知识库自适应扩展方法及系统

技术领域

本发明涉及电网管理控制技术领域，更具体地，涉及知识库自适应扩展方法及系统。

背景技术

我国高度重视人工智能产业的发展，人工智能与经济社会各行业各领域融合创新水平不断提升。随着调控云平台等新技术的建设与完善，电力系统数据量与计算能力近期都有较大提升，为开展电力调控领域人工智能机器人技术研究创造了有利的条件。

随着大电网一体化特征日趋明显，系统内部不同元素以及系统与外部环境之间的耦合关系不断增强，电力系统及调控业务的一系列深层次发展变化，使得调度控制策略与规程规定复杂程度不断提高，对调控业务的自动化、智能化提出了更高的要求。电力调度控制中心是集高价值数据、分析规则、专家经验和计算决策为一体的“指挥大脑”，现行调控方式主要以人工经验分析为主，调度人员需要将海量多样数据、方案模型进行经验知识关联，重复性“人脑劳动”较多，效率较低，因此，实现智能调控，降低调控人员工作强度迫在眉睫。

现有技术中，多级调度故障协同处置知识库构建需要从电网运行信息、调度规程以及先验知等信息中抽取出故障处置要点、处置逻辑、处置步骤等知识。考虑到电网运行信息是历史数据，预案是基于典型运行方式编写，调度员经验要依据问题具体分析，应用这些数据建立的故障处置知识库难以覆盖所有故障处置情况，因此如何在线扩充知识库，以达到覆盖实时故障处置情况，是调控领域知识库技术发展的难点和关键。此外，调控领域知识库技术方面还存在如下问题：调控知识库以历史数据为基础依赖离线识别和扩展技术，扩展效率、识别准确性以及智能化程度均有待提升；此外，基于现有调控知识库的故障处置主要依赖于调控员经验完成，不仅缺乏规范化、流程化和智能化的方法、系统、介质和设备，处置效率低，而且无法覆盖实时故障的问题。

发明内容

为解决现有技术中存在的不足，本发明的目的在于，提供一种知识库自适应扩展方法及系统，应用人工智能方法实现调控知识库的自动化生成，排除人工操作带来的影响；实现调度业务实时分析和故障处置决策在线识别，解决离线建立的调控知识库无法覆盖实时故障的问题，通过在线知识滚动技术对调控知识库进行自适应拓展和更新。

本发明采用如下的技术方案。

知识库自适应扩展方法包括：

步骤1，采集调控预案、电网运行记录、检修计划和调控作业指导书，基于自然语言处理算法对调控语料库进行处理，生成调控语料词向量；利用调控语料词向量构建调控语料库；

步骤2，通过自然语言处理技术，从调控语料库中提取特征数据以形成知识图谱，利用知识图谱对知识库进行离线扩展；

步骤3，实时采集电网故障离线仿真数据和电网故障历史运行数据，构建电网系统级故障简单事件集合；基于复杂事件处理算法，利用电网系统级故障简单事件集合，对电网系统级故障进行在线诊断；根据电网系统级故障的在线诊断结果，构建在线故障处置知识图谱；

步骤4，以故障处置知识抽取模型，对在线故障处置知识图谱进行故障处置知识的识别；以所识别的故障处置知识对知识库进行在线扩展。

优选地，

步骤1中，调控预案、电网运行记录、检修计划和调控作业指导书均为文本数据，是以触发或周期方式按照搜索请求，由调控内网搜索得到。

步骤1中包括：

步骤1.1，以所采集的文本数据为输入，进行分词和词性一级标注处理，输出调控语料词；

步骤1.2，以调控语料词为输入，以嵌套树结构表达调控语料词的相互关联关系以及调控语料词在句中的作用；

步骤1.3，基于分布式表示模型，将调控语料词从文本形式的符号信息转换为向量形式的数字信息。

优选地，

步骤2包括：

步骤2.1，通过自然语言处理技术，从电网运行记录中提取历史故障数据和电网故障特征信息，利用知识表征方法，构建线路试送辅助决策的知识图谱；

步骤2.2，通过自然语言处理技术，从调控预案和调控作业指导书中提取线路试送策略，以线路试送辅助决策的知识图谱为基础，构建故障处置知识图谱；

步骤2.3，通过自然语言处理技术，从检修计划中提取故障设备是否存在带电作业、检修操作以及本体缺陷，以此对故障处置知识图谱进行扩充，形成故障决策知识图谱；

步骤2.4，利用故障决策知识图谱对知识库进行离线扩展。

优选地，

步骤3中，简单事件集合中的各事件之间存在时间顺序约束关系；基于复杂事件处理算法设计电网系统故障触发器，使得触发器能够被匹配的全部简单事件的集合构成电网系统级故障因果关系；

根据因果关系确定电网系统级故障在线诊断结果，并构建在线故障处置知识图谱。

优选地，

步骤4中，故障处置知识包括：故障处置要点及故障处置关系；其中，故障处置要点是故障处置实体，故障处置关系为各故障处置要点之间的逻辑关系。

步骤4包括：

步骤4.1，对于单一故障对象，采集与故障对象所在电网存在电气连接的设备清单和事件清单；以设备清单作为故障处置要点训练集，以事件清单作为故障处置关系训练集；

步骤4.2，利用故障处置要点训练集，基于双向长短期记忆网络-条件随机场算法对故障处置知识抽取模型进行第一次训练，由第一次训练所得的故障处置知识抽取模型输出故障处置要点的识别结果；

步骤4.3，利用故障处置关系训练集，基于卷积神经网络算法对已经经过第一次训练后的故障处置知识抽取模型进行第二次训练，由第二次训练所得的故障处置知识抽取模型输出故障处置关系的识别结果；

步骤4.4，利用训练好的故障处置知识抽取模型，对在线故障处置知识图谱进行识别，以所识别出的故障处置要点为特征，基于特征级信息融合算法，将故障处置要点和故障处置关系融合为故障处置知识；

步骤4.5，利用故障处置知识对已经经过离线扩展的知识库进行在线扩展。

知识库自适应扩展系统包括：

离线知识库生成模块，用于以外部设备所采集的调控预案、电网运行记录、检修计划和调控作业指导书，基于自然语言处理算法对调控语料库进行处理，生成调控语料词向量；利用调控语料词向量构建调控语料库；以调控语料库对知识库进行离线扩展；

在线知识库生成模块，用于以外部设备从电网系统级故障在线诊断系统中实时获取在线故障处置知识图谱；以故障处置知识抽取模型，对在线故障处置知识图谱进行故障处置知识的识别；以所识别的故障处置知识对知识库进行在线扩展；

在线知识库生成模块中，电网系统级故障在线诊断系统，用于实时采集电网故障离线仿真数据和电网故障历史运行数据，构建电网系统级故障简单事件集合；基于复杂事件处理算法，利用电网系统级故障简单事件集合，对电网系统级故障进行在线诊断；根据电网系统级故障的在线诊断结果，构建在线故障处置知识图谱。

在线知识库生成模块，以故障处置知识抽取模型，从电网运行记录日志、检修计划、外部环境信息中识别故障处置要点和逻辑，对离线知识库故障处置知识进行细化以及在线动态更新。

本发明的有益效果在于，与现有技术相比，针对离线建立的知识库难以全面覆盖实时故障处置情况的问题，提出一种基于在线知识滚动提取的知识库自适应扩展技术。通过建立故障处置知识滚动抽取模型从电网运行记录日志、检修计划、外部环境等信息中识别故障处置要点和逻辑，对离线知识库故障处置知识进行细化、丰富，实现故障处置知识库在线动态更新；通过在线知识滚动技术对调控知识库进行自适应拓展和更新，还提高了调控工作效率与规范化程度。

本发明的有益效果还在于，将知识库自适应扩展方法应用于多级调度故障协同处置知识库的构建中，结合电网运行业务数据、调度故障处置原则和经验，基于知识图谱技术构建调控领域知识库，为电网故障处置的信息查询、决策推理等提供高效的数据支撑；研究单一设备故障处置的知识模型构建技术，以故障设备为中心，在线触发融合知识库关联知识、电网故障分析结果等，构建设备故障处置知识模型，为设备故障处置提供知识引导；研究面向单一设备故障的处置引导技术，基于调控知识库的故障处置流程，考虑故障影响的严重程度，实现自动引导调度员按照优先级进行实时故障的快速处置。

附图说明

图1是本发明的知识库自适应扩展方法的流程示意图。

具体实施方式

下面结合附图对本申请作进一步描述。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申请的保护范围。

本发明的优选实施例，以特高压交直流混联电网为研究对象，需要构建适用于该电网系统的多级调度故障协同处置知识库，该知识库的构建从电网运行信息、调度规程以及先验知等信息中抽取出故障处置要点、处置逻辑、处置步骤等知识。

如图1，知识库自适应扩展方法包括：

步骤1，采集调控预案、电网运行记录、检修计划和调控作业指导书，基于自然语言处理算法对调控语料库进行处理，生成调控语料词向量；利用调控语料词向量构建调控语料库。

具体地，

步骤1中，调控预案、电网运行记录、检修计划和调控作业指导书均为文本数据，是以触发或周期方式按照搜索请求，由调控内网搜索得到。

步骤1中包括：

步骤1.1，以所采集的文本数据为输入，进行分词和词性一级标注处理，输出调控语料词。

步骤1.2，以调控语料词为输入，以嵌套树结构表达调控语料词的相互关联关系以及调控语料词在句中的作用。

步骤1.3，基于分布式表示模型，将调控语料词从文本形式的符号信息转换为向量形式的数字信息。

在知识引导方面，应用自然语言处理技术从调度规程、故障预案以及作业指导书等文本材料中提取知识，通过人工智能技术的应用，提高调控工作的效率和规范程度。

步骤2，通过自然语言处理技术，从调控语料库中提取特征数据以形成知识图谱，利用知识图谱对知识库进行离线扩展。

具体地，

步骤2包括：

步骤2.1，通过自然语言处理技术，从电网运行记录中提取历史故障数据和电网故障特征信息，利用知识表征方法，构建线路试送辅助决策的知识图谱。

步骤2.2，通过自然语言处理技术，从调控预案和调控作业指导书中提取线路试送策略，以线路试送辅助决策的知识图谱为基础，构建故障处置知识图谱。

步骤2.3，通过自然语言处理技术，从检修计划中提取故障设备是否存在带电作业、检修操作以及本体缺陷，以此对故障处置知识图谱进行扩充，形成故障决策知识图谱。

步骤2.4，利用故障决策知识图谱对知识库进行离线扩展。

步骤3，实时采集电网故障离线仿真数据和电网故障历史运行数据，构建电网系统级故障简单事件集合；基于复杂事件处理算法，利用电网系统级故障简单事件集合，对电网系统级故障进行在线诊断；根据电网系统级故障的在线诊断结果，构建在线故障处置知识图谱。

具体地，

步骤3中，简单事件集合中的各事件之间存在时间顺序约束关系；基于复杂事件处理算法设计电网系统故障触发器，使得触发器能够被匹配的全部简单事件的集合构成电网系统级故障因果关系；

本优选实施例中，特高压直流闭锁发生后，在一定的时间窗口内，不同调控系统、不同应用产生大量不同类型的事件信息，事件间存在顺序、聚合、依赖、因果等关联关系，需要判断事件的相关性并快速推导事件反映电网运行本质，场景特征同CEP技术的特点具有良好匹配度，将该技术应用于特高压直流闭锁故障诊断，有助于提高系统级故障的分析能力和处理速度。

根据因果关系确定电网系统级故障在线诊断结果，并构建在线故障处置知识图谱。

特高压交直流混联电网运行特性呈现全局化特征，单一设备故障容易引发全网连锁反应，各事件之间的关系涉及到电磁、机电暂态过程，内在机理十分复杂，单凭事件时序进行简单判断分析，可能会出现错误判断，同时由于上述事件属于小样本事件，无法进行训练学习，如何智能辨识上述各个事件之间的内在因果关系，进而给出系统级故障分析结果。通过电网系统级故障在线诊断，实现对各种实时故障的覆盖。

知识图谱具有高效的推理能力，可以将调控规程、预案、经验、作业指导书等先验知识整合成可用知识，形成电网故障处置知识图谱，用于引导故障处置。

步骤4，以故障处置知识抽取模型，对在线故障处置知识图谱进行故障处置知识的识别；以所识别的故障处置知识对知识库进行在线扩展。

具体地，

步骤4中，故障处置知识包括：故障处置要点及故障处置关系；其中，故障处置要点是故障处置实体，故障处置关系为各故障处置要点之间的逻辑关系。

步骤4包括：

步骤4.1，对于单一故障对象，采集与故障对象所在电网存在电气连接的设备清单和事件清单；以设备清单作为故障处置要点训练集，以事件清单作为故障处置关系训练集；

步骤4.2，利用故障处置要点训练集，基于双向长短期记忆网络-条件随机场算法对故障处置知识抽取模型进行第一次训练，由第一次训练所得的故障处置知识抽取模型输出故障处置要点的识别结果；

步骤4.3，利用故障处置关系训练集，基于卷积神经网络算法对已经经过第一次训练后的故障处置知识抽取模型进行第二次训练，由第二次训练所得的故障处置知识抽取模型输出故障处置关系的识别结果；

步骤4.4，利用训练好的故障处置知识抽取模型，对在线故障处置知识图谱进行识别，以所识别出的故障处置要点为特征，基于特征级信息融合算法，将故障处置要点和故障处置关系融合为故障处置知识；

步骤4.5，利用故障处置知识对已经经过离线扩展的知识库进行在线扩展。

一种实施知识库自适应扩展方法的知识库自适应扩展系统，包括：

离线知识库生成模块，用于以外部设备所采集的调控预案、电网运行记录、检修计划和调控作业指导书，基于自然语言处理算法对调控语料库进行处理，生成调控语料词向量；利用调控语料词向量构建调控语料库；以调控语料库对知识库进行离线扩展；

在线知识库生成模块，用于以外部设备从电网系统级故障在线诊断系统中实时获取在线故障处置知识图谱；以故障处置知识抽取模型，对在线故障处置知识图谱进行故障处置知识的识别；以所识别的故障处置知识对知识库进行在线扩展；

在线知识库生成模块中，电网系统级故障在线诊断系统，用于实时采集电网故障离线仿真数据和电网故障历史运行数据，构建电网系统级故障简单事件集合；基于复杂事件处理算法，利用电网系统级故障简单事件集合，对电网系统级故障进行在线诊断；根据电网系统级故障的在线诊断结果，构建在线故障处置知识图谱。

在线知识库生成模块，以故障处置知识抽取模型，从电网运行记录日志、检修计划、外部环境信息中识别故障处置要点和逻辑，对离线知识库故障处置知识进行细化以及在线动态更新。

一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时，使得处理器执行如下步骤：

以外部设备所采集的调控预案、电网运行记录、检修计划和调控作业指导书，基于自然语言处理算法对调控语料库进行处理，生成调控语料词向量；利用调控语料词向量构建调控语料库；以调控语料库对知识库进行离线扩展；

以外部设备实时获取在线故障处置知识图谱；以故障处置知识抽取模型，对在线故障处置知识图谱进行故障处置知识的识别；以所识别的故障处置知识对知识库进行在线扩展。

一种计算机设备，包括存储器和处理器；存储器存储有计算机程序，计算机程序被处理器执行时，使得处理器执行如下步骤：

以外部设备所采集的调控预案、电网运行记录、检修计划和调控作业指导书，基于自然语言处理算法对调控语料库进行处理，生成调控语料词向量；利用调控语料词向量构建调控语料库；以调控语料库对知识库进行离线扩展；

以外部设备实时获取在线故障处置知识图谱；以故障处置知识抽取模型，对在线故障处置知识图谱进行故障处置知识的识别；以所识别的故障处置知识对知识库进行在线扩展。

一种信息数据处理终端，用于实现知识库自适应扩展方法。

本发明的有益效果在于，与现有技术相比，针对离线建立的知识库难以全面覆盖实时故障处置情况的问题，提出一种基于在线知识滚动提取的知识库自适应扩展技术。通过建立故障处置知识滚动抽取模型从电网运行记录日志、检修计划、外部环境等信息中识别故障处置要点和逻辑，对离线知识库故障处置知识进行细化、丰富，实现故障处置知识库在线动态更新；通过在线知识滚动技术对调控知识库进行自适应拓展和更新，还提高了调控工作效率与规范化程度。

本发明的有益效果还在于，将知识库自适应扩展方法应用于多级调度故障协同处置知识库的构建中，结合电网运行业务数据、调度故障处置原则和经验，基于知识图谱技术构建调控领域知识库，为电网故障处置的信息查询、决策推理等提供高效的数据支撑；研究单一设备故障处置的知识模型构建技术，以故障设备为中心，在线触发融合知识库关联知识、电网故障分析结果等，构建设备故障处置知识模型，为设备故障处置提供知识引导；研究面向单一设备故障的处置引导技术，基于调控知识库的故障处置流程，考虑故障影响的严重程度，实现自动引导调度员按照优先级进行实时故障的快速处置。

本发明申请人结合说明书附图对本发明的实施示例做了详细的说明与描述，但是本领域技术人员应该理解，以上实施示例仅为本发明的优选实施方案，详尽的说明只是为了帮助读者更好地理解本发明精神，而并非对本发明保护范围的限制，相反，任何基于本发明的发明精神所作的任何改进或修饰都应当落在本发明的保护范围之内。