CN116304070A - 一种基于知识图谱构建的电网应急处置方案自动生成方法 - Google Patents

一种基于知识图谱构建的电网应急处置方案自动生成方法 Download PDF

Info

Publication number
CN116304070A
CN116304070A CN202211102269.1A CN202211102269A CN116304070A CN 116304070 A CN116304070 A CN 116304070A CN 202211102269 A CN202211102269 A CN 202211102269A CN 116304070 A CN116304070 A CN 116304070A
Authority
CN
China
Prior art keywords
knowledge
power grid
emergency
entity
grid emergency
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
CN202211102269.1A
Other languages
English (en)
Inventor
周义棋
陈俊沣
张琳琳
张凯
程辉航
陈鹏冲
钟茂华
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.)
Tsinghua University
Economic and Technological Research Institute of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
Tsinghua University
Economic and Technological Research Institute of State Grid Zhejiang Electric Power 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 Tsinghua University, Economic and Technological Research Institute of State Grid Zhejiang Electric Power Co Ltd filed Critical Tsinghua University
Priority to CN202211102269.1A priority Critical patent/CN116304070A/zh
Publication of CN116304070A publication Critical patent/CN116304070A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/35—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/027—Frames
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Computational Linguistics (AREA)
  • Databases & Information Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Computing Systems (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种基于知识图谱构建的电网应急处置方案自动生成方法，该方法包括：基于预设数量的电网应急预案构建应急预案文本数据集；对应急预案文本数据集中的应急预案文本进行知识抽取，基于抽取的知识进行知识融合得到三元组知识；基于三元组知识构建电网应急预案知识图谱；将预设的事故信息输入电网应急预案知识图谱，以根据事故信息匹配对应的电网应急知识，并根据电网应急知识生成对应的应急处置方案。本发明基于知识图谱构建一套电网应急处置方案自动生成技术，提高电网应急处置的智能化水平。

Description

一种基于知识图谱构建的电网应急处置方案自动生成方法
技术领域
本发明涉及电力系统技术领域，尤其涉及一种基于知识图谱构建的电网应急处置方案自动生成方法。
背景技术
知识图谱(Knowledge Graph)是一种具有有向图结构的知识库，是由实体、关系和属性组成的一种数据结构。目前，知识图谱技术已经逐渐应用于多个领域，包括医学、法律等，然而在电网突发事件中的应用还相对较少。在电网突发事件应急处置方案生成技术的研究方面，目前的应急处置方案生成技术仍然主要由人工完成，智能化水平较低。案例推理、预案内容检索仍然是电网应急处置方案生成的主要手段，这些方式要求决策人员具备较高的专业水平，同时会消耗大量的时间和精力。因此，如何提高电网突发事件应急处置的智能化水平，提高电网应急预案的知识使用效率仍然是目前电力安全领域的研究重点。
现有技术中应急预案知识使用效率过低：针对电网突发事故，我国发布了大量的应急预案，然而应急预案种类繁多，文本内容数量庞大且复杂，人工筛选预案内容成本过高且容易疏忽，同时又缺乏高准确度的电网应急知识自动提取和融合算法。知识图谱构建过程中的专业术语问题：不同领域存在不同的专业术语，目前仍然缺少有关电网应急预案的知识抽取方法，需要在构建知识图谱时构建电网应急预案专业词库。知识提取和关系抽取的准确性过低：目前通用领域的语义匹配存在“一词多义”和“多词同义”的难点问题，导致提取结果准确率较低，通用领域的知识提取算法和关系抽取算法无法适用于电网应急处置方案自动生成。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
为此，本发明的目的在于提出一种基于知识图谱构建的电网应急处置方案自动生成方法及装置，针对电网突发事件应急预案的文本特点，建立一套适用于电网应急预案知识抽取和关系抽取的规则与方法，并基于知识图谱构建一套电网应急处置方案自动生成技术，提高电网应急处置的智能化水平。
为达上述目的，本发明一方面提出了一种基于知识图谱构建的电网应急处置方案自动生成方法，包括：
基于预设数量的电网应急预案构建应急预案文本数据集；
对所述应急预案文本数据集中的应急预案文本进行知识抽取，基于抽取的知识进行知识融合得到三元组知识；
基于所述三元组知识构建电网应急预案知识图谱；
将预设的事故信息输入所述电网应急预案知识图谱，以根据所述事故信息匹配对应的电网应急知识，并根据所述电网应急知识生成对应的应急处置方案。
根据本发明实施例的基于知识图谱构建的电网应急处置方案自动生成方法还可以具有以下附加技术特征：
进一步地，在本发明的一个实施例中，所述知识抽取包括实体抽取和关系抽取，所述实体抽取包括实体属性和实体概念的实体抽取，所述实体概念包括第一实体概念和第二实体概念，所述实体抽取包括：对于应急预案文本利用第一预设规则进行实体属性的实体抽取，并利用基于深度学习的方式进行第一实体概念的实体抽取，以及利用第二预设规则进行第二实体概念的实体抽取，以得到实体抽取结果；所述关系抽取包括：对于应急预案文本利用第三预设规则并基于第一实体概念和第一实体概念之间的关系进行关系抽取，通过触发预设的关系词确定应急预案文本的实体间的关系以得到关系抽取结果。
进一步地，在本发明的一个实施例中，所述基于抽取的知识进行知识融合得到三元组知识，包括：获取所述实体抽取结果中的电网应急知识实体，通过第四预设规则对所述电网应急知识实体进行规则判断得到规则判断结果；基于所述规则判断结果和实体名称相似度，对所述电网应急知识实体进行聚类，得到电网应急知识实体聚类结果；根据所述电网应急知识实体聚类结果对电网应急知识实体的实体名称进行统一以得到三元组知识。
进一步地，在本发明的一个实施例中，所述将预设的事故信息输入所述电网应急预案知识图谱，以根据所述事故信息匹配对应的电网应急知识，包括：根据预设的事故类型获取第一电网应急预案知识图谱，将所述事故类型输入第一电网应急预案知识图谱中进行事故类型匹配，根据类型匹配结果得到第一电网应急知识；将预设的事故等级输入第二电网应急预案知识图谱进行事故等级匹配，根据等级匹配结果得到第二电网应急知识；将预设的处置阶段输入第三电网应急预案知识图谱进行处置阶段匹配，根据阶段匹配结果得到第三电网应急知识。
进一步地，在本发明的一个实施例中，所述根据电网应急知识生成对应的应急处置方案，包括：
利用预设的检索语句对电网应急知识的内容进行查询得到电网应急知识的查询结果；其中，所述查询结果包括多个三元组；根据每一个三元组和电网应急知识的预设格式对所述查询结果进行排序，根据排序结果生成电网应急处置方案。
为达到上述目的，本发明另一方面提出了一种基于知识图谱构建的电网应急处置方案自动生成装置，包括：
数据集构建模块，用于基于预设数量的电网应急预案构建应急预案文本数据集；
知识融合模块，用于对所述应急预案文本数据集中的应急预案文本进行知识抽取，基于抽取的知识进行知识融合得到三元组知识；
知识图谱构建模块，用于基于所述三元组知识构建电网应急预案知识图谱；
处置方案生成模块，用于将预设的事故信息输入所述电网应急预案知识图谱，以根据所述事故信息匹配对应的电网应急知识，并根据所述电网应急知识生成对应的应急处置方案。
本发明实施例的基于知识图谱构建的电网应急处置方案自动生成方法及装置，根据电网应急预案特点提出实体提取和关系抽取的规则并构建电网应急预案知识图谱，提出适用于电网突发事故的应急处置方案自动生成技术，并允许用户输入信息以筛选应急知识，提高生成应急处置方案的参考价值。
本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为根据本发明实施例的基于知识图谱构建的电网应急处置方案自动生成方法的流程图；
图2为根据本发明实施例的基于知识图谱构建的电网应急处置方案自动生成方法架构图；
图3为根据本发明实施例的电网应急知识实体聚类流程图；
图4为根据本发明实施例的基于知识图谱构建的电网应急处置方案自动生成装置的结构示意图。
具体实施方式
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
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。
下面参照附图描述根据本发明实施例提出的基于知识图谱构建的电网应急处置方案自动生成方法及装置。
如图2所示，本发明的框架主要包括：大量搜集电网突发事故应急预案，构建应急预案文本数据集；对应急预案文本进行知识抽取和知识融合，获取三元组知识；基于三元组知识构建电网应急预案知识图谱；接收用户输入内容；根据用户输入内容，筛选匹配相应应急知识内容，生成应急处置方案并返回给用户。
图1是本发明一个实施例的基于知识图谱构建的电网应急处置方案自动生成方法的流程图。
如图1所示，该方法包括但不限于以下步骤：
S1，基于预设数量的电网应急预案构建应急预案文本数据集。
可以理解的是，为构建电网突发事故应急预案知识图谱，需大量搜集电网突发事故应急预案，抽取其中的文本内容形成应急预案文本数据集。由于我国应急预案体系庞大，搜集电网应急预案时，至少需要涵盖以下灾种：台风、地震地质灾害、森林草原火灾、雨雪冰冻灾害、大面积停电等。同时，我国各管理层级均有发布相关应急预案，因此在搜集电网应急预案时，至少需要包含以下层级：国家级应急预案、省级应急预案、市级应急预案、县区级应急预案、企业级应急预案。获取应急预案文件后，需要对应急预案文件中的文本进行提取，并写入数据库，供后续流程使用。
S2，对应急预案文本数据集中的应急预案文本进行知识抽取，基于抽取的知识进行知识融合得到三元组知识。
具体地，电网应急预案知识抽取包括实体抽取和关系抽取两部分内容，在实体抽取结果中，由于存在多个实体表示同一含义的情况，因此需要对所抽取的知识进行融合。
(1)电网应急知识实体抽取
所抽取的每一个实体均具有两个属性：级别(level)和阶段(stage)。
①实体属性——级别(level)
即该实体的管理层级，可取的值包括：国家级、省级、市级、县级、企业级。采用基于规则的抽取方式进行抽取，例如：“某某市人民政府”这一字段中包含字符“市”，因此将此实体的级别确认为市级；若某实体的文本中不包含关键字符，则该实体的级别与应急预案的层级相同。
②实体属性——阶段(stage)
电网突发事故应急响应中，可能的处置阶段包括：日常保障阶段、监测预警阶段、应急响应阶段、后期处置阶段。该属性采用基于规则的抽取方式进行抽取。
本发明在构建电网应急知识图谱时，所需抽取的实体概念包括：职责部门(section)、应急工作组(group)、应急资源(resource)和职责内容(duty)。
①实体概念——职责部门(section)
职责部门是执行应急决策的主体，采用基于深度学习的方式进行抽取。选取部分应急预案文本，对其中的职责部门实体进行标注，训练神经网络模型，用于其余文本的职责部门实体抽取。抽取的实体示例为“职责部门：人民政府{level＝省级，stage＝日常保障阶段}”。
②实体概念——应急工作组(group)
应急工作组是在应急响应启动后，由各职责部门组成的应急工作小组，采用基于深度学习的方式进行抽取。选取部分应急预案文本，对其中的应急工作组实体进行标注，训练神经网络模型，用于其余文本的应急工作组实体抽取。抽取的实体示例为“应急工作组：应急专家组{stage＝应急响应阶段}”。
③实体概念——应急资源(resource)
应急资源包括应急人员和应急物资，采用基于深度学习的方式进行抽取。选取部分应急预案文本，对其中的应急资源实体进行标注，训练神经网络模型，用于其余文本的应急资源实体抽取。抽取的实体示例为“应急资源：电力领域专家{stage＝应急响应阶段}”。
④实体概念——职责内容(duty)
职责内容是电网应急处置方案的主要内容，采用基于规则的方式进行抽取。规定职责内容的提取规则为：duty＝<Strstart>+…+<Strend>，其中，<Str_>表示起始符，<tr_end>表示终止符，起始符和终止符界定了职责内容的实体边界，其间内容便为职责内容duty。句号、逗号等标点符号为抽取规则的天然终止符，即为None。举例：“加强…”、“参与…工作”、“负责…工作”、“开展…工作”等。抽取的实体示例为“职责内容：提供技术咨询和建立{stage＝应急响应阶段}”。
(2)电网应急知识关系抽取
本发明关注的各实体之间的关系如下。每个关系的抽取都采用基于规则的方式进行抽取，通过触发关系词来确定实体间的关系。
①职责部门-上下级-职责部门
职责部门与职责部门之间的关系为上下级关系，在关系抽取时的触发关系词为：报告、通知、在…领导下，汇报等，例如：电力企业将有关情况报告人民政府。
②职责部门-设立-应急工作组
职责部门和应急工作组之间的关系为设立关系，触发关系词为：设立、下设、设在、成立、建立等，例如：省政府成立大面积停电应急指挥机构。
③职责部门-派出/储存-应急资源
职责部门与应急人员的关系为：职责部门派出应急人员；职责部门与应急物资的关系为：职责部门储存应急物资。触发关系词为：确定、派出、组织、动员、存放等。例如：电力企业组织相关应急救援队伍进入待命状态。
④职责部门/应急工作组-职责-职责内容
该关系是本方法的重要关注对象，该三元组知识储存了各个职责部门或者应急工作组所应该执行的工作内容。触发关系词为：加强，负责，应该，迅速，开展等。例如：电力企业应该定期检查维护电力运行设备。
(3)电网应急知识融合
经过电网应急知识实体抽取之后，将得到多个实体结果，其中存在不同实体名称表示同一个实体概念的情况，因此需要进行电网应急知识融合。通过制定规则和计算实体名称相似度的方式进行电网应急知识实体融合(聚类)。其流程如图3所示。具体步骤如下：
step1：从电网应急知识实体抽取结果中逐个取出电网应急知识实体，执行step2；
step2：判断该电网应急知识实体是否满足制定规则，若满足规则，执行step3，不满足，执行step4；
step3：根据制定规则统一实体名称，执行step8；
step4：判断是否是首个电网应急知识实体聚类，若是，执行step5，若不是，执行step6
step5：新建电网应急知识实体聚类，执行step8；
step6：将该实体和所有聚类计算文本相似度，获取相似度最大的电网应急知识实体聚类及其相似度，判断其相似度是否大于阈值，若大于阈值，执行step7，否则，执行step5；
step7：将该实体加入相似度最大的电网应急知识实体聚类，执行step8；
step8：判断聚类是否结束，若结束，执行step9，否则，执行step1；
step9：根据电网应急知识实体聚类结果统一实体名称，完成知识融合。
S3，基于三元组知识构建电网应急预案知识图谱。
作为一种示例，采用图数据库Neo4j构建电网应急预案知识图谱。基于三元组知识建立电网应急预案知识图谱的步骤如下所示：
step1：获取“实体-关系-实体”三元组知识；
step2：判断头实体是否存在，若不存在，使用create指令创建电网应急知识节点；
step3：判断尾实体是否存在，若不存在，使用create指令创建电网应急知识节点；
step4：判断头实体和尾实体间的关系是否存在，若不存在，使用match和merge指令创建电网应急知识关系；
step5：所有电网应急知识节点和关系都创建完毕后，使用match(n)return n命令查看知识图谱。
S4，将预设的事故信息输入电网应急预案知识图谱，以根据事故信息匹配对应的电网应急知识，并根据电网应急知识生成对应的应急处置方案。
可以理解的是，为了自动生成电网应急处置方案，需要接收用户的输入信息，需要接收的用户输入信息包括以下三方面内容。
(1)事故类型：事故类型的输入内容不可为空。可输入的事故类型包括：台风、地震地质灾害、森林草原火灾、雨雪冰冻灾害、大面积停电等。
(2)事故等级：事故等级的输入内容可以为空，若为空则返回符合所有事故等级的结果。可输入的事故等级包括：一般事故(Ⅳ级)、较大事故(Ⅲ级)、重大事故(Ⅱ级)、特别重大事故(Ⅰ级)。
(3)处置阶段：处置阶段的输入内容可以为空，若为空则返回符合所有处置阶段的结果。可输入的处置阶段包括：日常保障阶段、监测预警阶段、应急响应阶段、后期处置阶段。
具体地，根据事故类型选择相对应的电网应急预案知识图谱。如，输入的事故类型为台风，则从电网台风灾害应急预案知识图谱中获取知识；输入的事故类型为大面积停电，则从电网大面积停电事故应急预案知识图谱中获取知识；其余事故类型以此类推。
进一步地，如果用户输入没有指定事故等级，则不对事故等级进行筛选。若用户输入事故等级为重大事故(Ⅱ级)，则只返回符合重大事故(Ⅱ级)的相关应急知识，不返回一般事故(Ⅳ级)、较大事故(Ⅲ级)、特别重大事故(Ⅰ级)的相关应急知识。其他情况类似处理。
进一步地，如果用户输入没有指定处置阶段，则返回所有处置阶段的应急知识。如果用户输入指定处置阶段为应急响应阶段，则不返回日常保障阶段、监测预警阶段、后期处置阶段的应急知识内容。其他情况类似处理。
进一步地，生成电网应急处置方案可以包括如下步骤：
step1：使用Cypher查询语句获取应急知识内容。例如：自动生成应急响应阶段的处置方案，使用检索语句match(n:`部门`{s:'应急响应'})--(m:`职责`)return n,m；自动生成所有阶段的处置方案，则使用检索语句match(n:`部门`)--(m:`职责`)return n,m。
step2：Cypher查询结果包含多个“实体-关系-实体”三元组知识，根据应急知识表示的处置阶段(何时)、负责主体(何人)、负责内容(何事)，每一个三元组知识均按照“在xx阶段，xx负责主体执行xx工作”的格式，对应急知识内容查询结果进行排序输出，从而自动生成电网应急处置方案。
根据本发明实施例的基于知识图谱构建的电网应急处置方案自动生成方法，根据电网应急预案特点提出实体提取和关系抽取的规则并构建电网应急预案知识图谱，提出适用于电网突发事故的应急处置方案自动生成技术，并允许用户输入信息以筛选应急知识，提高生成应急处置方案的参考价值。
为了实现上述实施例，如图4所示，本实施例中还提供了基于知识图谱构建的电网应急处置方案自动生成装置10，该装置10包括：数据集构建模块100、知识融合模块200、知识图谱构建模块300和处置方案生成模块400。
数据集构建模块100，用于基于预设数量的电网应急预案构建应急预案文本数据集；
知识融合模块200，用于对应急预案文本数据集中的应急预案文本进行知识抽取，基于抽取的知识进行知识融合得到三元组知识；
知识图谱构建模块300，用于基于三元组知识构建电网应急预案知识图谱；
处置方案生成模块400，用于将预设的事故信息输入所述电网应急预案知识图谱，以根据事故信息匹配对应的电网应急知识，并根据电网应急知识生成对应的应急处置方案。
进一步的，上述知识抽取包括实体抽取和关系抽取，实体抽取包括实体属性和实体概念的实体抽取，实体概念包括第一实体概念和第二实体概念，
实体抽取包括：对于应急预案文本利用第一预设规则进行实体属性的实体抽取，并利用基于深度学习的方式进行第一实体概念的实体抽取，以及利用第二预设规则进行第二实体概念的实体抽取，以得到实体抽取结果；
关系抽取包括：对于应急预案文本利用第三预设规则并基于第一实体概念和第一实体概念之间的关系进行关系抽取，通过触发预设的关系词确定应急预案文本的实体间的关系以得到关系抽取结果。
进一步的，上述知识融合模块200，还用于：
获取实体抽取结果中的电网应急知识实体，通过第四预设规则对所述电网应急知识实体进行规则判断得到规则判断结果；
基于规则判断结果和实体名称相似度，对电网应急知识实体进行聚类，得到电网应急知识实体聚类结果；
根据电网应急知识实体聚类结果对电网应急知识实体的实体名称进行统一以得到三元组知识。
进一步的，上述处置方案生成模块400，还用于：
根据预设的事故类型获取第一电网应急预案知识图谱，将事故类型输入第一电网应急预案知识图谱中进行事故类型匹配，根据类型匹配结果得到第一电网应急知识；
将预设的事故等级输入第二电网应急预案知识图谱进行事故等级匹配，根据等级匹配结果得到第二电网应急知识；
将预设的处置阶段输入第三电网应急预案知识图谱进行处置阶段匹配，根据阶段匹配结果得到第三电网应急知识。
进一步的，上述处置方案生成模块400，还用于：
利用预设的检索语句获取电网应急知识的查询结果；其中，查询结果包括多个三元组；
根据每一个三元组和电网应急知识的预设格式对所述查询结果进行排序，根据排序结果生成电网应急处置方案。
根据本发明实施例的基于知识图谱构建的电网应急处置方案自动生成装置，根据电网应急预案特点提出实体提取和关系抽取的规则并构建电网应急预案知识图谱，提出适用于电网突发事故的应急处置方案自动生成技术，并允许用户输入信息以筛选应急知识，提高生成应急处置方案的参考价值。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种基于知识图谱构建的电网应急处置方案自动生成方法，其特征在于，包括以下步骤：
基于预设数量的电网应急预案构建应急预案文本数据集；
对所述应急预案文本数据集中的应急预案文本进行知识抽取，基于抽取的知识进行知识融合得到三元组知识；
基于所述三元组知识构建电网应急预案知识图谱；
将预设的事故信息输入所述电网应急预案知识图谱，以根据所述事故信息匹配对应的电网应急知识，并根据所述电网应急知识生成对应的应急处置方案。
2.根据权利要求1所述的方法，其特征在于，所述知识抽取包括实体抽取和关系抽取，所述实体抽取包括实体属性和实体概念的实体抽取，所述实体概念包括第一实体概念和第二实体概念，
所述实体抽取包括：对于应急预案文本利用第一预设规则进行实体属性的实体抽取，并利用基于深度学习的方式进行第一实体概念的实体抽取，以及利用第二预设规则进行第二实体概念的实体抽取，以得到实体抽取结果；
所述关系抽取包括：对于应急预案文本利用第三预设规则并基于第一实体概念和第一实体概念之间的关系进行关系抽取，通过触发预设的关系词确定应急预案文本的实体间的关系以得到关系抽取结果。
3.根据权利要求2所述的方法，其特征在于，所述基于抽取的知识进行知识融合得到三元组知识，包括：
获取所述实体抽取结果中的电网应急知识实体，通过第四预设规则对所述电网应急知识实体进行规则判断得到规则判断结果；
基于所述规则判断结果和实体名称相似度，对所述电网应急知识实体进行聚类，得到电网应急知识实体聚类结果；
根据所述电网应急知识实体聚类结果对电网应急知识实体的实体名称进行统一以得到三元组知识。
4.根据权利要求1所述的方法，其特征在于，所述将预设的事故信息输入所述电网应急预案知识图谱，以根据所述事故信息匹配对应的电网应急知识，包括：
根据预设的事故类型获取第一电网应急预案知识图谱，将所述事故类型输入第一电网应急预案知识图谱中进行事故类型匹配，根据类型匹配结果得到第一电网应急知识；
将预设的事故等级输入第二电网应急预案知识图谱进行事故等级匹配，根据等级匹配结果得到第二电网应急知识；
将预设的处置阶段输入第三电网应急预案知识图谱进行处置阶段匹配，根据阶段匹配结果得到第三电网应急知识。
5.根据权利要求1所述的方法，其特征在于，所述根据电网应急知识生成对应的应急处置方案，包括：
利用预设的检索语句对电网应急知识的内容进行查询得到电网应急知识的查询结果；其中，所述查询结果包括多个三元组；
根据每一个三元组和电网应急知识的预设格式对所述查询结果进行排序，根据排序结果生成电网应急处置方案。
6.一种基于知识图谱构建的电网应急处置方案自动生成装置，其特征在于，包括：
数据集构建模块，用于基于预设数量的电网应急预案构建应急预案文本数据集；
知识融合模块，用于对所述应急预案文本数据集中的应急预案文本进行知识抽取，基于抽取的知识进行知识融合得到三元组知识；
知识图谱构建模块，用于基于所述三元组知识构建电网应急预案知识图谱；
处置方案生成模块，用于将预设的事故信息输入所述电网应急预案知识图谱，以根据所述事故信息匹配对应的电网应急知识，并根据所述电网应急知识生成对应的应急处置方案。
7.根据权利要求6所述的装置，其特征在于，所述知识抽取包括实体抽取和关系抽取，所述实体抽取包括实体属性和实体概念的实体抽取，所述实体概念包括第一实体概念和第二实体概念，
所述实体抽取包括：对于应急预案文本利用第一预设规则进行实体属性的实体抽取，并利用基于深度学习的方式进行第一实体概念的实体抽取，以及利用第二预设规则进行第二实体概念的实体抽取，以得到实体抽取结果；
所述关系抽取包括：对于应急预案文本利用第三预设规则并基于第一实体概念和第一实体概念之间的关系进行关系抽取，通过触发预设的关系词确定应急预案文本的实体间的关系以得到关系抽取结果。
8.根据权利要求7所述的装置，其特征在于，所述知识融合模块，还用于：
获取所述实体抽取结果中的电网应急知识实体，通过第四预设规则对所述电网应急知识实体进行规则判断得到规则判断结果；
基于所述规则判断结果和实体名称相似度，对所述电网应急知识实体进行聚类，得到电网应急知识实体聚类结果；
根据所述电网应急知识实体聚类结果对电网应急知识实体的实体名称进行统一以得到三元组知识。
9.根据权利要求6所述的装置，其特征在于，所述处置方案生成模块，还用于：
根据预设的事故类型获取第一电网应急预案知识图谱，将所述事故类型输入第一电网应急预案知识图谱中进行事故类型匹配，根据类型匹配结果得到第一电网应急知识；
将预设的事故等级输入第二电网应急预案知识图谱进行事故等级匹配，根据等级匹配结果得到第二电网应急知识；
将预设的处置阶段输入第三电网应急预案知识图谱进行处置阶段匹配，根据阶段匹配结果得到第三电网应急知识。
10.根据权利要求6所述的装置，其特征在于，所述处置方案生成模块，还用于：
利用预设的检索语句获取电网应急知识的查询结果；其中，所述查询结果包括多个三元组；
根据每一个三元组和电网应急知识的预设格式对所述查询结果进行排序，根据排序结果生成电网应急处置方案。
CN202211102269.1A 2022-09-09 2022-09-09 一种基于知识图谱构建的电网应急处置方案自动生成方法 Pending CN116304070A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211102269.1A CN116304070A (zh) 2022-09-09 2022-09-09 一种基于知识图谱构建的电网应急处置方案自动生成方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211102269.1A CN116304070A (zh) 2022-09-09 2022-09-09 一种基于知识图谱构建的电网应急处置方案自动生成方法

Publications (1)

Publication Number Publication Date
CN116304070A true CN116304070A (zh) 2023-06-23

Family

ID=86819136

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211102269.1A Pending CN116304070A (zh) 2022-09-09 2022-09-09 一种基于知识图谱构建的电网应急处置方案自动生成方法

Country Status (1)

Country Link
CN (1) CN116304070A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117077631A (zh) * 2023-10-16 2023-11-17 中国电建集团西北勘测设计研究院有限公司 一种基于知识图谱的工程应急预案生成方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117077631A (zh) * 2023-10-16 2023-11-17 中国电建集团西北勘测设计研究院有限公司 一种基于知识图谱的工程应急预案生成方法

Similar Documents

Publication Publication Date Title
CN111985653B (zh) 基于知识图谱的电网故障知识推荐与知识管理系统及方法
CN113254594B (zh) 一种面向智慧电厂的安全知识图谱构建方法及系统
CN101799835B (zh) 一种本体驱动地理信息检索系统和检索方法
CN106407208A (zh) 一种城市管理本体知识库的构建方法及系统
CN116028645B (zh) 城市市政基础设施应急知识图谱确定方法、系统及设备
CN113761927B (zh) 电网故障处置实时辅助决策方法、系统、设备及存储介质
CN111061679B (zh) 一种基于rete和drools规则的科技创新政策速配的方法和系统
CN112036129A (zh) 一种配电网应急演练方案数字化辅助设计系统及方法
CN116304070A (zh) 一种基于知识图谱构建的电网应急处置方案自动生成方法
CN118229489B (zh) 一种地下工程施工坍塌事故的应急决策方法、系统及终端
CN111159427B (zh) 一种基于众包的知识图谱构建方法及系统
CN114138759A (zh) 基于知识图谱推理的二次设备故障处理推送方法及系统
CN116974799A (zh) 一种基于知识图谱的照明系统的故障诊断方法及系统
Hou et al. Failure prediction of elevator running system based on knowledge graph
CN117077631A (zh) 一种基于知识图谱的工程应急预案生成方法
Liao et al. CBR respond and preparedness system development for environmental emergency
Othman et al. Metamodelling approach to support disaster management knowledge sharing
Gao et al. GridOnto: knowledge representation and extraction for fault events in power grid
CN115827885A (zh) 一种运维知识图谱的构建方法、装置及电子设备
CN114595335B (zh) 油田联合站安全知识库构建方法及计算机设备
Yu et al. Ontology-based knowledge management framework: Toward CBR-supported risk response to hydrological cascading disasters
Diao et al. Optimization of Management Mode of Small‐and Medium‐Sized Enterprises Based on Decision Tree Model
Janowicz et al. Fast Forward from Data to Insight:(Geographic) Knowledge Graphs and Their Applications
Han Ontology‐Based Risk Knowledge Construction for Integrated Pipeline Corridors
CN115345411B (zh) 一种基于矩阵融合算法的溃坝应急预案领域本体进化方法

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