CN109840270A - 一种基于Neo4j的电网设备信息管理方法 - Google Patents

Abstract

本发明实施例提出了一种基于Neo4j的电网设备信息管理方法，包括获取知识图谱的输入内容，从输入内容中抽取知识单元；根据资源描述框架对已抽取到的知识单元进行语义描述，确定在低维空间中对高效计算实体之间的复杂语义关联；对得到的复杂语义关联内容进行以Neo4j数据模型为基础的数据库建模，根据建立的模型确定电网设备之间的拓扑关系。通过Neo4j进行设备信息管理能够保证数据的完整性，兼顾电网的拓扑特性，解决使用关系型数据库进行电网设备信息管理出现的并发读写性能不高、模型属性增减不灵活以及拓扑分析性能低下等问题，提高电网设备信息检索和提取效率。

Description

一种基于Neo4j的电网设备信息管理方法

技术领域

本发明属于信息管理领域，尤其涉及一种基于Neo4j的电网设备信息管理方法。

背景技术

电网信息是支撑电网正常运行的基础，电网设备台账信息形式多样，随着电网智能化和信息化不断发展，电力设备数量和种类快速增加，设备更新换代也越来越快，对设备的跟踪管理、维修保障等问题日益凸显。传统电网信息系统数据储存大多采用关系型数据库，数据实体间的关联关系以主键和外键的形式存储在实体属性中，在执行复杂连接、嵌套查询时效率低下。尤其在数据规模和数据复杂程度快速增加的背景下，不能很好适应电网设备信息的动态性，容易导致数据冗余和性能损失等问题，也难以支持类似“(连接)设备的设备”这样的多层次复杂数据结构查询。

发明内容

为了解决现有技术中存在的缺点和不足，本发明提出了一种基于Neo4j的电网设备信息管理方法，所述信息管理方法包括：

获取知识图谱的输入内容，从输入内容中抽取知识单元；

根据资源描述框架对已抽取到的知识单元进行语义描述，确定在低维空间中对高效计算实体之间的复杂语义关联；

对得到的复杂语义关联内容进行以Neo4j数据模型为基础的数据库建模，根据建立的模型确定电网设备之间的拓扑关系。

可选的，所述获取知识图谱的输入内容，从输入内容中抽取知识单元包括：

对与电网设备相关的自然语言文本或多媒体内容文档以自动化的方式抽取出包含实体、关系以及属性共三个知识要素的知识单元。

可选的，所述对得到的复杂语义关联内容进行以Neo4j数据模型为基础的数据库建模，根据建立的模型确定电网设备之间的拓扑关系，包括：

挑选出设备管理系统、营销系统中与电网设备相关的数据，以电网设备拓扑相关数据为收集对象，对已得到的数据进行关系梳理；

根据设备管理系统、营销系统中的电网设备拓扑信息进行关键字段筛选，确定关键字段之间的关联性以及包含关键字段的数据表之间的关联性；

结合Neo4j技术，将电网设备转化为图数据库中的实体节点，将设备之间的连接方式表现为线条关系，构建直观高效的电网设备数据图谱。

本发明提供的技术方案带来的有益效果是：

通过Neo4j进行设备信息管理能够保证数据的完整性，兼顾电网的拓扑特性，解决使用关系型数据库进行电网设备信息管理出现的并发读写性能不高、模型属性增减不灵活以及拓扑分析性能低下等问题，提高电网设备信息检索和提取效率。

附图说明

为了更清楚地说明本发明的技术方案，下面将对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为本实施例提出的一种基于Neo4j的电网设备信息管理方法的流程示意图；

图2为本实施例提出的基于Neo4j的电网设备图数据库模型结构示意图。

具体实施方式

为使本发明的结构和优点更加清楚，下面将结合附图对本发明的结构作进一步地描述。

实施例一

随着大数据技术的发展，数据库管理技术也不断取得进展。针对大数据管理的新需求，出现了许多面向特定应用的NoSQL数据库系统，其中基于图论的数据库系统(图数据库)是一种典型的NoSQL数据库，其将内部存储的数据组织为属性图逻辑模型，将关系数据库隐藏在属性值中的关联关系独立成属性图模型中的直接连接实体的边，并采用拓扑运算代替传统的关系运算，从而高效执行复杂连接、嵌套查询。该发明主要一是为了解决使用关系型数据库进行电网设备信息管理出现的并发读写性能不高、模型属性增减不灵活以及拓扑分析性能低下等问题，提高电网设备信息检索和提取效率。二是能够保证数据的完整性，兼顾电网的拓扑特性，有利于从图论的角度挖掘数据网络的基本参数，如节点度、节点介数等。三是，利用Neo4j高效的数据检索性能和丰富的图论算法拓展出有关电网设备的拓扑算法。

本发明实施例提出了一种基于Neo4j的电网设备信息管理方法，所述信息管理方法包括：

11、获取知识图谱的输入内容，从输入内容中抽取知识单元；

12、根据资源描述框架对已抽取到的知识单元进行语义描述，确定在低维空间中对高效计算实体之间的复杂语义关联；

13、对得到的复杂语义关联内容进行以Neo4j数据模型为基础的数据库建模，根据建立的模型确定电网设备之间的拓扑关系。

在实施中，知识图谱的体系架构是其指构建模式结构。知识图谱构建从最原始的数据(包括结构化、半结构化、非结构化数据)出发，采用一系列自动或者半自动的技术手段，从原始数据库和第三方数据库中提取知识事实，并将其存入知识库的数据层和模式层，这一过程包含：信息抽取、知识表示、知识融合、知识推理四个过程，每一次更新迭代均包含这四个阶段。

信息抽取主要是面向开放的链接数据，通常典型的输入是自然语言文本或者多媒体内容文档等。

知识表示方法主要是以RDF(Resource Description Framework资源描述框架)的三元组SPO(subject,predicate,object)来符号性描述实体之间的关系。此外，基于深度学习技术的知识表示可以将实体的语义信息表示为稠密低维实值向量，进而在低维空间中高效计算实体、关系及其之间的复杂语义关联。

通过知识提取，实现了从非结构化和半结构化数据中获取实体、关系以及实体属性信息的目标。但是由于知识来源广泛，存在知识质量良莠不齐、来自不同数据源的知识重复、层次结构缺失等问题，所以必须要进行知识的融合。实体对齐主要是用于消除异构数据中实体冲突、指向不明等不一致性问题，可以从顶层创建一个大规模的统一知识库，从而帮助机器理解多源异质的数据，形成高质量的知识。

知识推理则是在已有的知识库基础上进一步挖掘隐含的知识，从而丰富、扩展知识库。在推理的过程中，往往需要关联规则的支持。对于推理规则的挖掘，主要还是依赖于实体以及关系间的丰富同现情况。知识推理的对象可以是实体、实体的属性、实体间的关系、本体库中概念的层次结构等。知识推理方法主要可分为基于逻辑的推理与基于图的推理两种类别。

本发明方法属于信息技术领域，是一种数据存储和管理方法，该方法可以解决内部关系复杂、动态变化的电网设备信息的存储和管理问题，能够提高信息检索和提取效率。

可选的，所述获取知识图谱的输入内容，从输入内容中抽取知识单元包括：

对与电网设备相关的自然语言文本或多媒体内容文档以自动化的方式抽取出包含实体、关系以及属性共三个知识要素的知识单元。

在实施中，对于知识抽取的具体步骤为通过自动化或者半自动化的技术抽取出可用的知识单元，知识单元主要包括实体、关系以及属性3个知识要素，并以此为基础，形成一系列高质量的事实表达，为上层模式层的构建奠定基础。实体抽取也称为命名实体学习或命名实体识别，从原始数据语料中自动识别出命名实体。由于实体是知识图谱中的最基本元素，其抽取的完整性、准确率、召回率等将直接影响到知识图谱构建的质量。关系抽取的目标是解决实体语义链接的问题。关系的基本信息包括参数类型、满足此关系的元组模式等。属性提取的任务是为每个本体语义类构造属性列表，而属性值提取则为一个语义类的实体附加属性值。属性和属性值的抽取能够形成完整的实体概念的知识图谱维度。

可选的，所述对得到的复杂语义关联内容进行以Neo4j数据模型为基础的数据库建模，根据建立的模型确定电网设备之间的拓扑关系，包括：

挑选出设备管理系统、营销系统中与电网设备相关的数据，以电网设备拓扑相关数据为收集对象，对已得到的数据进行关系梳理；

根据设备管理系统、营销系统中的电网设备拓扑信息进行关键字段筛选，确定关键字段之间的关联性以及包含关键字段的数据表之间的关联性；

结合Neo4j技术，将电网设备转化为图数据库中的实体节点，将设备之间的连接方式表现为线条关系，构建直观高效的电网设备数据图谱。

在实施中，Neo4j是基于Java的图形数据库，是目前主流的图数据库之一，具有高可扩展性、高可靠性特点。Neo4j使用图的概念描述数据，以节点以及节点和节点之间的关系的方式将数据存储在图中，可以有效处理设备属性与属性之间的关系的建模。

基于Neo4j的电网设备图数据库建模，遵循国际通用的CIM模型，以Neo4j数据库构建数据接口体系，从而实现电网设备参数及其运行方式等数据以图形的形式存储，基于Neo4j的电网设备图数据库模型如图2所示，节点(node)与关系(relationship)构成有向图形，再将属性(property)赋予节点/关系，则构成基于Neo4j的电网设备图数据库模型。其中

1)节点：表示一个具体设备，根据实际需求可以是一个变压器也可以是一个开关。

2)关系：表示设备间的关联，可以带方向，例如某个电气设备A和电气设备B之间是双向连通的，则表示A<＝>B，如果A和B是单向连通的，则表示为A＝>B或B＝>A。

3)属性:表示点和边(关系)具备的属性，这些属性不做具体约束且属性可以动态更新，例如设备类型、设备型号、设备名称、生成厂家、出厂日期等。

Neo4j数据库利用Cypher语言完成设备资源属性描述。Neo4j中节点用org.neo4j.graphdb.Node接口表示，关系用org.neo4j.graphdb.Relationship接口表示，两个节点之间的关系由起始节点、终止节点和类型等3个要素组成，类型用来区分节点之间意义不同的关系，关系的类型

org.neo4j.graphdb.RelationshipType接口表示。可以将设备的关系类型定义为：

relationship＝{part-of(整体与局部关系),kind-of(继承关系),instance-of(实例关系),attribute-of(属性关系)}

节点或关系可以拥有多个属性，属性操作方法声明使用org.neo4j.graphdb.PropertyContainer接口，PropertyContainer接口中常用的方法包括getProperty(获取属性值)和setProperty(设置属性值)。

基于Neo4j进行电网设备数据整合将设备抽象为节点，设备连接关系抽象为边，设备的电气属性和连接属性抽象为节点和边的属性。通过Neo4j进行设备信息管理能够保证数据的完整性，兼顾电网的拓扑特性，有利于从图论的角度挖掘数据网络的基本参数，如节点度、节点介数等。此外，利用Neo4j高效的数据检索性能和丰富的图论算法可以拓展出多种电网行业的拓扑算法。

上述实施例中的各个序号仅仅为了描述，不代表各部件的组装或使用过程中的先后顺序。

以上所述仅为本发明的实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种基于Neo4j的电网设备信息管理方法，其特征在于，所述信息管理方法包括：

获取知识图谱的输入内容，从输入内容中抽取知识单元；

根据资源描述框架对已抽取到的知识单元进行语义描述，确定在低维空间中对高效计算实体之间的复杂语义关联；

对得到的复杂语义关联内容进行以Neo4j数据模型为基础的数据库建模，根据建立的模型确定电网设备之间的拓扑关系。

2.根据权利要求1所述的基于Neo4j的电网设备信息管理方法，其特征在于，所述获取知识图谱的输入内容，从输入内容中抽取知识单元包括：

对与电网设备相关的自然语言文本或多媒体内容文档以自动化的方式抽取出包含实体、关系以及属性共三个知识要素的知识单元。

3.根据权利要求1所述的基于Neo4j的电网设备信息管理方法，其特征在于，所述对得到的复杂语义关联内容进行以Neo4j数据模型为基础的数据库建模，根据建立的模型确定电网设备之间的拓扑关系，包括：

挑选出设备管理系统、营销系统中与电网设备相关的数据，以电网设备拓扑相关数据为收集对象，对已得到的数据进行关系梳理；

根据设备管理系统、营销系统中的电网设备拓扑信息进行关键字段筛选，确定关键字段之间的关联性以及包含关键字段的数据表之间的关联性；

结合Neo4j技术，将电网设备转化为图数据库中的实体节点，将设备之间的连接方式表现为线条关系，构建直观高效的电网设备数据图谱。