CN111768077B - 一种基于知识图谱的电网跳闸事件智能识别方法 - Google Patents

Abstract

本发明公开了一种基于知识图谱的电网跳闸事件智能识别方法，基于人工智能领域中的知识图谱技术、自然语言处理技术，结合电力系统知识特性，深入研究监控业务工作流程以及电网跳闸事件判断逻辑，基于对电网跳闸事件历史样本数据的学习，经过知识抽取、融合，构建电网跳闸事件知识三元组模型，形成各实体间关联关系，对存在不确定性的信息完成消歧，降低因人员维护不当或专业壁垒导致的理解差异，实现对电网跳闸事件的智能识别，并基于知识图谱进行知识推理，结合相关电网状态感知完成交叉确认和跟多信息搜集，有效减轻电网监控人员业务压力的同时提高电网跳闸事件响应效率。

Description

一种基于知识图谱的电网跳闸事件智能识别方法

技术领域

本发明属于电力系统技术领域，尤其涉及电网跳闸事件的智能判断技术。

背景技术

随着电力系统的快速发展、各类新能源和新型负荷的接入，电网的运行方式日趋复杂，调度员需要判断的对象规模庞大、状态随机性强、指令失误的后果严重，个人经验不足以确保操作的安全可靠。同时，随着机器学习、自然语言处理、知识图谱等人工智能技术的发展，使得由辅助决策机器人智能感知电网状态，解析文本类自然语言的工作逻辑内涵，根据知识图谱的实体关联逻辑多维度融合人工经验，基于电网模行和历史经验，通过拓扑分析和态势感知对判断电网跳闸事件的需求显得尤为迫切。

发明内容

为了克服现有技术的缺陷，本发明所要解决的技术问题就是提供一种基于知识图谱的电网跳闸事件智能识别方法，有效减轻电网监控人员业务压力的同时提高电网跳闸事件响应效率。

为解决上述技术问题，本发明采用如下技术方案：一种基于知识图谱的电网跳闸事件智能识别方法，包括如下步骤：

步骤1：从数据库获取电网历史样本数据，完成知识获取，所述电网历史样本数据包括电网异常历史数据、历史监控数据和电网模型；

步骤2：结合分词及语义依存分析技术对历史样本数据进行处理，提取特征信息，完成知识抽取；

步骤3：对知识抽取结果进行完整性检查，并完成语义消歧与数据融合，实现电网异常知识融合；

步骤4：构建电网跳闸事件的三元组RDF的数据结构，将电网异常知识进行结构化存储；

步骤5：基于电力系统专家判别电网跳闸事件的经验形成逻辑规则，结合知识图谱构建知识推理机制；

步骤6：在线监测电网监控告警信息与设备量测信息，根据知识推理机制，依据电网异常判断逻辑规则，识别电网跳闸事件，根据知识图谱获取关联信息，生成电网跳闸事件报告。

优选的，所述电网异常历史数据包括电网历史跳闸事故数据，数据量不小于样本地区一年历史记录；所述历史监控数据包括同样本电网异常历史数据同期的监控告警信号、主要设备量测数据；所述的电网模型包括变电站、电气一次设备、二次保护设备的模型及台账，以及电气一次接线图与拓扑节点连接关系。

优选的，所述步骤2的具体实现方法为：

(1)提取跳闸事故历史样本数据中的结构化有效数据，并对非结构化文本内容使用分词和语义依存分析技术进行处理，提取文本内关键信息；

(2)抽取文本中的信息元素，完成实体抽取；

(3)预定义部分实体关系间的语法构成，按照预定义关系形成规则模板，结合电网模型已有的数据结构，实现基于模式匹配的方法完成关系抽取，同步完成针对不同实体的属性抽取。

优选的，所述步骤3的具体实现方法为：

(1)按照监控信号描述标准规范预先定义模板规则，通过关键字识别，自动实现监控数据的规范化、结构化清洗，将数据加工清洗为计算机可理解的标准化数据，消除不规范的描述以及语法错误形成的监控告警信息歧义；

(2)针对实体属性进行消歧，消除表述不一现象，消歧使用的方法包括大小写匹配、缩写匹配、预编规则的模板匹配。

优选的，所述步骤4的具体实现方法为：

(1)构建电网跳闸事件实体三元组数据结构，存储实体到其他实体之间的关系；

(2)构建实体、属性和数据结构之间的映射关系，其中实体对应到具体数据表，属性对应到具体数据表具体字段。

优选的，所述步骤5的具体实现方法为：

(1)基于电力系统专家经验，将人工判断电网跳闸事件的判据形成逻辑规则，并进行结构化存储；

(2)结合电网跳闸事件实体间关联关系，推导电网跳闸事件，形成知识推理机制。

优选的，所述步骤6的具体实现方法为：

(1)对告警信息进行在线监控，如检测到满足某一电网跳闸事件判断标准的告警信号发出，执行知识推理进程；

(2)根据知识关系图谱，获取告警信号关联的电气设备实体及相关电网模型实体，获取实体对应的其他监控告警信息及在线量测值进行交叉确认是否发生电网跳闸事件；

(3)如发生电网跳闸事件，追溯电网知识图谱中实体关系，推理出事件关联的要素信息，将电网跳闸关联信息进行汇总，形成电网跳闸事件报告，所述电网跳闸关联信息包括所在厂站、涉及电气设备、异常事件类型、当前状态。

本发明基于人工智能领域中的知识图谱技术、自然语言处理技术，结合电力系统知识特性，深入研究监控业务工作流程以及电网跳闸事件判断逻辑，基于对电网跳闸事件历史样本数据的学习，经过知识抽取、融合，构建电网跳闸事件知识三元组模型，形成各实体间关联关系，对存在不确定性的信息完成消歧，降低因人员维护不当或专业壁垒导致的理解差异，实现对电网跳闸事件的智能识别，并基于知识图谱进行知识推理，结合相关电网状态感知完成交叉确认和跟多信息搜集，有效减轻电网监控人员业务压力的同时提高电网跳闸事件响应效率。

本发明的具体技术方案及其有益效果将会在下面的具体实施方式中结合附图进行详细的说明。

附图说明

下面结合附图和具体实施方式对本发明作进一步描述：

图1为本发明实施例流程图。

图2为本发明实施例的实体关系图。

具体实施方式

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实施例，而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。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，都属于本发明保护的范围。

本发明为解决监控信息编制不规范导致理解偏差、人员专业背景存在局限性、电网模型维护不当、各电力系统之间信息关联性不强等问题，提出了一种基于知识图谱的电网跳闸事件智能识别方法。参考图1和图2所示，具体实施步骤如下：

步骤1：从数据库获取电网历史样本数据，完成知识获取，所述电网历史样本数据包括电网异常历史数据、历史监控数据和电网模型；

步骤2：结合分词及语义依存分析技术对历史样本数据进行处理，提取特征信息，完成知识抽取；

步骤3：对知识抽取结果进行完整性检查，并完成语义消歧与数据融合，实现电网异常知识融合；

步骤4：构建电网跳闸事件的三元组RDF的数据结构，将电网异常知识进行结构化存储；

步骤5：基于电力系统专家判别电网跳闸事件的经验形成逻辑规则，结合知识图谱构建知识推理机制；

步骤6：在线监测电网监控告警信息与设备量测信息，根据知识推理机制，依据电网异常判断逻辑规则，识别电网跳闸事件，根据知识图谱获取关联信息，生成电网跳闸事件报告。

其中，所示步骤1的具体实现方法为：

通过备份数据库或离线文件的形式导出样本地区一年以上的电网历史跳闸事故数据、电网监控告警信号、主要电气设备量测数据、电网模型、设备台账，电气一次接线图、拓扑节点连接关系。

将备份的历史样本数据在本地数据库完成数据结构和历史样本数据还原工作。

所示步骤2的具体实现方法为：

提取跳闸事故历史样本数据中的结构化有效数据。

以某线路跳闸事故的一例电网事件为例，跳闸记录如“xx年xx月xx日xx时xx分监控李某报110kV样A变35kV样一线跳闸，317开关过流Ⅱ段动作跳闸，重合闸失败。输电线路运维班及时抢修，于当日xx时xx分完成抢修工作，恢复线路送电，事故造成样B变、样C变两座变电站失压，样二线、样三线、样四线中断供电10小时，影响供电7000余户，影响严重”，提取结构化信息包括跳闸线路、事故发生时间、提报人员等信息。

对非结构化文本内容使用分词和语义依存分析技术进行处理，提取文本内关键信息。其中，关键信息主要指对后续分析拓扑、辨识设备状态以及对表达告警信息信号释义有帮助的字段，尤其指设备名称、设备间隔编号、设备编号以及人工整理的标准信号规则库匹配特征点信息，例如“317开关过流Ⅱ段动作跳闸”、“重合闸失败”、“影响供电7000余户”、“影响严重”等信息。

抽取文本中的结构化信息元素，具象化为实体，在本例中抽取实体具体为：线路跳闸影响厂站，抽取“样A变”为“变电站”实体，受影响的相关线路，抽取“样一线”为“交流线路”实体，电网跳闸事件类型，抽取“线路跳闸”为“跳闸类型”实体，同样可抽取“告警信息”、“用户”等。

预定义实体关系间的语法构成，按照预定义关系形成规则模板，结合电网模型已有的数据结构，实现基于模式匹配的方法完成关系抽取，同步完成针对不同实体的属性抽取。对照传统关系型数据库存储的结构化数据对象，其中实体表征为数据表，属性表征为表中的各列，关系可表征为表之间关联的外键，例如，线路表(ACLINE)中,通常含有线路名称(LINE_NAME)、线路类型(LINE_TYPE)、线路长度(LENGTH)等，其中我们抽取了“交流线路”实体，即(ACLINE)，对应交流线路即可抽取线路名称、线路类型、线路长度等作为属性，将线路同首末端厂站编号化为“线路-厂站”间的“连接”关系。推及本例中，基于电力系统知识可知线路跳闸将影响线路首末端厂站，基于专家经验可知根据告警信息一定程度上可推断线路发生跳闸，即有厂站和线路两实体之间“连接”关系、跳闸和设备告警信息之间“触发”关系，同时基于线路实体有首端厂站编号、尾端厂站编号等重要属性，对于跳闸事件来说有事故严重等级这一重要属性。

所述步骤3的具体实现方法为：

在进行实体、关系、属性抽取的基础上，需要完成事件匹配规则模板，例如本例中告警信息处理。

按照监控信号描述标准规范预先定义模板规则，如预先将“重合闸失败”、“重合闸不成功”统一识别为“重合闸不成功”，通过关键字识别，自动实现监控数据的规范化、结构化清洗，消除因告警信号不规范引起的歧义。

使用大小写匹配、缩写匹配、预编规则的模板匹配等方法针对实体属性进行消歧，消除因人工录入、数据来源差异等问题引起的表述不一现象，例如317开关的一条属性为生产厂家，台账中填报为“山东AAA二厂”，对应系统中标准厂家名称“中国山东AAA工业二厂”，在此过程进行实体属性的规范化清洗。

所述步骤4的具体实现方法为：

构建电网跳闸事件实体三元组数据结构，存储实体到其他实体之间的关系，除部分标识信息外，核心字段为“前实体”、“关系”、“后实体”。

构建实体、属性和数据结构之间的映射关系，其中实体对应到具体数据表，属性对应到具体数据表具体字段，如具体到本例中存储“变电站”实体对应实体对象所在数据表，以此构建知识图谱在数据库中的存储形式，形成知识图谱。

所述步骤5的具体实现方法为：

基于电力系统专家经验，将人工判断电网跳闸事件的判据形成逻辑规则，并进行结构化存储，如将线路相关开关“xxx段过流保护动作”以及“重合闸不成功”作为线路跳闸的判据(本例中为进行直观说明举例，真实情况下判据将更加多样)。

结合电网跳闸事件实体间关联关系，推导电网跳闸事件，形成知识推理机制。

所述步骤6的具体实现方法为：

对告警信息进行在线监控，如检测到满足线路跳闸事件判断标准的告警信号发出，执行知识推理进程。

例如监测到“样C变325开关过流保护动作”以及“开关重合闸失败”的告警信号，根据知识推理机，得知可能有线路跳闸发生，获取开关关联的线路，获取遥测量电流值，交叉确认是否发生线路跳闸事件。

如发生线路跳闸事件，可追溯电网知识图谱中实体关系，推理出事件关联的要素信息，如首末端变电站，根据拓扑连接关系推导受影响的线路、根据配电网用户供电路径，得到受影响用户户数等信息，将各类信息聚合关联形成线路跳闸事件报告。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，熟悉该本领域的技术人员应该明白本发明包括但不限于上面具体实施方式中描述的内容。任何不偏离本发明的功能和结构原理的修改都将包括在权利要求书的范围中。

Claims (7)

1.一种基于知识图谱的电网跳闸事件智能识别方法，其特征在于包括如下步骤：

步骤1：从数据库获取电网历史样本数据，完成知识获取，所述电网历史样本数据包括电网异常历史数据、历史监控数据和电网模型；

步骤2：结合分词及语义依存分析技术对历史样本数据进行处理，提取特征信息，完成知识抽取；

步骤3：对知识抽取结果进行完整性检查，并完成语义消歧与数据融合，实现电网异常知识融合；

步骤4：构建电网跳闸事件的三元组RDF的数据结构，将电网异常知识进行结构化存储；

步骤5：基于电力系统专家判别电网跳闸事件的经验形成逻辑规则，结合知识图谱构建知识推理机制；

步骤6：在线监测电网监控告警信息与设备量测信息，根据知识推理机制，依据电网异常判断逻辑规则，识别电网跳闸事件，根据知识图谱获取关联信息，生成电网跳闸事件报告。

2.根据权利要求1所述的一种基于知识图谱的电网跳闸事件智能识别方法，其特征在于：所述电网异常历史数据包括电网历史跳闸事故数据，数据量不小于样本地区一年历史记录；所述历史监控数据包括同样本电网异常历史数据同期的监控告警信号、主要设备量测数据；所述的电网模型包括变电站、电气一次设备、二次保护设备的模型及台账，以及电气一次接线图与拓扑节点连接关系。

3.根据权利要求2所述的一种基于知识图谱的电网跳闸事件智能识别方法，其特征在于：所述步骤2的具体实现方法为：

(1)提取跳闸事故历史样本数据中的结构化有效数据，并对非结构化文本内容使用分词和语义依存分析技术进行处理，提取文本内关键信息；

(2)抽取文本中的信息元素，完成实体抽取；

(3)预定义部分实体关系间的语法构成，按照预定义关系形成规则模板，结合电网模型已有的数据结构，实现基于模式匹配的方法完成关系抽取，同步完成针对不同实体的属性抽取。

4.根据权利要求3所述的一种基于知识图谱的电网跳闸事件智能识别方法，其特征在于：所述步骤3的具体实现方法为：

(1)按照监控信号描述标准规范预先定义模板规则，通过关键字识别，自动实现监控数据的规范化、结构化清洗，将数据加工清洗为计算机可理解的标准化数据，消除不规范的描述以及语法错误形成的监控告警信息歧义；

(2)针对实体属性进行消歧，消除表述不一现象，消歧使用的方法包括大小写匹配、缩写匹配、预编规则的模板匹配。

5.根据权利要求4所述的一种基于知识图谱的电网跳闸事件智能识别方法，其特征在于：所述步骤4的具体实现方法为：

(1)构建电网跳闸事件实体三元组数据结构，存储实体到其他实体之间的关系；

(2)构建实体、属性和数据结构之间的映射关系，其中实体对应到具体数据表，属性对应到具体数据表具体字段。

6.根据权利要求5所述的一种基于知识图谱的电网跳闸事件智能识别方法，其特征在于：所述步骤5的具体实现方法为：

(1)基于电力系统专家经验，将人工判断电网跳闸事件的判据形成逻辑规则，并进行结构化存储；

(2)结合电网跳闸事件实体间关联关系，推导电网跳闸事件，形成知识推理机制。

7.根据权利要求6所述的一种基于知识图谱的电网跳闸事件智能识别方法，其特征在于：所述步骤6的具体实现方法为：

(1)对告警信息进行在线监控，如检测到满足某一电网跳闸事件判断标准的告警信号发出，执行知识推理进程；

(2)根据知识关系图谱，获取告警信号关联的电气设备实体及相关电网模型实体，获取实体对应的其他监控告警信息及在线量测值进行交叉确认是否发生电网跳闸事件；

(3)如发生电网跳闸事件，追溯电网知识图谱中实体关系，推理出事件关联的要素信息，将电网跳闸关联信息进行汇总，形成电网跳闸事件报告，所述电网跳闸关联信息包括所在厂站、涉及电气设备、异常事件类型、当前状态。