CN113140219A - 调控指令生成方法、装置、电子设备及存储介质 - Google Patents
调控指令生成方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113140219A CN113140219A CN202110498149.7A CN202110498149A CN113140219A CN 113140219 A CN113140219 A CN 113140219A CN 202110498149 A CN202110498149 A CN 202110498149A CN 113140219 A CN113140219 A CN 113140219A
- Authority
- CN
- China
- Prior art keywords
- regulation
- target
- control
- control instruction
- instruction
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 239000013598 vector Substances 0.000 claims description 51
- 230000001105 regulatory effect Effects 0.000 claims description 24
- 238000006243 chemical reaction Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 14
- 230000011218 segmentation Effects 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 abstract description 10
- 230000004044 response Effects 0.000 abstract description 6
- 230000008569 process Effects 0.000 description 18
- 238000004422 calculation algorithm Methods 0.000 description 12
- 238000012549 training Methods 0.000 description 8
- 230000001276 controlling effect Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 238000003058 natural language processing Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000012795 verification Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
- G10L15/16—Speech classification or search using artificial neural networks
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
- G10L15/18—Speech classification or search using natural language modelling
- G10L15/1822—Parsing for meaning understanding
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
- G10L2015/223—Execution procedure of a spoken command
Abstract
本发明实施例公开了一种调控指令生成方法、装置、电子设备及存储介质,该方法包括:获取调控语音信息;将所述调控语音信息输入至预先训练好的调控指令生成模型中,得到与所述调控语音信息相对应的待发送调控指令;确定与所述调控语音信息相对应的目标用户标识;基于所述目标用户标识和所述待发送调控指令,生成目标调控指令。本发明实施例的技术方案,在工作人员发出调控语音后,能够自动生成与该工作人员相对应的目标调控指令,减少了指令传达过程中人力资源以及时间的消耗,提高了调度任务的响应速度。
Description
技术领域
本发明实施例涉及电力调度技术领域,尤其涉及一种调控指令生成方法、装置、电子设备及存储介质。
背景技术
电力调度与控制业务是供电企业的一项重要工作,各级电网调控中心便是负责电网运行过程中组织、指挥、指导和协调工作的机构,因此,调控中心的值班调度员在值班期间就充当了电力系统运行和操作的直接指挥人,调度员需要按照调控中心对电网运行状态的实时分析结果或作业现场发送的调度申请,在批准的调度管辖范围内下达调控指令以行使指挥权。
现有技术中,调度员常用的向下级调控中心或作业现场下达调控指令的方式有两种:第一种方式为调度员向系统手动录入调控指令,或在系统的多个调控指令中进行选择,进一步打印生成书面指令,这种下达指令的方式速度较慢,录入或选择指令的过程无形中增加了调度员的工作量,拉长了指令传达的时间;第二种方式为调度员通过电话的方式向下级受令者传达口头的调控指令,然而,由于调控中心人员众多,不可避免地会存在较多噪音,下级受令者无法轻易辨识出对方是否为与调度指令对应的调度员,且可能因嘈杂的环境对指令的理解出现偏差。
因此,相关技术提供的调度员下达调控指令的方案中,指令传达的智能化程度低,事务性、程式化的基础工作占用了多级工作人员很多的时间和精力,降低了调度人员操作的响应速度,使调度员无法专注于对电网运行状况的监视及风险分析。
发明内容
本发明提供一种调控指令生成方法、装置、电子设备及存储介质,以在获取调控语音信息后自动生成目标调控指令,减少指令传达过程中人力资源以及时间的消耗,提高调度任务的响应速度。
第一方面,本发明实施例提供了一种调控指令生成方法,该方法包括:
获取调控语音信息;
将所述调控语音信息输入至预先训练好的调控指令生成模型中,得到与所述调控语音信息相对应的待发送调控指令;
确定与所述调控语音信息相对应的目标用户标识;
基于所述目标用户标识和所述待发送调控指令,生成目标调控指令。
第二方面,本发明实施例还提供了一种调控指令生成装置,该装置包括:
调控语音信息获取模块,用于获取调控语音信息;
待发送调控指令生成模块,用于将所述调控语音信息输入至预先训练好的调控指令生成模型中,得到与所述调控语音信息相对应的待发送调控指令;
目标用户标识确定模块,用于确定与所述调控语音信息相对应的目标用户标识;
目标调控指令生成模块,用于基于所述目标用户标识和所述待发送调控指令,生成目标调控指令。
第三方面,本发明实施例还提供了一种电子设备,所述电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本发明实施例任一所述的调控指令生成方法。
第四方面,本发明实施例还提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如本发明实施例任一所述的调控指令生成方法。
根据本发明实施例的技术方案,在获取调控语音信息后,能够基于预先训练好的调控指令生成模型得到对应的待发送调控指令,并确定与调控语音信息对应的目标用户标识,基于目标用户标识和待发送调控指令,生成目标调控指令,即使调度员能够更加便捷地下达调控指令,提高了调控系统中人机交互的智能化程度,减少了指令传达过程中人力资源以及时间的消耗,提高了调度任务的响应速度。
附图说明
为了更加清楚地说明本发明示例性实施例的技术方案,下面对描述实施例中所需要用到的附图做一简单介绍。显然,所介绍的附图只是本发明所要描述的一部分实施例的附图,而不是全部的附图,对于本领域普通技术人员,在不付出创造性劳动的前提下,还可以根据这些附图得到其他的附图。
图1为本发明实施例一所提供的一种调控指令生成方法的流程示意图;
图2为本发明实施例二所提供的一种调控指令生成方法的流程示意图;
图3为本发明实施例三所提供的一种调控指令生成方法的流程示意图;
图4为本发明实施例四所提供的一种调控指令生成方法的流程示意图;
图5为本发明实施例五所提供的一种调控指令生成装置的结构框图;
图6为本发明实施例六所提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一所提供的一种调控指令生成方法的流程示意图,本实施例可适用于根据调控中心工作人员向下级调控中心或作业现场传达语音调控指令时,对语音调控指令进行识别,进而自动生成目标调控指令的情况,该方法可以由调控指令生成装置来执行,该装置可以通过软件和/或硬件的形式实现,该硬件可以是电子设备,如移动终端、PC端或服务器等。
如图1所示,该方法具体包括如下步骤:
S110、获取调控语音信息。
其中,调控语音信息可以是由调控中心工作人员下达的、至少包括电力系统调控指令的信息,还可以包括与调控指令相关的时间、地点以及作业人员等信息,调控指令是与电力系统运行和操作相关的指令,例如,当调控指令为“将110kV三号线的开关由热备用转换为冷备用”时,调控语音信息即是调度员语音下达的“现在是4月12日15点20分,这里是西城区调度中心1号调度员,请一号施工队将西城区110KV三号线的开关由热备用转换为冷备用,请于当日18点前进行作业反馈”。
在本实施例中,获取调控语音信息的方式有多种,可选的,基于语音采集设备获取调控语音信息。其中,语音采集设备可以是安装有麦克风的多种语音采集装置,如与语音传输设备相连接,且包含有音频输入接口、增益放大器以及多个音频处理模块的装置;同时,语音采集设备与系统能够以有线或无线的方式相连接,本领域技术人员应当理解,具体应用何种语音接收装置以及该装置与系统的信息传输方式应根据实际情况进行选择,本公开实施例不做具体的限定。
在获取调控语音信息之后,系统既可以对该调控语音信息实施进一步的处理,也可以将该调控语音信息存储至服务器或云端后进行转发。例如,当系统获取调度员下达的调控语音信息后,可以通过算法对音频中的噪声进行处理,即,去噪处理,也可以直接将该语音信息转发至下级调控中心或作业现场。
S120、将调控语音信息输入至预先训练好的调控指令生成模型中,得到与调控语音信息相对应的待发送调控指令。
其中,调控指令生成模型可以是包括多种能够用于语义识别的算法模型,以基于输入的调控语音信息生成待发送调控指令,该模型在接收调控语音信息前已经训练完毕。例如,采用卷积神经网络作为算法模型,针对于调控中心的某一名调度员,选择该调度员某一时间段内通过电话向现场传达的500条口头调度指令作为训练集,再由语音采集设备随机采集该调度员1000条与工作相关的语音,将其中500条作为验证集,以对模型参数进行估算,其余500条作为测试集对算法性能进行评价。在使用验证集寻找到最优模型参数后,再将作为训练集的500条语音与作为验证集的500条语音混合起来组成新的训练集对模型进行多次优化,当测得算法模型的目标检测评价指标达到预设阈值后,即认为模型训练完成,此时,系统即可将获取的调控语音信息作为输入,通过该训练好的模型得到相对应的待发送调控指令。
在本实施例中,待发送调控指令即是调控语音信息经过调控指令生成模型处理后所输出的指令,该指令是以符合电力系统作业标准的语言反映出来的。需要说明的是,由于调度中心存在多名调度员都在某一时段下达调控指令的情况,即便针对于同一调度员,在对作业现场工作人员进行一次通知的过程中也可能包含多条调控指令,因此,将调控语音信息输入模型进行处理后,所得到的待发送调控指令可以有一条,也可以有多条。
S130、确定与调控语音信息相对应的目标用户标识。
其中,目标用户标识可以是与下达该调控语音的用户所对应的标识,通过对应的目标用户标识,还能进一步确定出该目标用户的多个关联信息,如,通过所确定的调度员的标识,能够得到该调度员在调控中心的编号,所负责的区域以及所下达的调控指令的历史记录,此外,目标用户标识还可以是接收该调控语音信息的工作人员的标识。
在本实施例中,当目标用户标识是与下达该调控语音的用户所对应的标识时,至少存在两种确定目标用户标识的方式,具体包括:
1)对调控语音信息进行分析记录后确定出信息中的调控指令,通过调控指令的内容确定出对应的目标用户(调度员)标识,示例性的,先针对于每个区域中的不同线路,在调控中心分别安排对应的调度员,其中,西城区110kV三号线的调度工作由1号调度员负责,当系统在某一时刻获取到多条调控语音信息时,即可对这些信息进行分析记录,当确定出其中一条信息的内容涉及“对西城区110KV三号线实施倒闸操作”时,即可得知与该调控语音信息对应的是一号调度员,进而确定其用户标识。
2)为调控中心中每个用户(调度员)部署一台语音输入装置,每个装置中都存储有对应的用户的信息,且与用户标识进行关联,同时,在每台装置输出的调控语音信息中也携带有与对应装置相关联的标识,当系统获取了调控语音信息时,即可通过信息中携带的标识确定出对应的语音输入装置,进而通过该装置确定出与之相关联的目标用户标识。其中,本公开实施例对语音输入装置中用于确定目标用户标识及用户信息的模块不做具体限定,例如,在装置中设置一基于射频识别技术(RFID,Radio Frequency Identification)的阅读器,在系统确定出语音输入装置后,由该阅读器获取RFID标签中存储的用户的信息及对应的用户标识。
在获取调控语音信息后,进一步确定出与信息对应的目标用户标识的过程,即是由调控中心自动梳理调控指令与调度员之间关系的过程,保证了每一条调控指令的可溯源性,省去了人工核对的繁琐过程,提升了该过程中的智能化的程度。
需要说明的是,若系统通过调控语音信息无法确定出目标用户标识,则将与该调控语音信息对应的待发送调控指令转发至特定的服务器进行存储,以待系统或工作人员对其进行二次甄别确认。
S140、基于目标用户标识和待发送调控指令,生成目标调控指令。
其中,目标调控指令是从待发送调控指令中确定出的、能够明确其来源的指令,同时也是需要传达到下级调控中心或作业现场工作人员的指令。例如,目标调控指令可以是由调控中心一号调度员发出的“对西城区110KV三号线实施倒闸操作”的指令。需要说明的是,为了满足安全规程的要求,目标调控指令中的信息还可以包括多种与作业任务相关的信息,如,作业人员、作业时间以及作业要求等信息,本公开实施例在此不做具体的限定。
本实施例的技术方案,在获取调控语音信息后,能够基于预先训练好的调控指令生成模型得到对应的待发送调控指令,并确定与调控语音信息对应的目标用户标识,基于目标用户标识和待发送调控指令,生成目标调控指令,即使调度员能够更加便捷地下达调控指令,提高了调控系统中人机交互的智能化程度,减少了指令传达过程中人力资源以及时间的消耗,提高了调度任务的响应速度。
实施例二
图2为本发明实施例二所提供的一种调控指令生成方法的流程示意图,在前述实施例的基础上,在基于获取的调控语音信息得到待发送调控指令的过程中,可以将调控指令生成模型解耦为语义识别子模型和调控指令组合子模型,通过将模型进行解耦,提高了生成待发送调控指令的效率。进一步的,在确定目标用户标识的过程中,还可以通过声纹特征的匹配确定出目标用户标识,以根据目标用户标识,确定下发调控指令的目标用户。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2所示,该方法具体包括如下步骤:
S210、基于语音采集设备获取调控语音信息。
S220、将调控语音信息输入至语义识别子模型中,得到与调控语音信息相对应的至少一个语义特征。
其中,由于调控中心调度员以语音的方式下达调控指令,生成的调控语音中难免存在诸多口语化的内容,因此,为了确定出调控语音中的核心信息,提升目标调控指令的生成效率,需要将调控语音信息输入至语义识别子模型中,以对调控语音的语义进行识别和分析。语义识别子模型可以是基于自然语言处理(NLP,Natural Language Process)相关深度学习算法的、预先训练好的模型。
在本实施例中,语义特征是语义识别子模型输出的与调控语音信息相对应的词语或句子,通过得到的至少一个语义特征,能够明确调控中心调度员所下达的调控指令。
示例性的,调控中心一号调度员在某一时刻发出的包括有调控指令的语音为“现在是4月12日15点20分,这里是西城区调度中心一号调度员,请一号施工队将西城区110KV三号线的开关由热备用转换为冷备用,并于当日18点前进行作业反馈,作业过程请注意安全”,将上述调控语音输入至语义识别子模型后,即可生成“西城区调度中心一号调度员”、“一号施工队”、“西城区110kV三号线开关”、“热备用转冷备用”以及“18点前反馈作业”五个语义特征,即将调度员发出的语音进行精简,减少了后续处理过程中的计算资源的占用。
S230、基于调控指令组合子模型对至少一个语义特征进行组合处理,得到待发送调控指令。
其中,在获取至少一个语义特征后,调控指令组合子模型用于将至少一个语义特征进行组合处理,即通过该模型将语义特征与电力系统调控指令相关词语或句子进行结合,生成标准化且下级受令者易于理解的待发送调控指令。
基于S220步骤中的示例对上述过程进一步说明,在生成了五个语义特征后,基于调控指令组合子模型结合这五个特征,即可得到待发送调控指令“指令来源:西城区调度中心一号调度员;作业人员:一号施工队;作业对象:西城区110kV三号线开关;作业任务:热备用转冷备用;作业反馈:18点前反馈作业”。
通过将调控指令生成模型进行解耦,使语义识别子模型对调控语音进行初步精简,调控指令组合子模型将语义特征结合相关信息后以标准化的方式进行输出,对系统中有限的算力进行了合理利用,同时提高了待发送调控指令的生成效率。
S240、提取调控语音信息的目标声纹特征。
其中,目标声纹特征是基于调控语音信息声波频谱得到的特征,用于确定下达该调控语音的调度员。提取目标声纹特征的方式有多种,如,可以利用Aubio、Essentia以及Librosa等工具或平台进行提取,也可以利用机器学习算法去除调控语音信息中的噪声后提取出目标声纹特征,本领域技术人员应当理解,具体的提取目标声纹特征的方法根据实际情况进行选择,本公开实施例不作具体的限定。
需要说明的是,在本实施例中确定目标声纹特征的原因和好处在于:提取调控语音信息中的目标声纹特征后,即可在后续处理过程中,以目标声纹特征代替调控语音信息作为被处理的对象,即明确了需要与该特征进行匹配的数据,也减少了系统所处理数据的维度。
S250、基于目标声纹特征和声纹特征库中已存储的与各个用户标识相对应的待匹配声纹特征,确定与目标声纹特征相对应的目标用户标识。
其中,声纹特征库可以是利用声纹识别技术,提取调控中心多个调度员声纹特征构成的。在声纹特征库中存储的各调度员的声纹特征即是待匹配的声纹特征,结合各个调度员的标识以索引表的形式进行存储。
可选的,声纹特征库可以采用DNN-ivector系统提取语音发出者的声纹特征,从而形成声纹特征库。
在本实施例中,将目标声纹特征与待匹配声纹特征进行匹配的过程,即是匹配声纹共性特征的过程,这些共性特征能够从多个层面进行反映,如,可以是调度员的发音、语速、语调和音量,也可以是调度员下达调控指令时对相关专业术语的使用习惯。可选的,声纹特征库需要调控中心所有调度员进行注册,并将自身多条调控语音信息作为匹配对象进行上传,将目标声纹特征与声纹特征库中所有注册者的声纹特征匹配后进行相似度计算,当相似度大于预设阈值时即证明匹配成功,进而确定出对应的目标用户标识。
在本实施例中,通过声纹特征的匹配确定出目标用户标识,能够有效避免调控中心其他人声或背景杂音的干扰。
需要说明的是,若系统无法在声纹特征库中无法匹配出与目标声纹特征相对应的目标用户标识,则将与该调控语音信息对应的待发送调控指令转发至特定的服务器进行存储,以待系统或工作人员对其进行二次甄别确认。此时,可以不生成目标调控指令。
S260、建立目标用户标识和待发送调控指令之间的对应关系,并将待发送调控指令输入至目标控件,生成目标调控指令。
其中,对应关系以映射表的形式存储于服务器或云端,用于确定目标调控指令所对应的目标用户标识,保证了待发送调控指令的可溯源性。目标控件可以是在系统中开发的用于编辑待发送调控指令的控件,具体的,在确定出待发送调控指令后,调控中心调度员需要将指令以一定的文字格式输入至目标控件,以生成目标调控指令,进一步的,目标控件生成目标调控指令后能够将其直接发送。目标控件还能与上述反映对应关系的映射表产生关联,此时,通过该目标控件生成的目标调控指令便携带有目标用户的标识。
本实施例的技术方案,在基于获取的调控语音信息得到待发送调控指令的过程中,可以将调控指令生成模型解耦为语义识别子模型和调控指令组合子模型,通过将模型进行解耦,提高了待发送调控指令的生成效率。进一步的,在确定目标用户标识的过程中,还可以通过声纹特征的匹配确定出目标用户标识,以根据目标用户标识,确定下发调控指令的目标用户。
实施例三
图3为本发明实施例三所提供的一种调控指令生成方法的流程示意图,在前述实施例的基础上,利用分词单元、特征转换单元以及向量转换单元得到语义特征,即通过对语义识别子模型的解耦,进一步提高了系统对调控语音信息的处理效率,同时,利用调控指令生成模板能够以标准化的形式生成待发送调控指令,便于计算机识别该目标调控指令,从而执行该目标调控指令。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3所示,该方法具体包括如下步骤:
S310、基于语音采集设备获取调控语音信息。
S320、基于分词单元将所述调控语音信息划分为至少一个关键词;基于特征转换单元,将至少一个关键词分别转换为关键词向量;基于各关键词向量和预先设置的目标语料库,从各关键词向量中确定出至少一个目标关键词向量;基于向量转换单元将至少一个目标关键词向量,转换为相应的目标关键词,并将目标关键词作为至少一个语义特征。
其中,分词单元能够以设置字节长度上限的方式对调控语音信息进行划分,得到至少一个关键词,例如,分词单元将字节长度上限设置为8,则调控语音信息“西城区110KV三号线实施倒闸操作”即可被划分为“西城区”、“110kV”、“三号线”、“实施”、“倒闸操作”五个关键词。
在本实施例中,得到至少一个关键词后,再基于特征转换单元将关键词转换为关键词向量,这种关键词向量属于变换域特征向量,即是对多帧语音信号进行多种变化后产生的特征向量。在此基础上,利用预先设置的目标语料库,能够确定出至少一个目标关键词向量,在实际应用中,目标语料库可以基于调控中心在不同时间段发出的多种调控指令建立,以提高与各关键词向量的相关度。所确定的目标关键词向量通过向量转换单元,能够转换出目标关键词,进而将其作为语义特征。
可选的,目标语料库包括基础语料库和指令特征库,基于各关键词向量和预先设置的目标语料库,从各关键词向量中确定出至少一个目标关键词向量,包括:
若基础语料库中包括与各关键词向量相对应的目标配置信息,则基于指令特征库中存储的历史指令信息,确定各关键词向量中的目标关键词向量。
其中,基于语料库可以是基于NLP技术对电网中基础配置信息、厂站、设备信息及各类业务信息进行预处理,并将上述信息分类后所形成的包含电网调控指令的语料库,电网的基础配置信息包括电压等级、设备类型等信息;指令特征库是对相关信息利用包裹式选择的方式进行特征选取后,建立的包含多种标准化调控命令特征的数据库,相关信息包括历史调度语言资料和电力系统相关知识,历史调度语言资料是电力调度语音系统内的调度命令录音文件,电力系统相关知识包括调度规程中的操作术语、电网各类接线方式、各逐项令以及综合令的术语描述、特定接线方式规则以及特定设备的操作规则等。
S330、确定与至少一个语义特征相对应的目标调控指令生成模板;将至少一个语义特征添加目标调控指令生成模板中,得到待发送调控指令。
其中,系统以映射表的形式存储有与不同类型的语义特征相对应的目标调控指令生成模板,基于这些模板能够生成与电力系统调控指令相关的待发送调控指令。在不同模板中设置有不同维度的信息,例如,调控信息源、调控作业时间、调控作业地点、调控作业任务等。在确定出语义特征后,系统可以将其自动填充至相对应的目标调控指令生成模板中,并将填充后的模板以特定的形式进行输出,例如,以表格或纯文本的形式输出,以此将输出的内容作为待发送调控指令。
示例性的,在得到“一号施工队”、“西城区110kV三号线开关”、“热备用转冷备用”以及“18点前反馈作业”四个语义特征后,由于这一语义特征组中包含有热备用转冷备用的信息,因此,能够确定出倒闸操作类型的目标调控指令生成模板,并将“一号施工队”、“西城区110kV三号线开关”、“热备用转冷备用”以及“18点前反馈作业”分别在模板中的“调控作业人员”、“调控作业对象”、“调控作业任务”以及“调控作业备注”的对应位置进行填充,并将填充完成后的内容以表格的形式输出,形成待发送调控指令。
S340、确定与调控语音信息相对应的目标用户标识。
S350、基于目标用户标识和待发送调控指令,生成目标调控指令。
本实施例的技术方案,利用分词单元、特征转换单元以及向量转换单元得到语义特征,即通过对语义识别子模型的解耦,进一步提高了系统对调控语音信息的处理效率,同时,利用调控指令生成模板能够以标准化的形式生成待发送调控指令,便于计算机识别该目标调控指令,从而执行该目标调控指令。
实施例四
作为上述实施例的一可选实施例,图4为本发明实施例四所提供的一种调控指令生成方法的流程示意图。为了清楚的介绍本实施例技术方案,可以以应用场景是存在多名调度员不断下发调控语音信息的调控中心为例来介绍,但是不局限于上述场景,可以适用于各种需要生成调控指令的场景中。
参见图4,在调控中心调度员下发调控指令前,先在系统中部署基础语料库以及调控下令语言特征库。其中,基于语料库可以是基于NLP技术对电网中基础配置信息、厂站、设备信息及各类业务信息进行预处理,并将上述信息分类后所形成的包含电网调控指令的语料库,电网的基础配置信息包括电压等级、设备类型等信息;调控下令语言特征库是对相关信息利用包裹式选择的方式进行特征选取后,建立的包含多种标准化调控命令特征的数据库,相关信息包括历史调度语言资料和电力系统相关知识,历史调度语言资料是电力调度语音系统内的调度命令录音文件,电力系统相关知识包括调度规程中的操作术语、电网各类接线方式、各逐项令以及综合令的术语描述、特定接线方式规则以及特定设备的操作规则等。
继续参见图4,在系统中部署基础语料库以及调控下令语言特征库后,即可基于上述语料库和特征库,生成关键词向量并进行分类,进而建立语义识别子模型。建立语义识别子模型的原因是,调控中心调度员以语音的方式下达调控指令,生成的调控语音中难免存在诸多口语化的内容,因此需要语义识别子模型确定出调控语音中的核心信息,提升目标调控指令的生成效率。在建立语义识别子模型的过程中,还可以向其中添加基于自然语言处理(NLP,Natural Language Process)的相关深度学习算法。
继续参见图4,在系统中构建声纹特征库,其中,声纹特征库可以是利用声纹识别技术,提取调控中心多个调度员声纹特征来形成,在声纹特征库中存储的各调度员的声纹特征即是待匹配的声纹特征,结合各个调度员的标识以索引表的形式进行存储。可选的,声纹特征库可以采用DNN-ivector系统提取语音发出者的声纹特征,从而形成声纹特征库。
继续参见图4,在声纹特征库和语义识别子模型构建完成后,即可基于语音采集设备提取通话下令操作,获取调控语音信息。其中,语音采集设备可以是安装有麦克风的多种语音采集装置,如与固定语音传输设备相连接的、包含有音频输入接口、增益放大器以及多个音频处理模块的装置;同时,语音采集设备与系统能够以有线或无线的方式相连接。
继续参见图4,在系统中构建调控指令生成模型,调控指令生成模型可以是包括多种能够用于语义识别的算法模型,以基于输入的调控语音信息生成待发送调控指令,该模型在接收调控语音信息前已经训练完毕。例如,采用卷积神经网络作为算法模型,针对于调控中心的某一名调度员,选择该调度员某一时间段内通过电话向现场传达的500条口头调度指令作为训练集,再由语音采集设备随机采集该调度员1000条与工作相关的语音,将其中500条作为验证集,以对模型参数进行估算,其余500条作为测试集对算法性能进行评价。在使用验证集寻找到最优模型参数后,再将作为训练集的500条语音与作为验证集的500条语音混合起来组成新的训练集对模型进行多次优化,当测得算法模型的目标检测评价指标达到预设阈值后,即认为模型训练完成,此时,系统即可将获取的调控语音信息作为输入,通过该训练好的模型得到相对应的待发送调控指令。可选的,调控指令生成模型为将所读取的调控指令历史记录作为样本,学习各区域电网的调控习惯用语所构建的包含有若干调控指令固定句式的模型。
继续参见图4,在获取调控语音信息并构建调控指令生成模型后,即可生成与目标用户标识(发出调控指令的调度员的标识)相关联的目标调控指令,其中,目标调控指令是从待发送调控指令中确定出的、能够明确其来源的指令,同时也是需要传达到下级调控中心或作业现场工作人员的指令。
上述技术方案的有益效果为:能够使调控中心调度员以更便捷的方式下达调控指令,提高了调控系统中人机交互的智能化程度,减少了指令传达过程中人力资源以及时间的消耗,提高了调度任务的响应速度。
实施例五
图5为本发明实施例五所提供的一种调控指令生成装置的结构框图,可执行本发明任意实施例所提供的调控指令生成方法,具备执行方法相应的功能模块和有益效果。如图5所示,该装置具体包括:调控语音信息获取模块510、待发送调控指令生成模块520、目标用户标识确定模块530以及目标调控指令生成模块540。
调控语音信息获取模块510,用于获取调控语音信息。
待发送调控指令生成模块520,用于将调控语音信息输入至预先训练好的调控指令生成模型中,得到与调控语音信息相对应的待发送调控指令。
目标用户标识确定模块530,用于确定与调控语音信息相对应的目标用户标识。
目标调控指令生成模块540,用于基于目标用户标识和待发送调控指令,生成目标调控指令。
可选的,调控语音信息获取模块510,还用于基于语音采集设备获取调控语音信息。
在上述各技术方案的基础上,调控指令生成模型中包括语义识别子模型和调控指令组合子模型。
可选的,待发送调控指令生成模块520,还包括语义特征确定单元以及待发送调控指令生成单元。
语义特征确定单元,用于将调控语音信息输入至语义识别子模型中,得到与调控语音信息相对应的至少一个语义特征。
待发送调控指令生成单元,用于基于调控指令组合子模型对至少一个语义特征进行组合处理,得到待发送调控指令。
在上述各技术方案的基础上,语义识别子模型中包括分词单元、特征转换单元以及向量转换单元。
可选的,语义特征确定单元,还用于基于分词单元将调控语音信息划分为至少一个关键词;基于特征转换单元,将至少一个关键词分别转换为关键词向量;基于各关键词向量和预先设置的目标语料库,从各关键词向量中确定出至少一个目标关键词向量;基于向量转换单元将至少一个目标关键词向量,转换为相应的目标关键词,并将目标关键词作为至少一个语义特征。
在上述各技术方案的基础上,目标语料库包括基础语料库和指令特征库。
可选的,语义特征确定单元,还用于若基础语料库中包括与各关键词向量相对应的目标配置信息,则基于指令特征库中存储的历史指令信息,确定各关键词向量中的目标关键词向量。
在上述各技术方案的基础上,调控指令组合子模型中包括至少一个调控指令生成模板。
可选的,待发送调控指令生成单元,还用于确定与至少一个语义特征相对应的目标调控指令生成模板;将至少一个语义特征添加目标调控指令生成模板中,得到待发送调控指令。
可选的,目标用户标识确定模块530,还用于提取调控语音信息的目标声纹特征;基于目标声纹特征和声纹特征库中已存储的与各个用户标识相对应的待匹配声纹特征,确定与目标声纹特征相对应的目标用户标识。
可选的,目标调控指令生成模块540,还用于建立目标用户标识和待发送调控指令之间的对应关系,并将待发送调控指令输入至目标控件,生成目标调控指令;其中,对应关系用于确定目标调控指令所对应的目标用户标识。
本实施例所提供的调控指令生成装置,在获取调控语音信息后,能够基于预先训练好的调控指令生成模型得到对应的待发送调控指令,并确定与调控语音信息对应的目标用户标识,基于目标用户标识和待发送调控指令,生成目标调控指令,即使调度员能够更加便捷地下达调控指令,提高了调控系统中人机交互的智能化程度,减少了指令传达过程中人力资源以及时间的消耗,提高了调度任务的响应速度。
本发明实施例所提供的调控指令生成装置可执行本发明任意实施例所提供的调控指令生成方法,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,并不用于限制本发明实施例的保护范围。
实施例六
图6为本发明实施例六所提供的一种电子设备的结构示意图。图6示出了适于用来实现本发明实施例实施方式的示例性电子设备60的框图。图6显示的电子设备60仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示,电子设备60以通用计算设备的形式表现。电子设备60的组件可以包括但不限于:一个或者多个处理器或者处理单元601,系统存储器602,连接不同系统组件(包括系统存储器602和处理单元601)的总线603。
总线603表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
电子设备60典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备60访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器602可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)604和/或高速缓存605。电子设备60可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统606可以用于读写不可移动的、非易失性磁介质(图6未显示,通常称为“硬盘驱动器”)。尽管图6中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线603相连。系统存储器602可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块607的程序/实用工具608,可以存储在例如系统存储器602中,这样的程序模块607包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块607通常执行本发明所描述的实施例中的功能和/或方法。
电子设备60也可以与一个或多个外部设备609(例如键盘、指向设备、显示器610等)通信,还可与一个或者多个使得用户能与该电子设备60交互的设备通信,和/或与使得该电子设备60能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口611进行。并且,电子设备60还可以通过网络适配器612与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器612通过总线603与电子设备60的其它模块通信。应当明白,尽管图6中未示出,可以结合电子设备60使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元601通过运行存储在系统存储器602中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的调控指令生成方法。
实施例七
本发明实施例七还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行调控指令生成方法。
该方法包括:
获取调控语音信息;
将调控语音信息输入至预先训练好的调控指令生成模型中,得到与调控语音信息相对应的待发送调控指令;
确定与调控语音信息相对应的目标用户标识;
基于目标用户标识和待发送调控指令,生成目标调控指令。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明实施例操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种调控指令生成方法,其特征在于,包括:
获取调控语音信息;
将所述调控语音信息输入至预先训练好的调控指令生成模型中,得到与所述调控语音信息相对应的待发送调控指令;
确定与所述调控语音信息相对应的目标用户标识;
基于所述目标用户标识和所述待发送调控指令,生成目标调控指令。
2.根据权利要求1所述的方法,其特征在于,所述调控指令生成模型中包括语义识别子模型和调控指令组合子模型,所述将所述调控语音信息输入至预先训练好的调控指令生成模型中,得到与所述调控语音信息相对应的待发送调控指令,包括:
将所述调控语音信息输入至所述语义识别子模型中,得到与所述调控语音信息相对应的至少一个语义特征;
基于所述调控指令组合子模型对所述至少一个语义特征进行组合处理,得到所述待发送调控指令。
3.根据权利要求2所述的方法,其特征在于,所述语义识别子模型中包括分词单元、特征转换单元以及向量转换单元,所述将所述调控语音信息输入至所述语义识别子模型中,得到与所述调控语音信息相对应的至少一个语义特征,包括:
基于所述分词单元将所述调控语音信息划分为至少一个关键词;
基于所述特征转换单元,将所述至少一个关键词分别转换为关键词向量;
基于各关键词向量和预先设置的目标语料库,从各关键词向量中确定出至少一个目标关键词向量;
基于所述向量转换单元将所述至少一个目标关键词向量,转换为相应的目标关键词,并将所述目标关键词作为所述至少一个语义特征。
4.根据权利要求3所述的方法,其特征在于,所述目标语料库包括基础语料库和指令特征库,所述基于各关键词向量和预先设置的目标语料库,从各关键词向量中确定出至少一个目标关键词向量,包括:
若所述基础语料库中包括与各关键词向量相对应的目标配置信息,则基于所述指令特征库中存储的历史指令信息,确定各关键词向量中的目标关键词向量。
5.根据权利要求2所述的方法,其特征在于,所述调控指令组合子模型中包括至少一个调控指令生成模板,所述基于所述调控指令组合子模型对所述至少一个语义特征进行组合处理,得到所述待发送调控指令,包括:
确定与所述至少一个语义特征相对应的目标调控指令生成模板;
将所述至少一个语义特征添加所述目标调控指令生成模板中,得到所述待发送调控指令。
6.根据权利要求1所述的方法,其特征在于,所述确定与所述调控语音信息相对应的目标用户标识,包括:
提取所述调控语音信息的目标声纹特征;
基于所述目标声纹特征和声纹特征库中已存储的与各个用户标识相对应的待匹配声纹特征,确定与所述目标声纹特征相对应的目标用户标识。
7.根据权利要求1所述的方法,其特征在于,所述基于所述目标用户标识和所述待发送调控指令,生成目标调控指令,包括:
建立所述目标用户标识和所述待发送调控指令之间的对应关系,并将所述待发送调控指令输入至目标控件,生成目标调控指令;
其中,所述对应关系用于确定所述目标调控指令所对应的目标用户标识。
8.一种调控指令生成装置,其特征在于,包括:
调控语音信息获取模块,用于获取调控语音信息;
待发送调控指令生成模块,用于将所述调控语音信息输入至预先训练好的调控指令生成模型中,得到与所述调控语音信息相对应的待发送调控指令;
目标用户标识确定模块,用于确定与所述调控语音信息相对应的目标用户标识;
目标调控指令生成模块,用于基于所述目标用户标识和所述待发送调控指令,生成目标调控指令。
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;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的调控指令生成方法。
10.一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7中任一所述的调控指令生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110498149.7A CN113140219A (zh) | 2021-05-08 | 2021-05-08 | 调控指令生成方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110498149.7A CN113140219A (zh) | 2021-05-08 | 2021-05-08 | 调控指令生成方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113140219A true CN113140219A (zh) | 2021-07-20 |
Family
ID=76816650
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110498149.7A Pending CN113140219A (zh) | 2021-05-08 | 2021-05-08 | 调控指令生成方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113140219A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113763949A (zh) * | 2021-07-22 | 2021-12-07 | 南方电网深圳数字电网研究院有限公司 | 语音识别修正方法、电子设备及计算机可读存储介质 |
CN113806453A (zh) * | 2021-09-18 | 2021-12-17 | 广东电网有限责任公司 | 调度操作票综合令自动确认方法、装置、终端及介质 |
CN114661010A (zh) * | 2022-03-17 | 2022-06-24 | 北京金波融安科技有限公司 | 一种基于人工智能的驱动侦测处理方法及云平台 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103985382A (zh) * | 2014-05-23 | 2014-08-13 | 国家电网公司 | 一种基于语音识别技术的电网调度辅助交互方法 |
CN108962245A (zh) * | 2018-07-06 | 2018-12-07 | 奇瑞汽车股份有限公司 | 车载系统的控制方法、装置及计算机可读存储介质 |
CN109871527A (zh) * | 2017-12-01 | 2019-06-11 | 武汉楚鼎信息技术有限公司 | 一种基于分词的语义识别方法 |
CN110045618A (zh) * | 2018-01-17 | 2019-07-23 | 佛山市顺德区美的电热电器制造有限公司 | 家电设备的控制方法、系统、服务器及计算机存储介质 |
CN110081577A (zh) * | 2019-04-30 | 2019-08-02 | 深圳创维空调科技有限公司 | 空调控制方法、装置、空调设备及存储介质 |
US20190295533A1 (en) * | 2018-01-26 | 2019-09-26 | Shanghai Xiaoi Robot Technology Co., Ltd. | Intelligent interactive method and apparatus, computer device and computer readable storage medium |
CN110783922A (zh) * | 2019-11-22 | 2020-02-11 | 广州供电局有限公司 | 电网拓扑模型的构建方法和装置、系统 |
CN111429915A (zh) * | 2020-03-31 | 2020-07-17 | 国家电网有限公司华东分部 | 一种基于语音识别的调度系统及调度方法 |
CN111489748A (zh) * | 2019-10-18 | 2020-08-04 | 广西电网有限责任公司 | 一种调度智能语音辅助系统 |
-
2021
- 2021-05-08 CN CN202110498149.7A patent/CN113140219A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103985382A (zh) * | 2014-05-23 | 2014-08-13 | 国家电网公司 | 一种基于语音识别技术的电网调度辅助交互方法 |
CN109871527A (zh) * | 2017-12-01 | 2019-06-11 | 武汉楚鼎信息技术有限公司 | 一种基于分词的语义识别方法 |
CN110045618A (zh) * | 2018-01-17 | 2019-07-23 | 佛山市顺德区美的电热电器制造有限公司 | 家电设备的控制方法、系统、服务器及计算机存储介质 |
US20190295533A1 (en) * | 2018-01-26 | 2019-09-26 | Shanghai Xiaoi Robot Technology Co., Ltd. | Intelligent interactive method and apparatus, computer device and computer readable storage medium |
CN108962245A (zh) * | 2018-07-06 | 2018-12-07 | 奇瑞汽车股份有限公司 | 车载系统的控制方法、装置及计算机可读存储介质 |
CN110081577A (zh) * | 2019-04-30 | 2019-08-02 | 深圳创维空调科技有限公司 | 空调控制方法、装置、空调设备及存储介质 |
CN111489748A (zh) * | 2019-10-18 | 2020-08-04 | 广西电网有限责任公司 | 一种调度智能语音辅助系统 |
CN110783922A (zh) * | 2019-11-22 | 2020-02-11 | 广州供电局有限公司 | 电网拓扑模型的构建方法和装置、系统 |
CN111429915A (zh) * | 2020-03-31 | 2020-07-17 | 国家电网有限公司华东分部 | 一种基于语音识别的调度系统及调度方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113763949A (zh) * | 2021-07-22 | 2021-12-07 | 南方电网深圳数字电网研究院有限公司 | 语音识别修正方法、电子设备及计算机可读存储介质 |
CN113806453A (zh) * | 2021-09-18 | 2021-12-17 | 广东电网有限责任公司 | 调度操作票综合令自动确认方法、装置、终端及介质 |
CN114661010A (zh) * | 2022-03-17 | 2022-06-24 | 北京金波融安科技有限公司 | 一种基于人工智能的驱动侦测处理方法及云平台 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113140219A (zh) | 调控指令生成方法、装置、电子设备及存储介质 | |
CN107657017A (zh) | 用于提供语音服务的方法和装置 | |
CN112599124A (zh) | 一种面向电网调度的语音调度方法及系统 | |
CN109241330A (zh) | 用于识别音频中的关键短语的方法、装置、设备和介质 | |
CN112328761B (zh) | 一种意图标签设置方法、装置、计算机设备及存储介质 | |
CN110765759A (zh) | 意图识别方法及装置 | |
CN111429915A (zh) | 一种基于语音识别的调度系统及调度方法 | |
CN110689880A (zh) | 一种应用于电力调度领域的语音识别方法及装置 | |
CN113314106A (zh) | 基于语音和意图识别的电力信息查询与调控功能调用方法 | |
CN111651571A (zh) | 基于人机协同的会话实现方法、装置、设备及存储介质 | |
CN112632288A (zh) | 一种基于知识图谱的电力调度系统及方法 | |
CN110991188A (zh) | 应用于配网调度智能成票系统的成票方法 | |
CN112016327A (zh) | 基于多轮对话的智能结构化文本抽取方法、装置和电子设备 | |
CN112836521A (zh) | 问答匹配方法、装置、计算机设备及存储介质 | |
CN112035630A (zh) | 结合rpa和ai的对话交互方法、装置、设备及存储介质 | |
CN104679733B (zh) | 一种语音对话翻译方法、装置及系统 | |
CN113609264B (zh) | 电力系统节点的数据查询方法、装置 | |
CN110931002B (zh) | 人机交互方法、装置、计算机设备和存储介质 | |
CN111627447A (zh) | 一种云享智慧语音Ai说系统 | |
CN113689851B (zh) | 调度专业语言理解系统及方法 | |
CN112784024B (zh) | 一种人机对话的方法、装置、设备以及存储介质 | |
CN113948079A (zh) | 基于人工智能语音识别的配电网调度人机交互方法 | |
CN113140213A (zh) | 一种ai语音功能在配电自动化主站中的应用方法 | |
CN112818709A (zh) | 用于多用户语音会议记录标记的语音翻译系统与方法 | |
CN110349576A (zh) | 基于语音识别的电力系统操作指令执行方法、装置及系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210720 |
|
RJ01 | Rejection of invention patent application after publication |