应用数据进行处理，确定目标数据；基于目标数据构建电力知识图谱，并将电力知识图谱存储到目标数据库中。基于上述技术方案，实现了根据配电网的数据信息确定需要的目标数据，并基于目标数据构建电力知识图谱，进而达到了提高电力知识图谱的正确性和构建效率的技术效果。

Description

应用于配电网的数据处理方法、装置、设备及介质
技术领域
本发明涉及电力技术领域，尤其涉及一种应用于配电网的数据处理方法、装置、设备及介质。
背景技术
随着供电技术的快速发展，智能电网在日常的建设和运行中，积累了海量的信息，工作人员可以根据需求从存储的信息中进行查询，进而可以保证供电网的正常运转。
但是，由于现有的供电网数据的存储方法是简单的将数据存储在供电***中，导致了数据利用率低、管理效率低、检索难度高等问题。并且，由于大部分信息是以自然语言的形式进行描述，而且每个工作人员的文字表达习惯各不相同，增加了计算机对信息的理解难度。
发明内容
本发明提供一种应用于配电网的数据处理方法、装置、设备及介质，实现了根据配电网的数据信息确定需要的目标数据，并基于目标数据构建电力知识图谱，进而达到了提高电力知识图谱的正确性和构建效率的技术效果。
第一方面，本发明实施例提供了一种应用于配电网的数据处理方法，包括：
接入目标数据源，并根据预设提取规则从所述目标数据源中提取待处理数据；
根据预设数据处理方法对所述待处理数据进行处理，得到待应用数据；
基于预设提取模型对所述待应用数据进行处理，确定目标数据；
基于所述目标数据构建电力知识图谱，并将所述电力知识图谱存储到目标数据库中。
第二方面，本发明实施例还提供了一种应用于配电网的数据处理装置，该装置包括：
待处理数据获取模块，用于接入目标数据源，并根据预设提取规则从所述目标数据源中提取待处理数据；
待应用数据确定模块，用于根据预设数据处理方法对所述待处理数据进行处理，得到待应用数据；
目标数据确定模块，用于基于预设提取模型对所述待应用数据进行处理，确定目标数据；
图谱构建模块，用于基于所述目标数据构建电力知识图谱，并将所述电力知识图谱存储到目标数据库中。
第三方面，本发明实施例还提供了一种电子设备，所述设备包括：
一个或多个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够实现如本发明实施例任一所述的应用于配电网的数据处理方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例任一所述的应用于配电网的数据处理方法。
本发明实施例的技术方案，通过接入目标数据源，并根据预设提取规则从所述目标数据源中提取待处理数据，并且根据预设数据处理方法对所述待处理数据进行处理，得到待应用数据，进而基于预设提取模型对所述待应用数据进行处理，确定目标数据，最终基于所述目标数据构建电力知识图谱，并将所述电力知识图谱存储到目标数据库中。基于上述技术方案，实现了根据配电网的数据信息确定需要的目标数据，并基于目标数据构建电力知识图谱，进而达到了提高电力知识图谱的正确性和构建效率的技术效果。
应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更加清楚地说明本发明实施例中的技术方案，下面对描述实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种应用于配电网的数据处理方法的流程示意图；
图2是本发明实施例提供的改进CBOW模型示意图；
图3是本发明实施例提供的BERT-BiGRU-Attention-CRF模型结构示意图图；
图4是本发明实施例提供的BERT模型的输入表示示意图；
图5是本发明实施例提供的一种应用于配电网的数据处理方法的流程图；
图6是本发明实施例提供的一种应用于配电网的数据处理装置的结构框图；
图7是本发明实施例提供的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例提供的一种应用于配电网的数据处理方法的流程示意图，本实施例可适用于根据目标数据源中的待处理数据确定待应用数据，进而基于待应用数据确定目标数据，以基于目标数据构建电力知识图谱的情况，该方法可以由应用于配电网的数据处理装置来执行，该应用于配电网的数据处理装置可以采用硬件/或软件的形式实现，该装置可配置于电子设备中，该电子设备可以是PC端或服务端等。
如图1所示，该方法包括：
S110、接入目标数据源，并根据预设提取规则从所述目标数据源中提取待处理数据。
其中，目标数据源可以理解用户选择的数据库，例如可以是MySQL数据库等。预设提取规则可以是预先设置的用于从数据库提取数据的规则。待处理数据可以理解为从目标数据源中获取的数据。
具体的，接入用户选择的目标数据源，并根据预设提取规则从目标数据源中提取待处理数据，例如可以是用户从多个待选择数据源中进行选择，确定需要接入的目标数据源，进而基于预设提取规则从目标数据源中进行匹配，得到与预设提取规则相匹配的待处理数据，例如可以是预先设置多个关键词，进而基于关键词在目标数据源中进行匹配，将匹配成功的数据作为待处理数据。
在上述技术方案的基础上，所述根据预设提取规则从所述目标数据源中提取待处理数据，包括：从所述目标数据源中提取源文本数据；基于所述根据预设提取规则对所述源文本数据进行过滤，得到与所述预设提取规则相匹配的待处理数据。
其中，源文本数据可以理解为目标数据源中存储的文本数据。源文本数据包括运行文本数据、调度文本数据、规划文本数据、操作手册文本数据中的至少一个。运行文本数据可以理解为配电网在运行的过程中产生的文本数据。调度文本数据可以是配电网在进行调度时产生的文本数据。规划文本数据可以是在规划配电网时产生的文本数据。操作手册文本数据可以理解为与配电网中的配电设备相对应的操作手册数据。
具体的，从目标数据源中提取源文本数据，进而基于预设提取规则对源文本数据进行过滤，得到与预设提取规则相匹配的待处理数据，例如可以是通过获取电力源网荷文本数据，可以是电网运行过程中产生的运行文本、调度文本、相关规划文本、操作手册等文本数据，再根据预设的关键词对源文本数据进行过滤，得到待处理数据。例如可以根据提前设置的关键词如“输电/线路/的/导线/截面/和/***型式/应/满足/电晕/无线电/干扰/和/可听噪声”对获取的文本数据进行过滤，得到与关键词相匹配的待处理数据。
S120、根据预设数据处理方法对所述待处理数据进行处理，得到待应用数据。
其中，预设数据处理方法可以理解为预先设置的用于确定待应用数据的算法。
具体的，在得到待处理数据后，基于预设数据处理方法对待处理数据进行处理，得到待应用数据，例如可以是根据预设的特征提取算法对待处理数据进行特征提取，得到与待处理数据相对应的特征数据，并将与待处理数据相对应的特征数据作为待应用数据。
在上述技术方案的基础上，所述根据预设数据处理方法对所述待处理数据进行处理，得到待应用数据之前，包括：根据预设数据清洗算法对所述待处理数据进行数据清洗，得到待应用文本数据；基于所述待应用文本数据确定与所述待处理数据相对应的待应用数据。
其中，预设数据清洗算法可以是用于对待处理数据进行数据清洗的算法。待应用文本数据可以是进行数据清洗后得到的文本数据。
具体的，在获取到待处理数据之后，为了避免待处理数据内的错误数据影响知识图谱的正确性，可以根据预设数据清洗算法对待处理数据进行数据清洗，得到祛除错误数据后的待应用文本数据，进而可以根据待应用文本数据确定与待处理数据相对应的待应用数据。例如，可以是采用基于随机森林算法的大数据重复清洗方法，首先，构建电力源网荷数据的多维分布异构存储节点分布模型，采用云融合调度方法进行数据自适应调度和信息特征采样，结合模糊特征匹配和检测滤波方法实现数据采集过程中的抗干扰处理，根据所采集到的数据采用随机森林算法进行大数据滤波和自适应清洗。
在上述技术方案的基础上，基于所述待应用文本数据确定与所述待处理数据相对应的待应用数据，包括：基于预设分词算法对所述待应用文本数据进行分词处理，得到关键词数据；根据预设向量标识模型和所述待应用文本数据，确定与所述待应用文本数据相对应的词向量数据；基于所述关键词数据和词向量数据构建待应用数据。
其中，预设分词算法可以是用于对待应用文本数据进行分词的算法，例如马尔科夫随机场分词算法(HMM-CRF)等。关键词数据可以是根据预设分词算法从待应用文本数据中提取得到的关键词。预设向量标识模型可以是用于获取待应用文本数据的词向量数据的模型。词向量数据可以理解为用于表示待应用文本数据的词向量。
具体的，可以是根据预设分词算法对待应用文本数据进行分词处理后，得到关键词数据，进而采用预设向量标识模型对待应用文本数据进行处理，得到对应的词向量数据，进而根据键词数据和词向量数据构建待应用数据。例如可以是使用Word2vec模型来表示文本数据，进而得到对应的词向量数据，word2vec模型将word转为向量的方法，其包含两种算法，分别是skip-gram和CBOW。本发明实施例的方案采用改进的CBOW模型，如图2所示，其中包括：输入层(Input layer)、隐藏层(Hidden layer)和输出层(Output layer)。可以从通过计算词向量之间的余弦相似度来计算同义词，得到的语料库中的词向量也可以作为后续实体识别模型的输入，并且为了提升实体识别能力，对CBOW模型改进，在隐藏层中扩展了多层神经元结构。
在上述技术方案的基础上，所述基于预设分词算法对所述待应用文本数据进行分词处理，得到关键词数据，包括：采用第一分词算法对所述待应用文本数据进行分词处理，得到第一关键词表；对所述第一关键词表中的关键词进行统计，得到与各关键词相对应的频率信息；根据预设频率阈值和所述频率信息对所述第一关键词表进行处理，确定所述关键词数据。
其中，第一分词算法可以是预先设置的用于对文本数据进行分词处理的算法，例如可以是jieba分词算法。第一关键词表可以理解为基于分词结果构建的关键词表格。频率信息可以是第一关键词表中各关键词出现的频率。预设频率阈值可以是用于确定当前关键词是否高频词汇的频率阈值。
具体的，通过采用第一分词算法对所述待应用文本数据进行分词处理，得到第一关键词表，并统计第一关键词表中各关键词的频率信息，基于预设频率阈值和频率信息对第一关键词表进行过滤，得到满足预设频率阈值的高频关键词，并将其作为关键词数据。例如，可以是通过jieba一次分词后抽样出部分原始文本与其分词数据，观察识别分词结果，对比原始的文本，提取出错分的词，构造成关键词表；然后对分词文本进行数值上的统计，由于电力数据具有领域特性，所以对于高频词，将其加入到关键词表中；基于TF-IDF算法完善关键词表；然后，使用基于CRF的分割模型对处理后的文献再次进行分割，其导入为高频词典；最终得到高精度的分割结果。以电力调度文本为例，还可以是根据调度文本的类型设置对应的标签信息，例如针对电力调控文本设计了句类、语义成分、语义模型等标签，如下所示：
S130、基于预设提取模型对所述待应用数据进行处理，确定目标数据。
其中，预设提取模型可以是从待应用数据中提取设备的信息的模型。
具体的，在获取待应用数据后，可以将待应用数据作为模型的输入，输入值预设提取模型中，通过预设提取模型对待应用数据进行处理后，得到与待应用数据相对应的目标数据。例如，可以是通过预设提取模型对待应用数据进行处理，提取得到待应用数据中的关键设备信息。
在上述技术方案的基础上，所述基于预设提取模型对所述待应用数据进行处理，确定目标数据，包括：将所述待应用数据输入至所述预设提取模型，得到与所述待应用数据相对应的特征数据；基于所述特征数据确定所述目标数据。
其中，特征数据可以是用于表示待应用数据特征的数据，例如可以是特征向量等。
具体的，可以通过采用BERT-BiGRU-Attention-CRF组合模型对待应用数据进行处理，需要说明的是，如图3所示，本发明实施例中的BERT-BiGRU-Attention-CRF组合模型包括：
BERT层：BERT模型使用了双向Transformer结构，通过多层神经网络进行特征提取和训练，将输入文本转换成词向量，使BiGRU层可以学习上下文特征。BERT模型的关键部分是基于self-attention机制的深度网络，核心目标是从大量信息中选择出和当前任务目标更契合的信息。如图4所示，与传统的静态词向量训练相比，BERT模型训练出来的这个动态词向量包含了词的含义和上下文词之间的特征，可以更好地捕捉到句子层面的隐含特征。
BiGRU层：自动提取句子上下文的特征。每个BiGRU单元的输入是一个动态词向量序列。然后BiGRU单元学习如何提取句子的局部特征。最后，前向GRU模型输出隐藏状态序列，后向GRU模型根据句子序列拼接所有隐藏状态序列，得到完整的隐藏状态序列。相关数据可以通过公式得到，GRU模型其计算公式如下：
zt＝σ(Wz·[ct-1，xt])
rt＝σ(Wr·[ct-1，xt])
ht＝tanh(W·[rt·ct-1，xt])
ct＝(1-zt)·ct-1+zt·ht
其中，σ为sigmoid函数，W为权重矩阵，xt表示t时刻的输入文本数据，ct-1为上一时刻的输入文本数据，rt表示为重置门，zt为更新门，ht为待激活状态，ct是当前时刻的输出。双向GRU从左向右循环神经网络层的更新公式为： 从右向左循环神经网络层的更新公式为：/> BiGRU神经网络最终输出的计算公式为：/>
其中，W，V，U为权重矩阵，b，c为偏执矩阵,xt表示t时刻的输入文本数据，ht为待激活状态。
Attention层：Attention层的输入是经过BiGRU层输出的隐藏状态，通过Attention机制对隐藏状态加权表征，挖掘词之间的关系，最后输出新的状态序列。
CRF层：是一个无向图表示的马尔可夫模型，通常有两类特征函数,分别为转移特征和状态特征。状态特征表示输入序列与当前状态之间的关系，转移特征表示前一个输出状态与当前输出状态之间的关系。将局部特征归一化为全局特征，通过计算整个序列的概率分布来解决部分标注偏差的问题，得到全局最优解。同时，CRF模型在训练数据时可以得到标签的隐藏约束规则，可以通过加入一些约束来保证最终预测结果的有效性。
S140、基于所述目标数据构建电力知识图谱，并将所述电力知识图谱存储到目标数据库中。
其中，电力知识图谱可以是根据目数据构建的图谱。目标数据库可以理解为用于存储电力知识图谱的数据库。
具体的，基于目标数构建电力知识图谱，并将构建完成的电力知识图谱存储到目标数据库中，例如可以是将处理后的知识存入图数据库中构建电力源网荷知识图谱，例如可以存储在Neo4j数据库中，Neo4j是一个高性能NoSQL图形数据库，是一个嵌入式的、基于磁盘的、具备完全的事务特性的Java持久化引擎。可以将结构化数据存储在网络上而不是表中，把数据保存为图中的节点以及节点之间的关系。Neo4j中不同实体通过各种不同的关系关联起来，形成复杂的图。
在上述技术方案的基础上，所述基于所述目标数据构建电力知识图谱，包括：基于关系提取算法对所述目标数据进行关系提取，确定与各目标数据相对应的依存关系；基于所述依存关系对所述目标数据进行处理，得到具备特定数据结构的目标数据集；根据所述依存关系和所述目标数据集，构建所述电力知识图谱。
其中，关系提取算法可以是用于提取目标数据中各电力设备之间的依存关系的算法。依存关系可以理解为电力设备之间存在依赖关系，例如A电闸归属与A变电站。特定数据结构可以是预先设置的数据结构，例如可以是采用三元组的方式对目标数据进行表示。
具体的，采用基于依存句法分析的方法识别提取实体之间的关系。依存关系，即句子成分之间的支配与被支配关系，在依存句法分析中可由弧进行表示，并且依存句法分析中认为支配语句的是其核心动词。通过识别和定位句法关系来分析句子成分之间的依存关系。首先，通过语义角色识别提取主语和核心谓语。然后，通过依存句法分析，找到与核心谓词意义相关的宾语和主语。最后通过依存句法分析得到电力源网荷文本中的相关依存关系，以及基于本体结构的实体关系。进而在获取到依存关系后，可将抽取的实体、属性和关系存储到数据库，语义三元组表示步骤具体地对抽取后的知识按照三元组的形式进行表示。三元组形式如：<发电站，包含，设备组>、<发电站，拥有，线路>、<变电站，包含，变压器>等。
本发明实施例的技术方案，通过接入目标数据源，并根据预设提取规则从所述目标数据源中提取待处理数据，并且根据预设数据处理方法对所述待处理数据进行处理，得到待应用数据，进而基于预设提取模型对所述待应用数据进行处理，确定目标数据，最终基于所述目标数据构建电力知识图谱，并将所述电力知识图谱存储到目标数据库中。基于上述技术方案，实现了根据配电网的数据信息确定需要的目标数据，并基于目标数据构建电力知识图谱，进而达到了提高电力知识图谱的正确性和构建效率的技术效果。
实施例二
图5是本发明实施例提供的一种应用于配电网的数据处理方法的流程图。本实施例在上述实施例的基础上，进一步优化了上述应用于配电网的数据处理方法。其具体的实施方式可以参见本实施例技术方案。其中，与上述实施例相同或者相应的技术术语在此不再赘述。
如图5所示，所述方法包括：
获取待处理数据：具体的，通过获取电力源网荷预处理文本数据，预处理数据包括运行文本、调度文本、政府相关规划文本、操作手册等。
获取待应用数据：具体的，进行数据预处理，所述数据预处理步骤具体包括数据清洗、分词处理、词向量表示、关键词提取和本体字典构建，需要说明的是，数据清洗具体地采用基于随机森林算法的大数据重复清洗方法。构建电力源网荷数据的多维分布异构存储节点分布模型，采用云融合调度方法进行数据自适应调度和信息特征采样，结合模糊特征匹配和检测滤波方法实现数据采集过程中的抗干扰处理，根据所采集到的数据采用随机森林算法进行大数据滤波和自适应清洗。
分词处理具体地采用HMM-CRF的分词方法，分词步骤具体包括：jieba一次分词后抽样出部分原始文本与其分词数据，观察识别分词结果，对比原始的文本，提取出错分的词，构造成关键词表；然后对分词文本进行数值上的统计，由于我电力数据具有领域特性，所以对于高频词，将其加入到关键词表中；基于TF-IDF算法完善关键词表；然后，使用基于CRF的分割模型对处理后的文献再次进行分割，其导入为高频词典；最终得到高精度的分割结果。以电力调度文本为例，为电力调控文本设计了句类、语义成分、语义模型等标签，以便在后续研究中使用，所述词向量表示具体地使用Word2vec模型来表示文本数据，word2vec模型将word转为向量的方法，其包含两种算法，分别是skip-gram和CBOW。本发明专利采用改进的CBOW模型，其示意图如图2所示，其中包括：输入层(Input layer)、隐藏层(Hiddenlayer)和输出层(Output layer)。可以从通过计算词向量之间的余弦相似度来计算同义词，得到的语料库中的词向量也可以作为后续实体识别模型的输入。其中为提升实体识别能力，对CBOW模型改进，在隐藏层中扩展了多层神经元结构。进而，关键词提取和本体字典构建具体地根据频率权重和平均信息熵的均值提取高频关键词，通过人工筛选去除不相关的词，构建本体字典。
确定目标数据：具体的，进行实体抽取，实体抽取步骤具体地采用BERT-BiGRU-Attention-CRF组合模型对已处理数据进行抽取。BERT-BiGRU-Attention-CRF组合模型包括：
BERT层：BERT模型使用了双向Transformer结构，通过多层神经网络进行特征提取和训练，将输入文本转换成词向量，使BiGRU层可以学习上下文特征。BERT模型的关键部分是基于self-attention机制的深度网络，核心目标是从大量信息中选择出和当前任务目标更契合的信息。与传统的静态词向量训练相比，BERT模型训练出来的这个动态词向量包含了词的含义和上下文词之间的特征，可以更好地捕捉到句子层面的隐含特征。
BiGRU层：自动提取句子上下文的特征。每个BiGRU单元的输入是一个动态词向量序列。然后BiGRU单元学习如何提取句子的局部特征。最后，前向GRU模型输出隐藏状态序列，后向GRU模型根据句子序列拼接所有隐藏状态序列，得到完整的隐藏状态序列。相关数据可以通过公式得到：
GRU模型其计算公式如下：
zt＝σ(Wz·[ct-1，xt])
rt＝σ(Wr·[ct-1，xt])
ht＝tanh(W·[rt·ct-1，xt])
ct＝(1-zt)·ct-1+zt·ht
其中，σ为sigmoid函数，W为权重矩阵，xt表示t时刻的输入文本数据，ct-1为上一时刻的输入文本数据，rt表示为重置门，zt为更新门，ht为待激活状态，ct是当前时刻的输出。
双向GRU从左向右循环神经网络层的更新公式为：
从右向左循环神经网络层的更新公式为：
BiGRU神经网络最终输出的计算公式为：
其中，W，V，U为权重矩阵，b，c为偏执矩阵,xt表示t时刻的输入文本数据，ht为待激活状态。
Attention层：Attention层的输入是经过BiGRU层输出的隐藏状态，通过Attention机制对隐藏状态加权表征，挖掘词之间的关系，最后输出新的状态序列。
CRF层：是一个无向图表示的马尔可夫模型，通常有两类特征函数,分别为转移特征和状态特征。状态特征表示输入序列与当前状态之间的关系，转移特征表示前一个输出状态与当前输出状态之间的关系。将局部特征归一化为全局特征，通过计算整个序列的概率分布来解决部分标注偏差的问题，得到全局最优解。同时，CRF模型在训练数据时可以得到标签的隐藏约束规则，可以通过加入一些约束来保证最终预测结果的有效性。
确定依存关系：具体的，进行关系抽取步骤具体地采用基于依存句法分析的方法识别提取实体之间的关系。依存关系，即句子成分之间的支配与被支配关系，在依存句法分析中可由弧进行表示，并且依存句法分析中认为支配语句的是其核心动词。通过识别和定位句法关系来分析句子成分之间的依存关系。首先，通过语义角色识别提取主语和核心谓语。然后，通过依存句法分析，找到与核心谓词意义相关的宾语和主语。最后通过依存句法分析得到电力源网荷文本中的相关依存关系，以及基于本体结构的实体关系。进一步的，将知识进行存储和语义三元组表示，知识存储具体包括将所述抽取的实体、属性和关系存储到数据库，所述语义三元组表示步骤具体地对抽取后的知识按照三元组的形式进行表示。三元组形式如：<发电站，包含，设备组>、<发电站，拥有，线路>、<变电站，包含，变压器>等。
构建电力源网荷知识图谱：具体的，将处理后的知识存入图数据库中构建电力源网荷知识图谱。Neo4j是一个高性能NoSQL图形数据库，它是一个嵌入式的、基于磁盘的、具备完全的事务特性的Java持久化引擎。它将结构化数据存储在网络上而不是表中，把数据保存为图中的节点以及节点之间的关系。Neo4j中不同实体通过各种不同的关系关联起来，形成复杂的图。
本发明实施例的技术方案，通过接入目标数据源，并根据预设提取规则从所述目标数据源中提取待处理数据，并且根据预设数据处理方法对所述待处理数据进行处理，得到待应用数据，进而基于预设提取模型对所述待应用数据进行处理，确定目标数据，最终基于所述目标数据构建电力知识图谱，并将所述电力知识图谱存储到目标数据库中。基于上述技术方案，实现了根据配电网的数据信息确定需要的目标数据，并基于目标数据构建电力知识图谱，进而达到了提高电力知识图谱的正确性和构建效率的技术效果。
实施例三
图6是本发明实施例提供的一种应用于配电网的数据处理装置的结构框图。该装置包括：待处理数据获取模块610、待应用数据确定模块620、目标数据确定模块630以及图谱构建模块640。
待处理数据获取模块610，用于接入目标数据源，并根据预设提取规则从所述目标数据源中提取待处理数据；
待应用数据确定模块620，用于根据预设数据处理方法对所述待处理数据进行处理，得到待应用数据；
目标数据确定模块630，用于基于预设提取模型对所述待应用数据进行处理，确定目标数据；
图谱构建模块640，用于基于所述目标数据构建电力知识图谱，并将所述电力知识图谱存储到目标数据库中。
在上述技术方案的基础上，所述待处理数据获取模块，用于从所述目标数据源中提取源文本数据；其中，所述源文本数据包括运行文本数据、调度文本数据、规划文本数据、操作手册文本数据中的至少一个；基于所述根据预设提取规则对所述原文本数据进行过滤，得到与所述预设提取规则相匹配的待处理数据。
在上述技术方案的基础上，所述待应用数据确定模块包括：数据清洗单元用于在根据预设数据处理方法对所述待处理数据进行处理，得到待应用数据之前，根据预置数据清洗算法对所述待处理数据进行数据清洗，得到待处应用文本数据；基于所述待应用文本数据确定与所述待处理数据相对应的待应用数据。
在上述技术方案的基础上，所述待应用数据确定模块，用于基于预设分词算法对所述待应用文本数据进行分词处理，得到关键词数据；根据预设向量标识模型和所述待应用文本数据，确定与所述待应用文本数据相对应的词向量数据；基于所述关键词数据和词向量数据构建待应用数据。
在上述技术方案的基础上，所述待应用数据确定模块，用于采用第一分词算法对所述待应用文本数据进行分词处理，得到第一关键词表；对所述第一关键词表中的关键词进行统计，得到与各关键词相对应的频率信息；根据预设频率阈值和所述频率信息对所述第一关键词表进行处理，确定所述关键词数据。
在上述技术方案的基础上，所述目标数据确定模块，用于将所述待应用数据输入至所述预设提取模型，得到与所述待应用数据相对应的特征数据；基于所述特征数据确定所述目标数据。
在上述技术方案的基础上，所述图谱构建模块，用于基于关系提取算法对所述目标数据进行关系提取，确定与各目标数据相对应的依存关系；基于所述依存关系对所述目标数据进行处理，得到具备特定数据结构的目标数据集；根据所述依存关系和所述目标数据集，构建所述电力知识图谱。
本发明实施例的技术方案，通过接入目标数据源，并根据预设提取规则从所述目标数据源中提取待处理数据，并且根据预设数据处理方法对所述待处理数据进行处理，得到待应用数据，进而基于预设提取模型对所述待应用数据进行处理，确定目标数据，最终基于所述目标数据构建电力知识图谱，并将所述电力知识图谱存储到目标数据库中。基于上述技术方案，实现了根据配电网的数据信息确定需要的目标数据，并基于目标数据构建电力知识图谱，进而达到了提高电力知识图谱的正确性和构建效率的技术效果。
本发明实施例所提供的应用于配电网的数据处理装置可执行本公开任一实施例所提供的应用于配电网的数据处理方法，具备执行方法相应的功能模块和有益效果。
值得注意的是，上述装置所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本公开实施例的保护范围。
实施例四
图7示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图7所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如应用于配电网的数据处理方法。
在一些实施例中，应用于配电网的数据处理方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的应用于配电网的数据处理方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行应用于配电网的数据处理方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在电子设备上实施此处描述的***和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如，作为数据服务器)、或者包括中间件部件的计算***(例如，应用服务器)、或者包括前端部件的计算***(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将***的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种应用于配电网的数据处理方法，其特征在于，包括：
接入目标数据源，并根据预设提取规则从所述目标数据源中提取待处理数据；
根据预设数据处理方法对所述待处理数据进行处理，得到待应用数据；
基于预设提取模型对所述待应用数据进行处理，确定目标数据；
基于所述目标数据构建电力知识图谱，并将所述电力知识图谱存储到目标数据库中。
2.根据权利要求1所述的方法，其特征在于，所述根据预设提取规则从所述目标数据源中提取待处理数据，包括：
从所述目标数据源中提取源文本数据；其中，所述源文本数据包括运行文本数据、调度文本数据、规划文本数据、操作手册文本数据中的至少一个；
基于所述根据预设提取规则对所述原文本数据进行过滤，得到与所述预设提取规则相匹配的待处理数据。
3.根据权利要求1所述的方法，其特征在于，所述根据预设数据处理方法对所述待处理数据进行处理，得到待应用数据之前，包括：
根据预置数据清洗算法对所述待处理数据进行数据清洗，得到待处应用文本数据；
基于所述待应用文本数据确定与所述待处理数据相对应的待应用数据。
4.根据权利要求3所述的方法，其特征在于，基于所述待应用文本数据确定与所述待处理数据相对应的待应用数据，包括：
基于预设分词算法对所述待应用文本数据进行分词处理，得到关键词数据；
根据预设向量标识模型和所述待应用文本数据，确定与所述待应用文本数据相对应的词向量数据；
基于所述关键词数据和词向量数据构建待应用数据。
5.根据权利要求4所述的方法，其特征在于，所述基于预设分词算法对所述待应用文本数据进行分词处理，得到关键词数据，包括：
采用第一分词算法对所述待应用文本数据进行分词处理，得到第一关键词表；
对所述第一关键词表中的关键词进行统计，得到与各关键词相对应的频率信息；
根据预设频率阈值和所述频率信息对所述第一关键词表进行处理，确定所述关键词数据。
6.根据权利要求1所述的方法，其特征在于，所述基于预设提取模型对所述待应用数据进行处理，确定目标数据，包括：
将所述待应用数据输入至所述预设提取模型，得到与所述待应用数据相对应的特征数据；
基于所述特征数据确定所述目标数据。
7.根据权利要求1所述的方法，其特征在于，所述基于所述目标数据构建电力知识图谱，包括：
基于关系提取算法对所述目标数据进行关系提取，确定与各目标数据相对应的依存关系；
基于所述依存关系对所述目标数据进行处理，得到具备特定数据结构的目标数据集；
根据所述依存关系和所述目标数据集，构建所述电力知识图谱。
8.一种应用于配电网的数据处理装置，其特征在于，包括：
待处理数据获取模块，用于接入目标数据源，并根据预设提取规则从所述目标数据源中提取待处理数据；
待应用数据确定模块，用于根据预设数据处理方法对所述待处理数据进行处理，得到待应用数据；
目标数据确定模块，用于基于预设提取模型对所述待应用数据进行处理，确定目标数据；
图谱构建模块，用于基于所述目标数据构建电力知识图谱，并将所述电力知识图谱存储到目标数据库中。
9.一种电子设备，其特征在于，所述电子设备包括：
一个或多个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的应用于配电网的数据处理方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的应用于配电网的数据处理方法。
CN202310256432.8A 2023-03-16 2023-03-16 应用于配电网的数据处理方法、装置、设备及介质 Pending CN116467461A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310256432.8A CN116467461A (zh) 2023-03-16 2023-03-16 应用于配电网的数据处理方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310256432.8A CN116467461A (zh) 2023-03-16 2023-03-16 应用于配电网的数据处理方法、装置、设备及介质

Publications (1)

Publication Number Publication Date
CN116467461A true CN116467461A (zh) 2023-07-21

Family

ID=87179646

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310256432.8A Pending CN116467461A (zh) 2023-03-16 2023-03-16 应用于配电网的数据处理方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN116467461A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117313748A (zh) * 2023-11-24 2023-12-29 中电科大数据研究院有限公司 面向政务问答的多特征融合语义理解方法及装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117313748A (zh) * 2023-11-24 2023-12-29 中电科大数据研究院有限公司 面向政务问答的多特征融合语义理解方法及装置
CN117313748B (zh) * 2023-11-24 2024-03-12 中电科大数据研究院有限公司 面向政务问答的多特征融合语义理解方法及装置

Similar Documents

Publication Publication Date Title
CN111143576A (zh) 一种面向事件的动态知识图谱构建方法和装置
CN113590645B (zh) 搜索方法、装置、电子设备及存储介质
CN112560496A (zh) 语义分析模型的训练方法、装置、电子设备及存储介质
EP3961476A1 (en) Entity linking method and apparatus, electronic device and storage medium
CN113553412B (zh) 问答处理方法、装置、电子设备和存储介质
CN113392209B (zh) 一种基于人工智能的文本聚类方法、相关设备及存储介质
KR20200096133A (ko) 데이터 모델을 구축하는 방법, 장치, 기기 및 매체
CN112559684A (zh) 一种关键词提取及信息检索方法
CN114281968B (zh) 一种模型训练及语料生成方法、装置、设备和存储介质
CN116450867B (zh) 一种基于对比学习和大语言模型的图数据语义搜索方法
CN112148881A (zh) 用于输出信息的方法和装置
CN114579104A (zh) 数据分析场景的生成方法、装置、设备及存储介质
US20230094730A1 (en) Model training method and method for human-machine interaction
CN115688920A (zh) 知识抽取方法、模型的训练方法、装置、设备和介质
CN114861889A (zh) 深度学习模型的训练方法、目标对象检测方法和装置
CN116401345A (zh) 智能问答方法、装置、存储介质和设备
CN117632654A (zh) 一种运维风险等级评估方法、装置、电子设备及存储介质
CN116467461A (zh) 应用于配电网的数据处理方法、装置、设备及介质
CN117971487A (zh) 一种高性能算子生成方法、装置、设备及存储介质
CN117271884A (zh) 确定推荐内容的方法、装置、电子设备及存储介质
CN114647727A (zh) 应用于实体信息识别的模型训练方法、装置和设备
CN114841172A (zh) 文本匹配双塔模型的知识蒸馏方法、装置及程序产品
CN113590774A (zh) 事件查询方法、装置以及存储介质
CN114491030A (zh) 技能标签的抽取、候选短语分类模型的训练方法及装置
CN116244432B (zh) 语言模型的预训练方法、装置及电子设备

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