CN116663519A - 一种自动成票方法、装置、设备及存储介质 - Google Patents
一种自动成票方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116663519A CN116663519A CN202310668063.3A CN202310668063A CN116663519A CN 116663519 A CN116663519 A CN 116663519A CN 202310668063 A CN202310668063 A CN 202310668063A CN 116663519 A CN116663519 A CN 116663519A
- Authority
- CN
- China
- Prior art keywords
- ticket
- equipment
- knowledge
- information
- model
- 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 37
- 238000012423 maintenance Methods 0.000 claims abstract description 74
- 238000006243 chemical reaction Methods 0.000 claims abstract description 50
- 238000012546 transfer Methods 0.000 claims abstract description 24
- 230000004927 fusion Effects 0.000 claims abstract description 19
- 230000005611 electricity Effects 0.000 claims abstract description 5
- 230000009471 action Effects 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 27
- 238000004458 analytical method Methods 0.000 claims description 21
- 238000010276 construction Methods 0.000 claims description 18
- 238000005516 engineering process Methods 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 9
- 238000009411 base construction Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 230000000750 progressive effect Effects 0.000 claims description 4
- 230000006870 function Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
- G06F40/186—Templates
-
- 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
- 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
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
- G06F40/295—Named entity recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- 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
- G06N5/022—Knowledge engineering; Knowledge acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/046—Forward inferencing; Production systems
-
- 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 Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Business, Economics & Management (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- Economics (AREA)
- Water Supply & Treatment (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Devices For Checking Fares Or Tickets At Control Points (AREA)
Abstract
本发明公开了一种自动成票方法、装置、设备及存储介质，包括：获取并对历史操作票进行分类，根据分类后的历史操作票，构建成票模型，进而构建操作票知识库；获取实时检修单，并对所述实时检修单进行信息抽取，得到检修单信息；对所述检修单信息进行识别分析，得到一次设备状态要求信息和转供电方案；对所述一次设备状态要求信息进行逐项令知识推理，得到第一成票知识，以及对所述转供电方案进行综合令知识推理，得到第二成票知识；将所述第一成票知识和所述第二成票知识依次与所述操作票知识库进行融合匹配，分别得到检修单的停复电逐项令操作票和转供电综合令操作票。本发明解决现有技术中成票准确率和效率低的技术问题。
Description
技术领域
本发明涉及电力检修技术领域，尤其涉及一种自动成票方法、装置、设备及存储介质。
背景技术
操作票是停电检修操作的重要依据操作依据，在进行操作票的拟写时调度员需要依赖检修单停电检修设备、方式意见、一次设备状态要求等信息进行操作票的拟写。随着电网规模的发展，电网检修业务不断增多，拟写操作票工作量不断加大，由于检修单涉及设备多、信息广并且无固定格式，传统依靠人工对检修单进行分析，点图成票的方式耗费大量的人力，已经无法满足日益增长的业务需求。
目前，在拟写停电操作票时，相关工作人员要根据检修单提取检修设备以及相关一二次设备状态要求，人工整合设备操作序列进行点图成票。在拟写复电操作票时，由于设备初始状态与复电操作时设备状态不一致，需要人工进行设备状态置位，然后进行复电票的拟写。需要耗费大量的时间，严重影响工作效率。同时，成票系统需要结合多个系统数据，进行操作票拟写，操作繁琐，传统基于规则的成票方式，构建成票规则工作量大，后期更新维护投入高。
因此，目前亟需一种能够实现检修单停复电逐项令以及转供电综合令的自动生成的方法。
发明内容
本发明提供了一种自动成票方法、装置、设备及存储介质，以解决现有技术中成票准确率和效率低的技术问题。
为了解决上述技术问题，本发明实施例提供了一种自动成票方法，包括：
获取并对历史操作票进行分类，根据分类后的历史操作票，构建成票模型，进而构建操作票知识库；
获取实时检修单，并对所述实时检修单进行信息抽取，得到检修单信息；
对所述检修单信息进行识别分析，得到一次设备状态要求信息和转供电方案；
对所述一次设备状态要求信息进行逐项令知识推理，得到第一成票知识，以及对所述转供电方案进行综合令知识推理，得到第二成票知识；
将所述第一成票知识和所述第二成票知识依次与所述操作票知识库进行融合匹配，分别得到检修单的停复电逐项令操作票和转供电综合令操作票。
作为优选方案，所述获取并对历史操作票进行分类，具体为：
获取历史操作票；
根据操作票类型，对历史操作票进行分类，得到逐项令操作票和综合令操作票，作为第一分类操作票；
提取并基于所述第一分类操作票中的操作设备，对所述第一分类操作票进行分类，得到第二分类操作票；
基于第二分类操作票中的设备电压等级，对第二分类操作票进行分类，得到第三分类操作票；
基于第三分类操作票中的设备结构，对第三分类操作票进行分类，得到第四分类操作票；
基于第四操作票中的操作任务，对第四分类操作票进行分类，得到第五分类操作票。
作为优选方案，所述根据分类后的历史操作票，构建成票模型，具体为：
根据所述第五分类操作票，基于设备拓扑关系分析，构建主设备模型和辅设备模型；其中，所述操作设备包括主设备和辅设备；
根据所述第五分类操作票，基于设备结构和操作任务，构建操作票模型；
基于主设备模型、辅设备模型和操作票模型，分析设备动作顺序要求，构建设备成票序列；
结合所述主设备模型、所述辅设备模型、所述操作票模型和所述设备成票序列，完成成票模型的构建。
作为优选方案，所述构建操作票知识库，具体为：
根据所述成票模型中的设备信息、操作票模型和设备成票序列，构建实体知识库；所述设备信息包括主设备模型和辅设备模型；
基于预设的操作票推理流程，构建所述实体知识库中设备信息、操作票模型和设备成票序列之间的推理关系；
结合所述实体知识库和所述推理关系，完成操作票知识库的构建。
作为优选方案，所述获取实时检修单，并对所述实时检修单进行信息抽取，得到检修单信息，具体为：
获取实时检修单，并抽取所述实时检修单中的停电检修设备、一次设备状态要求和方式意见的信息；
对抽取的停电检修设备、一次设备状态要求和方式意见的信息进行内容格式化，从而得到检修单信息。
作为优选方案，所述对所述检修单信息进行识别分析，得到一次设备状态要求信息和转供电方案，具体为：
根据所述成票模型，对内容格式化后的一次设备状态要求信息进行分析，获取实时主设备模型、实时辅设备模型和实时设备动作序列；
对内容格式化后的停电检修设备对应的电网运行调整方案进行语义识别，并根据电网拓扑信息，提取转供电设备动作序列，作为转供电方案。
作为优选方案，所述对所述一次设备状态要求信息进行逐项令知识推理，得到第一成票知识，以及对所述转供电方案进行综合令知识推理，得到第二成票知识，具体为：
根据实时主设备模型、实时辅设备模型和实时设备动作序列，以及设备电压等级和操作票模型，采用图搜索技术，对所述一次设备状态要求信息进行逐项令知识推理，得到第一成票知识；
根据转供电方案的转供电设备动作序列，得到转供电设备类型和目标供电设备，并对转供电设备类型和目标供电设备进行综合令知识推理，得到第二成票知识。
相应地，本发明还提供一种自动成票装置，包括：知识库构建模块、信息抽取模块、识别分析模块、知识推理模块和融合匹配模块；
所述知识库构建模块，用于获取并对历史操作票进行分类，根据分类后的历史操作票，构建成票模型，进而构建操作票知识库；
所述信息抽取模块，用于获取实时检修单，并对所述实时检修单进行信息抽取，得到检修单信息；
所述识别分析模块，用于对所述检修单信息进行识别分析，得到一次设备状态要求信息和转供电方案；
所述知识推理模块，用于对所述一次设备状态要求信息进行逐项令知识推理，得到第一成票知识，以及对所述转供电方案进行综合令知识推理，得到第二成票知识；
所述融合匹配模块，用于将所述第一成票知识和所述第二成票知识依次与所述操作票知识库进行融合匹配，分别得到检修单的停复电逐项令操作票和转供电综合令操作票。
相应地，本发明还提供一种终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器在执行所述计算机程序时实现如上任一项所述的自动成票方法。
相应地，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序；其中，所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如上任一项所述的自动成票方法。
相比于现有技术，本发明实施例具有如下有益效果：
本发明的技术方案通过历史操作票，构建成票模型进而构建出操作票知识库，并对实时检修单进行信息抽取，得到检修单信息，从而通过识别分析，来得到一次设备状态要求信息和转供电方案，对一次设备状态要求信息和转供电方案分别进行知识推理，最终与操作票知识库进行融合匹配，得到检修单的停复电逐项令操作票和转供电综合令操作票，实现基于历史票学习构建成票知识，检修单自动生成操作票，通过对检修单信息智能提取知识推理成票，节省了人工拟票时间，大大提高了操作票的成票效率和准确度，避免人工操作带来的误差。
附图说明
图1：为本发明实施例所提供的一种自动成票方法的步骤流程图；
图2：为本发明实施例所提供的一种自动成票装置的结构示意图。
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。基于本发明中的实施例，本领域普通技术人员在没有作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。
实施例一
请参照图1，为本发明实施例提供的一种自动成票方法，包括以下步骤S101-S105：
步骤S101：获取并对历史操作票进行分类，根据分类后的历史操作票，构建成票模型，进而构建操作票知识库。
作为本实施例的优选方案，所述获取并对历史操作票进行分类，具体为：
获取历史操作票；根据操作票类型，对历史操作票进行分类，得到逐项令操作票和综合令操作票，作为第一分类操作票；提取并基于所述第一分类操作票中的操作设备，对所述第一分类操作票进行分类，得到第二分类操作票；基于第二分类操作票中的设备电压等级，对第二分类操作票进行分类，得到第三分类操作票；基于第三分类操作票中的设备结构，对第三分类操作票进行分类，得到第四分类操作票；基于第四操作票中的操作任务，对第四分类操作票进行分类，得到第五分类操作票。
在本实施例中，历史操作票的分类包括基于操作票类型分类、设备类型分类、设备电压等级分类、设备结构分类和操作任务分类。
进一步地，基于操作票类型分类，为根据操作票类型将历史操作票分为逐项令操作票和综合令操作票。
基于设备类型分类，为采用自然语言处理技术，提取操作票操作任务中的操作设备。根据设备类型，进一步将操作票分类。
基于设备电压等级分类，为获取操作设备的电压等级，基于设备电压等级对操作票进行再次分类。
基于设备结构分类，为采用图计算技术，进一步分析操作票操作任务中操作设备的设备结构，包括但不限于T接线，线变组等结构，并基于设备结构对操作票进一步细分。
基于操作任务分类，为分解操作票操作任务，根据设备操作任务如：设备转检修、转热备用、转运行等，进一步细分操作票。
作为本实施例的优选方案，所述根据分类后的历史操作票，构建成票模型，具体为：
根据所述第五分类操作票，基于设备拓扑关系分析，构建主设备模型和辅设备模型；其中，所述操作设备包括主设备和辅设备；根据所述第五分类操作票，基于设备结构和操作任务，构建操作票模型；基于主设备模型、辅设备模型和操作票模型，分析设备动作顺序要求，构建设备成票序列；结合所述主设备模型、所述辅设备模型、所述操作票模型和所述设备成票序列，完成成票模型的构建。
在本实施例中，构建主设备模型和辅设备模型，主要是构建设备模型，通过提取操作票操作任务与操作项中的设备，基于设备拓扑关系分析，从而构建出主设备模型以及辅设备模型；其中，辅设备模型是主设备在进行状态转置时操作的原子设备。
在本实施例中，操作票模型通过抽取操作票中操作项和操作任务中的设备，提取操作票成票模板信息，构建操作票模板知识，从而完成操作票模型的构建。
在本实施例中，设备成票序列通过基于设备主设备模型、辅设备模型以及操作票模板，分析设备动作顺序要求，构建设备成票序列。
作为本实施例的优选方案，所述构建操作票知识库，具体为：
根据所述成票模型中的设备信息、操作票模型和设备成票序列，构建实体知识库；所述设备信息包括主设备模型和辅设备模型；基于预设的操作票推理流程，构建所述实体知识库中设备信息、操作票模型和设备成票序列之间的推理关系；结合所述实体知识库和所述推理关系，完成操作票知识库的构建。
在本实施例中，操作票知识库通过采用知识图谱方式，来进行构建，包括实体知识库和推理关系的构建。实体知识库，通过成票模型中包含的设备信息，操作票模板信息，成票序列等信息构建实体知识，进行存储，从而得到实体知识库。推理关系，通过基于操作票推理流程，构建设备信息、操作票模板信息、成票动作序列等实体之间的推理关系，形成有效的操作票推理链条。
步骤S102：获取实时检修单，并对所述实时检修单进行信息抽取，得到检修单信息。
作为本实施例的优选方案，所述获取实时检修单，并对所述实时检修单进行信息抽取，得到检修单信息，具体为：
获取实时检修单，并抽取所述实时检修单中的停电检修设备、一次设备状态要求和方式意见的信息；对抽取的停电检修设备、一次设备状态要求和方式意见的信息进行内容格式化，从而得到检修单信息。
在本实施例中，对实时检修单信息抽取主要是抽取检修申请单中的停电检修设备、一次设备状态要求、方式意见等信息。
需要说明的是，内容格式化包括对抽取的停电检修设备、一次设备状态要求和方式意见的信息进行格式化。
进一步地，一次设备状态要求信息格式化。一次设备状态要求包含设备信息和设备目标状态信息。设备信息为人工填写内容，需要对内容进行格式化获取设备id、标准名称等。首先基于设备名称，判断设备类型(线路、主变、母线等)。对于非线路设备，首先依据上下文获取设备所属厂站，根据设备名称、设备编号等信息与厂站同类型设备进行匹配，获取设备id、编号等信息。对于线路设备与线路数据进行匹配获取设设备标准信息。设备目标状态信息分为运行、检修、热备用、冷备用四种状态，将一次设备目标状态进一步格式化。
方式意见格式化。首先基于术语模板以及实体识别等技术，获取方式意见中转供电方案信息。并依据上述设备格式化方法获取相关设备信息。基于方式调整语义识别以及相关方式调整术语模板，根据标准术语模板对方式调整进行格式化。
步骤S103：对所述检修单信息进行识别分析，得到一次设备状态要求信息和转供电方案。
作为本实施例的优选方案，所述对所述检修单信息进行识别分析，得到一次设备状态要求信息和转供电方案，具体为：
根据所述成票模型，对内容格式化后的一次设备状态要求信息进行分析，获取实时主设备模型、实时辅设备模型和实时设备动作序列；对内容格式化后的停电检修设备对应的电网运行调整方案进行语义识别，并根据电网拓扑信息，提取转供电设备动作序列，作为转供电方案。
在本实施例中，对格式化后的一次设备状态要求信息进行分析，获取实时主设备模型、实时辅设备模型和实时设备动作序列。基于设备拓扑关系进行设备分析，构建实时主设备模型和实时辅设备模型。实时主设备分为主变、线路、母线，实时辅设备为主设备相关联的开关、刀闸、地刀等设备。采用图计算技术分析实时主设备设备结构，并根据实时主设备目标状态构建操作任务。根据实时主设备以及实时辅设备目标状态，构建实时辅设备动作序列，实时设备动作序列包含实时设备操作顺序号和实时设备目标状态。
需要说明的是，转供电方案主要是对设备停电检修时，为保证电网稳定运行做出的电网运行调整方案。针对格式化后的转供电方案进行语义识别，并根据电网拓扑信息，提取转供电设备动作序列。
步骤S104：对所述一次设备状态要求信息进行逐项令知识推理，得到第一成票知识，以及对所述转供电方案进行综合令知识推理，得到第二成票知识。
作为本实施例的优选方案，所述对所述一次设备状态要求信息进行逐项令知识推理，得到第一成票知识，以及对所述转供电方案进行综合令知识推理，得到第二成票知识，具体为：
根据实时主设备模型、实时辅设备模型和实时设备动作序列，以及设备电压等级和操作票模型，采用图搜索技术，对所述一次设备状态要求信息进行逐项令知识推理，得到第一成票知识；根据转供电方案的转供电设备动作序列，得到转供电设备类型和目标供电设备，并对转供电设备类型和目标供电设备进行综合令知识推理，得到第二成票知识。
在本实施例中，逐项令知识推理为根据一次设备分析所得主设备设备类型、设备电压等级、设备结构、目标状态等信息，采用图搜索技术进行成票知识推理，并得到第一成票知识。推理链条的顺序为：设备类型→电压等级→设备结构→操作任务→知识匹配。
在本实施例中，综合令知识推理，为根据转供电方案分析所得转供电类型，目标供电设备等信息，进行综合令成票知识推理，得到第二成票知识。
步骤S105：将所述第一成票知识和所述第二成票知识依次与所述操作票知识库进行融合匹配，分别得到检修单的停复电逐项令操作票和转供电综合令操作票。
在本实施例中，逐项令的生成通过根据一次设备分析所得辅设备动作顺序、遥控信息等第一成票知识，与操作票知识库中的操作票术语模板、术语模板序列等知识进行融合匹配，生成逐项令操作票。
在本实施例中，综合令的生成通过根据转供电方案分析所得转供类型供、目标供电设备等的第二成票知识，与操作票知识库中准供电综合令知识进行融合匹配，生成综合令操作票。其中，准供电综合令知识通过对历史操作票中的综合令操作票进行综合令知识推理与分析得到。
进一步地，将第一成票知识和第二成票知识作为新的数据信息输入到操作票知识库中，能够实现成票知识的自动构建、自动更新。在本实施例中，通过对检修单信息智能提取知识推理成票节省了人工拟票时间，大大提高了操作票成票效率。
实施以上实施例，具有如下效果：
本发明的技术方案通过历史操作票，构建成票模型进而构建出操作票知识库，并对实时检修单进行信息抽取，得到检修单信息，从而通过识别分析，来得到一次设备状态要求信息和转供电方案，对一次设备状态要求信息和转供电方案分别进行知识推理，最终与操作票知识库进行融合匹配，得到检修单的停复电逐项令操作票和转供电综合令操作票，实现基于历史票学习构建成票知识，检修单自动生成操作票，通过对检修单信息智能提取知识推理成票，节省了人工拟票时间，大大提高了操作票的成票效率和准确度，避免人工操作带来的误差。
实施例二
请参阅图2，其为本发明所提供一种自动成票装置，包括：知识库构建模块201、信息抽取模块202、识别分析模块203、知识推理模块204和融合匹配模块205。
所述知识库构建模块201，用于获取并对历史操作票进行分类，根据分类后的历史操作票，构建成票模型，进而构建操作票知识库。
所述信息抽取模块202，用于获取实时检修单，并对所述实时检修单进行信息抽取，得到检修单信息。
所述识别分析模块203，用于对所述检修单信息进行识别分析，得到一次设备状态要求信息和转供电方案。
所述知识推理模块204，用于对所述一次设备状态要求信息进行逐项令知识推理，得到第一成票知识，以及对所述转供电方案进行综合令知识推理，得到第二成票知识。
所述融合匹配模块205，用于将所述第一成票知识和所述第二成票知识依次与所述操作票知识库进行融合匹配，分别得到检修单的停复电逐项令操作票和转供电综合令操作票。
作为优选方案，所述获取并对历史操作票进行分类，具体为：
获取历史操作票；根据操作票类型，对历史操作票进行分类，得到逐项令操作票和综合令操作票，作为第一分类操作票；提取并基于所述第一分类操作票中的操作设备，对所述第一分类操作票进行分类，得到第二分类操作票；基于第二分类操作票中的设备电压等级，对第二分类操作票进行分类，得到第三分类操作票；基于第三分类操作票中的设备结构，对第三分类操作票进行分类，得到第四分类操作票；基于第四操作票中的操作任务，对第四分类操作票进行分类，得到第五分类操作票。
作为优选方案，所述根据分类后的历史操作票，构建成票模型，具体为：
根据所述第五分类操作票，基于设备拓扑关系分析，构建主设备模型和辅设备模型；其中，所述操作设备包括主设备和辅设备；根据所述第五分类操作票，基于设备结构和操作任务，构建操作票模型；基于主设备模型、辅设备模型和操作票模型，分析设备动作顺序要求，构建设备成票序列；结合所述主设备模型、所述辅设备模型、所述操作票模型和所述设备成票序列，完成成票模型的构建。
作为优选方案，所述构建操作票知识库，具体为：
根据所述成票模型中的设备信息、操作票模型和设备成票序列，构建实体知识库；所述设备信息包括主设备模型和辅设备模型；基于预设的操作票推理流程，构建所述实体知识库中设备信息、操作票模型和设备成票序列之间的推理关系；结合所述实体知识库和所述推理关系，完成操作票知识库的构建。
作为优选方案，所述获取实时检修单，并对所述实时检修单进行信息抽取，得到检修单信息，具体为：
获取实时检修单，并抽取所述实时检修单中的停电检修设备、一次设备状态要求和方式意见的信息；对抽取的停电检修设备、一次设备状态要求和方式意见的信息进行内容格式化，从而得到检修单信息。
作为优选方案，所述对所述检修单信息进行识别分析，得到一次设备状态要求信息和转供电方案，具体为：
根据所述成票模型，对内容格式化后的一次设备状态要求信息进行分析，获取实时主设备模型、实时辅设备模型和实时设备动作序列；对内容格式化后的停电检修设备对应的电网运行调整方案进行语义识别，并根据电网拓扑信息，提取转供电设备动作序列，作为转供电方案。
作为优选方案，所述对所述一次设备状态要求信息进行逐项令知识推理，得到第一成票知识，以及对所述转供电方案进行综合令知识推理，得到第二成票知识，具体为：
根据实时主设备模型、实时辅设备模型和实时设备动作序列，以及设备电压等级和操作票模型，采用图搜索技术，对所述一次设备状态要求信息进行逐项令知识推理，得到第一成票知识；根据转供电方案的转供电设备动作序列，得到转供电设备类型和目标供电设备，并对转供电设备类型和目标供电设备进行综合令知识推理，得到第二成票知识
所属领域的技术人员可以清楚的了解到，为描述的方便和简洁，上述描述的装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
实施以上实施例，具有如下效果：
本发明的技术方案通过历史操作票，构建成票模型进而构建出操作票知识库，并对实时检修单进行信息抽取，得到检修单信息，从而通过识别分析，来得到一次设备状态要求信息和转供电方案，对一次设备状态要求信息和转供电方案分别进行知识推理，最终与操作票知识库进行融合匹配，得到检修单的停复电逐项令操作票和转供电综合令操作票，实现基于历史票学习构建成票知识，检修单自动生成操作票，通过对检修单信息智能提取知识推理成票，节省了人工拟票时间，大大提高了操作票的成票效率和准确度，避免人工操作带来的误差。
实施例三
相应地，本发明还提供一种终端设备，包括：处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上任意一项实施例所述的自动成票方法。
该实施例的终端设备包括：处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序、计算机指令。所述处理器执行所述计算机程序时实现上述实施例一中的各个步骤，例如图1所示的步骤S101至S105。或者，所述处理器执行所述计算机程序时实现上述装置实施例中各模块/单元的功能，例如融合匹配模块205。
示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述终端设备中的执行过程。例如，所述融合匹配模块205，用于将所述第一成票知识和所述第二成票知识依次与所述操作票知识库进行融合匹配，分别得到检修单的停复电逐项令操作票和转供电综合令操作票。
所述终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，示意图仅仅是终端设备的示例，并不构成对终端设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述终端设备的控制中心，利用各种接口和线路连接整个终端设备的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现终端设备的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据移动终端的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中，所述终端设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
实施例四
相应地，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上任意一项实施例所述的自动成票方法。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步的详细说明，应当理解，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围。特别指出，对于本领域技术人员来说，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种自动成票方法，其特征在于，包括：
获取并对历史操作票进行分类，根据分类后的历史操作票，构建成票模型，进而构建操作票知识库；
获取实时检修单，并对所述实时检修单进行信息抽取，得到检修单信息；
对所述检修单信息进行识别分析，得到一次设备状态要求信息和转供电方案；
对所述一次设备状态要求信息进行逐项令知识推理，得到第一成票知识，以及对所述转供电方案进行综合令知识推理，得到第二成票知识；
将所述第一成票知识和所述第二成票知识依次与所述操作票知识库进行融合匹配，分别得到检修单的停复电逐项令操作票和转供电综合令操作票。
2.如权利要求1所述的一种自动成票方法，其特征在于，所述获取并对历史操作票进行分类，具体为：
获取历史操作票；
根据操作票类型，对历史操作票进行分类，得到逐项令操作票和综合令操作票，作为第一分类操作票；
提取并基于所述第一分类操作票中的操作设备，对所述第一分类操作票进行分类，得到第二分类操作票；
基于第二分类操作票中的设备电压等级，对第二分类操作票进行分类，得到第三分类操作票；
基于第三分类操作票中的设备结构，对第三分类操作票进行分类，得到第四分类操作票；
基于第四操作票中的操作任务，对第四分类操作票进行分类，得到第五分类操作票。
3.如权利要求2所述的一种自动成票方法，其特征在于，所述根据分类后的历史操作票，构建成票模型，具体为：
根据所述第五分类操作票，基于设备拓扑关系分析，构建主设备模型和辅设备模型；其中，所述操作设备包括主设备和辅设备；
根据所述第五分类操作票，基于设备结构和操作任务，构建操作票模型；
基于主设备模型、辅设备模型和操作票模型，分析设备动作顺序要求，构建设备成票序列；
结合所述主设备模型、所述辅设备模型、所述操作票模型和所述设备成票序列，完成成票模型的构建。
4.如权利要求3所述的一种自动成票方法，其特征在于，所述构建操作票知识库，具体为：
根据所述成票模型中的设备信息、操作票模型和设备成票序列，构建实体知识库；所述设备信息包括主设备模型和辅设备模型；
基于预设的操作票推理流程，构建所述实体知识库中设备信息、操作票模型和设备成票序列之间的推理关系；
结合所述实体知识库和所述推理关系，完成操作票知识库的构建。
5.如权利要求4所述的一种自动成票方法，其特征在于，所述获取实时检修单，并对所述实时检修单进行信息抽取，得到检修单信息，具体为：
获取实时检修单，并抽取所述实时检修单中的停电检修设备、一次设备状态要求和方式意见的信息；
对抽取的停电检修设备、一次设备状态要求和方式意见的信息进行内容格式化，从而得到检修单信息。
6.如权利要求5所述的一种自动成票方法，其特征在于，所述对所述检修单信息进行识别分析，得到一次设备状态要求信息和转供电方案，具体为：
根据所述成票模型，对内容格式化后的一次设备状态要求信息进行分析，获取实时主设备模型、实时辅设备模型和实时设备动作序列；
对内容格式化后的停电检修设备对应的电网运行调整方案进行语义识别，并根据电网拓扑信息，提取转供电设备动作序列，作为转供电方案。
7.如权利要求6所述的一种自动成票方法，其特征在于，所述对所述一次设备状态要求信息进行逐项令知识推理，得到第一成票知识，以及对所述转供电方案进行综合令知识推理，得到第二成票知识，具体为：
根据实时主设备模型、实时辅设备模型和实时设备动作序列，以及设备电压等级和操作票模型，采用图搜索技术，对所述一次设备状态要求信息进行逐项令知识推理，得到第一成票知识；
根据转供电方案的转供电设备动作序列，得到转供电设备类型和目标供电设备，并对转供电设备类型和目标供电设备进行综合令知识推理，得到第二成票知识。
8.一种自动成票装置，其特征在于，包括：知识库构建模块、信息抽取模块、识别分析模块、知识推理模块和融合匹配模块；
所述知识库构建模块，用于获取并对历史操作票进行分类，根据分类后的历史操作票，构建成票模型，进而构建操作票知识库；
所述信息抽取模块，用于获取实时检修单，并对所述实时检修单进行信息抽取，得到检修单信息；
所述识别分析模块，用于对所述检修单信息进行识别分析，得到一次设备状态要求信息和转供电方案；
所述知识推理模块，用于对所述一次设备状态要求信息进行逐项令知识推理，得到第一成票知识，以及对所述转供电方案进行综合令知识推理，得到第二成票知识；
所述融合匹配模块，用于将所述第一成票知识和所述第二成票知识依次与所述操作票知识库进行融合匹配，分别得到检修单的停复电逐项令操作票和转供电综合令操作票。
9.一种终端设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器在执行所述计算机程序时实现如权利要求1-7中任一项所述的自动成票方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序；其中，所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如权利要求1-7中任一项所述的自动成票方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310668063.3A CN116663519A (zh) | 2023-06-06 | 2023-06-06 | 一种自动成票方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310668063.3A CN116663519A (zh) | 2023-06-06 | 2023-06-06 | 一种自动成票方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116663519A true CN116663519A (zh) | 2023-08-29 |
Family
ID=87716857
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310668063.3A Pending CN116663519A (zh) | 2023-06-06 | 2023-06-06 | 一种自动成票方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116663519A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117408631A (zh) * | 2023-10-18 | 2024-01-16 | 江苏泰坦智慧科技有限公司 | 操作票的生成方法、装置及存储介质 |
-
2023
- 2023-06-06 CN CN202310668063.3A patent/CN116663519A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117408631A (zh) * | 2023-10-18 | 2024-01-16 | 江苏泰坦智慧科技有限公司 | 操作票的生成方法、装置及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113095050A (zh) | 一种智能成票方法、系统、设备及存储介质 | |
| CN111400471B (zh) | 问题推荐方法、系统、电子设备和存储介质 | |
| CN111625964B (zh) | 基于逻辑关系构建变电站图模方法、系统及设备 | |
| CN116663519A (zh) | 一种自动成票方法、装置、设备及存储介质 | |
| CN110046391A (zh) | 基于监控信息表的变电站一次接线图自动生成方法 | |
| CN109784862A (zh) | 电网设备管理系统和设备 | |
| CN114021425B (zh) | 电力系统运行数据建模与特征选择方法、装置、电子设备和存储介质 | |
| CN114969442A (zh) | 基于知识图谱和深度强化学习的电力调度任务票生成方法 | |
| CN113642835B (zh) | 一种基于数据相似度的工作票生成方法及终端 | |
| CN117874200A (zh) | 风电运维数据的答案文本生成方法、装置、设备及介质 | |
| CN117851604A (zh) | 一种支持大语言模型技术的建筑工程知识库搭建方法 | |
| Gong | Network data mining based on artificial intelligence inference engine | |
| Ye et al. | MvTS-library: An open library for deep multivariate time series forecasting | |
| CN111626315A (zh) | 模型训练方法、对象识别方法、装置、介质及电子设备 | |
| CN112967376B (zh) | 一种基于数据驱动的变电站三维模型建立方法和装置 | |
| CN109446642A (zh) | 一种电网设备启动方案智能编写方法及装置 | |
| CN115481964A (zh) | 智能成票方法及装置 | |
| CN111404266A (zh) | 一种远方定值智能比对方法、系统及装置 | |
| CN112966038A (zh) | 从非结构化数据中提取结构化数据方法及装置 | |
| CN117787422B (zh) | 一种倒闸操作任务提取方法及系统 | |
| CN109918353A (zh) | 自动化信息处理的方法及终端设备 | |
| CN114611712B (zh) | 基于异构联邦学习的预测方法、模型生成方法及装置 | |
| CN113159729B (zh) | 一种点表核对系统及缩短点表核对时间的方法 | |
| CN117521662B (zh) | 一种基于深度学习的电力调度语义分析方法 | |
| US20230385701A1 (en) | Artificial intelligence engine for entity resolution and standardization |
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 |