CN117094688A - 一种供电所数字化管控方法及系统 - Google Patents
一种供电所数字化管控方法及系统 Download PDFInfo
- Publication number
- CN117094688A CN117094688A CN202311362996.6A CN202311362996A CN117094688A CN 117094688 A CN117094688 A CN 117094688A CN 202311362996 A CN202311362996 A CN 202311362996A CN 117094688 A CN117094688 A CN 117094688A
- Authority
- CN
- China
- Prior art keywords
- work order
- vector
- power supply
- supply station
- data
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 230000002159 abnormal effect Effects 0.000 claims abstract description 35
- 238000007781 pre-processing Methods 0.000 claims abstract description 10
- 239000013598 vector Substances 0.000 claims description 30
- 238000000605 extraction Methods 0.000 claims description 18
- 238000011156 evaluation Methods 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000012545 processing Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000007726 management method Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 4
- 230000005611 electricity Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000013480 data collection Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- 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
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- 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)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Tourism & Hospitality (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Business, Economics & Management (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Public Health (AREA)
- Computing Systems (AREA)
- Primary Health Care (AREA)
- Software Systems (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种供电所数字化管控方法，包括以下步骤：获取供电所工单信息，包括工单类型、工单内容、工单状态，并预处理；将工单作为节点，将工单与员工、台区和供电所之间的关系作为边，形成一个有向图，并根据采集到的工单数据和业务需求，构建工单的知识图谱；新工单通过预处理后的导入知识图谱中，将工单的信息和关系存储在知识图谱中；基于知识图谱，进行异常工单识别，所述异常工单包括超时工单、重复工单和异常工单。本发明有效提高异常工单的识别效率和可靠性。
Description
技术领域
本发明涉及异常数据检测领域，尤其涉及一种供电所数字化管控方法及系统。
背景技术
“双碳”目标背景下，构建以新能源为主体的新型电力系统已经成为电力行业转型发展方向。随着未来新能源高比例并网，电力系统调节手段不足的问题将愈加突出，而数字化有望成为未来新型电力系统的重要抓手，可在电力系统的电源、电网、负荷、储能各环节全面发挥作用。
供电所作为电力系统的最前端组织，关于供电所数字化转型的顶层设计有待完善，存在工单重复录入、数据存储杂乱、基层员工缺少技术支撑、指标繁杂且统计时效性差等问题，影响了公司电力服务质量，业务线上化、移动化水平满足不了办公需求，现场作业尚有较大的优化空间；
而电力系统工单种类繁多，且获取的途径不同，经常出现工单异常，现在一般是通过人工或者简单的规则去筛选异常工单，容易出现漏检和误检，影响工作效率，故如何对工单进行管理及预警仍需一个有效的方案。
发明内容
为了解决上述问题，本发明的目的在于提供一种供电所数字化管控系统，有效提高异常工单的识别效率和可靠性。
为实现上述目的，本发明采用以下技术方案：
一种供电所数字化管控方法，包括以下步骤：
获取供电所工单信息，包括工单类型、工单内容、工单状态，并预处理；
将工单作为节点，将工单与员工、台区和供电所之间的关系作为边，形成一个有向图，并根据采集到的工单数据和业务需求，构建工单的知识图谱；
新工单通过预处理后的导入知识图谱中，将工单的信息和关系存储在知识图谱中；
基于知识图谱，进行异常工单识别，所述异常工单包括超时工单、重复工单和异常工单；
对输入的工单进行特征提取，包括文本特征提取、数值特征提取和时间特征提取；
基于数值特征和时间特征，根据知识图谱库中的工单信息进行比对分析，识别是否为超时工单、重复工单；
对于异常工单，采用异常检测模型检测；
所述异常检测模型检测，具体如下：
获取历史正常工单数据，并进行特征提取，得到正常工单特征x=；
计算正常工单样本x的概率，将新输入的工单/>=/>的概率/>看作正常度；
计算对比值：
将上式转换为：
其中为参数向量，/>为非负的基函数向量；
将与/>的相似度表示为：
其中，/>表示任意x;
进一步的转化为最优化问题：
并求解最优。
进一步的，所述求解最优，具体如下：
给一个随机初值；
重复以下更新计算：
其中表示学习率、/>为第/>个元素为/>的矩阵，/>表示对各个元素进行除法运算，b为第j个元素为/>的向量；
直到满足预设收敛精度，得到最优/>。
进一步的，所述重复工单识别，具体如下：
从知识图谱库中提取工单的关键信息特征，包括工单的标题、描述、关联设备；
对提取的文本进行预处理，包括去除停用词和分词；
将预处理后的文本特征转化为向量表示；
首先，计算每个单词在所有工单中的词频TF；
然后，计算每个单词在所有工单中的逆文档频率IDF；
最后，将TF和IDF相乘，得到每个单词在每个工单中的TF-IDF值，得到标题、描述、关联设备的向量，分别为
vector_title=[tfidf(word1,title),...,,tfidf(wordi,title)...,tfidf(wordn1, title)] ;
vector_description=[tfidf(word1,description),...,tfidf(wordi,description), ..., tfidf(wordn2, description)] ;
vector_devices = [tfidf(word1, devices), ..., tfidf(wordi, devices),..., tfidf(wordn3, devices)];
其中tfidf表示TF-IDF值，wordi表示词汇表中的第i个单词，title表示标题文本，n1、n2、n3分别为标题、描述、关联设备的分词数量；
将标题、描述和关联设备的向量表示进行合并，得到工单A和工单B的向量表示，分别为vector_A和vector_B；
使用余弦相似度来计算工单A和工单B的文本相似度：
cosine_similarity = dot(vector_A, vector_B) / (norm(vector_A) * norm(vector_B))
其中，dot(vector_A, vector_B)表示vector_A和vector_B的点积；
norm(vector_A) = sqrt(vector_titleA2 +vector_ description_A2 +vector_devices_A2 )
norm(vector_B) = sqrt(vector_titleB2 + vector_description_B2 +vector_devices_B2 )
其中，vector_title_A和vector_title_B分别为工单A和工单B的标题向量，vector_description_A和vector_description_B分别为工单A和工单B的描述向量，vector_devices_A和vector_devices_B分别工单A和工单B的关联设备向量。
进一步的，所述通过电力系统工单采集单元，获取新增工单数据，并进行去重、去噪处理；基于实体识别和关系抽取，从工单数据中提取出实体和实体之间的关系；并将提取出的实体和实体之间的关系导入知识图谱库中。
一种供电所数字化管控系统，包括供电所知识图谱库、工单预警模块、知识共享模块和智能评价模块；所述供电所知识图谱库与工单预警模块、知识共享模块和智能评价模块分别连接；所述供电所知识图谱库基于供电所各个环节的数据构建，包括员工数据、供电所数据、台区数据、工单数据以及专业知识数据，并基于知识图谱库构建员工画像、台区画像和供电所画像；所述知识共享模块，用于员工查询专业知识；所述智能评价模块基于知识图谱，对员工工作质量进行评价；所述工单预警模块基于供电所知识图谱库，基于上述一种供电所数字化管控方法进行异常工单识别。
进一步的，基于知识图谱库构建员工画像、台区画像和供电所画像，具体如下；
步骤A1:获取供电所员工数据、台区数据和供电所数据，并预处理；
步骤A2：将员工、台区和供电所作为节点，将它们之间的关系作为边，形成一个有向图，并构建知识图谱；
步骤A3:根据采集到的数据和知识图谱，对员工、台区和供电所的特征进行提取；
步骤A4:基于提取的特征，分别构建员工画像、台区画像和供电所画像。
进一步的，所述员工数据、台区数据和供电所数据，具体包括：员工的个人资料、从业经验、技能；台区的位置、负荷情况、设备信息；供电所的位置、供电范围、设备信息。
本发明具有如下有益效果：
本发明考虑异常工单录入的随机性，异常情况各式各样，基于异常检测模型实现对供电所工单进行实时监控，能够对异常工单进行及时预警，提高工单完成质量；
本发明基于知识图谱打造可量化的评价模型，实现供电所、员工的客观评价，提高评价的可靠性和客观性。
附图说明
图1为本发明方法流程示意图；
图2为本发明一实施例中数字化供电所总体架构；
图3为本发明系统结构示意图。
具体实施方式
以下结合附图和具体实施例对本发明做进一步详细说明：
参考图1-3，本发明提供一种供电所数字化管控系统，包括供电所知识图谱库、工单预警模块、知识共享模块和智能评价模块；所述供电所知识图谱库与工单预警模块、知识共享模块和智能评价模块分别连接；所述供电所知识图谱库基于供电所各个环节的数据构建，包括员工数据、供电所数据、台区数据、工单数据以及专业知识数据，并基于知识图谱库构建员工画像、台区画像和供电所画像；所述工单预警模块基于供电所知识图谱库，根据异常工单识别模型进行异常工单识别；所述知识共享模块，用于员工查询专业知识；所述智能评价模块基于知识图谱，对员工工作质量进行评价。
在本实施例中，优选的，还提供一种供电所数字化管控方法，包括以下步骤：
获取供电所工单信息，包括工单类型、工单内容、工单状态，并预处理；
将工单作为节点，将工单与员工、台区和供电所之间的关系作为边，形成一个有向图，并根据采集到的工单数据和业务需求，构建工单的知识图谱；
新工单通过预处理后的导入知识图谱中，将工单的信息和关系存储在知识图谱中；
基于知识图谱，进行异常工单识别，所述异常工单包括超时工单、重复工单和异常工单；
对输入的工单进行特征提取，包括文本特征提取、数值特征提取和时间特征提取；
基于数值特征和时间特征，根据知识图谱库中的工单信息进行比对分析，识别是否为超时工单、重复工单；
对于异常工单，采用异常检测模型检测；
所述异常检测模型检测，具体如下：
获取历史正常工单数据，并进行特征提取，得到正常工单特征x=；
计算正常工单样本x的概率，将新输入的工单/>=/>的概率/>看作正常度；
计算对比值：
将上式转换为：
其中为参数向量，/>为非负的基函数向量；
将与/>的相似度表示为：
其中，/>表示任意x;
进一步的转化为最优化问题：
并求解最优。
在本实施例中，优选的，求解最优，具体如下：
给一个随机初值；
重复以下更新计算：
其中表示学习率、/>为第/>个元素为/>的矩阵，/>表示对各个元素进行除法运算，b为第j个元素为/>的向量；
直到满足预设收敛精度，得到最优/>。
在本实施例中，优选的，重复工单识别，具体如下：
从知识图谱库中提取工单的关键信息特征，包括工单的标题、描述、关联设备；
对提取的文本进行预处理，包括去除停用词和分词；
将预处理后的文本特征转化为向量表示；
首先，计算每个单词在所有工单中的词频TF；
然后，计算每个单词在所有工单中的逆文档频率IDF；
最后，将TF和IDF相乘，得到每个单词在每个工单中的TF-IDF值，得到标题、描述、关联设备的向量，分别为
vector_title=[tfidf(word1,title),...,,tfidf(wordi,title)...,tfidf(wordn1, title)] ;
vector_description=[tfidf(word1,description),...,tfidf(wordi,description), ..., tfidf(wordn2, description)] ;
vector_devices = [tfidf(word1, devices), ..., tfidf(wordi, devices),..., tfidf(wordn3, devices)];
其中tfidf表示TF-IDF值，wordi表示词汇表中的第i个单词，title表示标题文本，n1、n2、n3分别为标题、描述、关联设备的分词数量；
将标题、描述和关联设备的向量表示进行合并，得到工单A和工单B的向量表示，分别为vector_A和vector_B；
使用余弦相似度来计算工单A和工单B的文本相似度：
cosine_similarity = dot(vector_A, vector_B) / (norm(vector_A) * norm(vector_B))
其中，dot(vector_A, vector_B)表示vector_A和vector_B的点积；
norm(vector_A) = sqrt(vector_titleA2 +vector_ description_A2 +vector_devices_A2 )
norm(vector_B) = sqrt(vector_titleB2 + vector_description_B2 +vector_devices_B2 )
其中，vector_title_A和vector_title_B分别为工单A和工单B的标题向量，vector_description_A和vector_description_B分别为工单A和工单B的描述向量，vector_devices_A和vector_devices_B分别工单A和工单B的关联设备向量。
在本实施例中，优选的，通过电力系统工单采集单元，获取新增工单数据，并进行去重、去噪处理；基于实体识别和关系抽取，从工单数据中提取出实体和实体之间的关系；并将提取出的实体和实体之间的关系导入知识图谱库中。
在本实施例中，还提供数据采集单元，数据采集单元包括用电信息采集模块、采集闭环模块、95598、国网设备（资产）运维精益管理系统PMS2.0、和对象关系映射ORM；用电信息采集模块获取用采工单内容、单位、工单生成时间、接收人、状态；采集闭环模块获取闭环工单内容、单位、工单生成时间、接收人、状态；95598获取95598工单内容、单位、工单生成时间、接收人、状态；PMS2.0获取PMS2.0工单内容、单位、工单生成时间、接收人、状态；ORM获取ORM工单内容、单位、工单生成时间、接收人、状态。
在本实施例中，工单包括营业收费、业扩报装、线损管理、计量运维、反窃查违、营销稽查、客户服务、设备检修、故障抢修等业务工单
在本实施例中，供电所知识图谱的构建具体如下：
节点定义：
- 员工节点：每个员工作为一个节点，节点属性可以包括员工ID、姓名、职位、技能、专业领域等。
- 台区节点：每个台区作为一个节点，节点属性可以包括台区ID、台区名称、所属供电所、台区负责人等。
- 工单节点：每个工单作为一个节点，节点属性可以包括工单ID、工单类型、工单状态、工单优先级等。
- 供电所节点：每个供电所作为一个节点，节点属性可以包括供电所ID、供电所名称、所在地区、所在城市等。
边定义：
- 员工所属台区边：从员工节点指向台区节点，表示员工所属的台区。边属性可以包括员工在台区的职责、工作时长等。
- 台区负责的工单边：从台区节点指向工单节点，表示台区负责的工单。边属性可以包括工单的状态、优先级、处理人员等。
- 工单所属台区边：从工单节点指向台区节点，表示工单所属的台区。边属性可以包括工单的类型、状态、优先级等。
- 台区所属供电所边：从台区节点指向供电所节点，表示台区所属的供电所。边属性可以包括台区的负责人、负荷情况、设备情况等。
构建知识图谱：
- 根据业务需求和数据特点，收集员工、台区、工单和供电所的相关信息，构建节点和边的数据。
- 建立员工节点和台区节点之间的边，表示员工所属的台区。
- 建立台区节点和工单节点之间的边，表示台区负责的工单。
- 建立工单节点和台区节点之间的边，表示工单所属的台区。
- 建立台区节点和供电所节点之间的边，表示台区所属的供电所。
- 可以使用图数据库或图计算工具（如Neo4j、Giraph等）来存储和查询知识图谱。
在本实施例中，基于知识图谱库构建员工画像、台区画像和供电所画像，具体如下；
步骤A1:获取供电所员工数据、台区数据和供电所数据，并预处理；
步骤A2：将员工、台区和供电所作为节点，将它们之间的关系作为边，形成一个有向图，并构建知识图谱；
步骤A3:根据采集到的数据和知识图谱，对员工、台区和供电所的特征进行提取；
步骤A4:基于提取的特征，分别构建员工画像、台区画像和供电所画像。
优选的，对于员工画像，可以提取员工的个人资料、从业经验和技能等特征；对于台区画像，可以提取台区的位置、负荷情况和设备信息等特征；对于供电所画像，可以提取供电所的位置、供电范围和设备信息等特征。
基于提取的画像特征，可以进行画像分析和应用。例如，可以通过员工画像进行员工的能力匹配和岗位安排；可以通过台区画像进行台区负荷预测和设备维护规划；可以通过供电所画像进行供电所的运行优化和资源配置。
在本实施例中，优选的，知识图谱库还设有专业知识图谱，汇总有营销、运检、供指全专业知识、市场、服务、电费、计量、稽查等专业知识目录、工作流程视频、典型案例、装备使用档案、专家经验等数据；员工可以通过知识共享模块查询相关的专业知识，通过语义检索从知识图谱库获取相应的专业知识，若是新的技术问题则通过问题形式存储于知识共享模块，并根据语义分析，获取改问题的专业方向，通过知识图谱检索到具有相应专业技能的员工，并将该技术问题推送至相关专业人员移动端，相关专业人员回答后的技术内容推送给提问人员，并将问题和答案保存至专业知识图谱中。
在本实施例中，优选的，通过知识图谱的查询和推理功能，可以进行工单的集约管控。可以根据工单的类型、内容和状态等属性，对工单进行分类和分析。可以根据员工、台区和供电所的特征，对工单进行分配和调度。可以根据工单的关联关系，进行工单的优先级和协同处理。
基于知识图谱和工单数据，可以进行工单的分析和应用。可以通过工单的统计和分析，了解工单的数量、类型和处理效率等指标。可以通过工单的关联关系，进行工单的优化和改进。可以通过工单的集约管控，提高工单的处理效率和质量。
当发生异常工单时，系统可以自动通知相关人员进行处理。同时，可以将异常工单的信息和处理结果存储在知识图谱中，进行异常工单的分析和统计。可以通过这些分析结果，优化和改进工单处理流程，减少异常工单的发生。
在本实施例中，智能评价模块基于知识图谱，获取员工节点对应的工单数据，包括工单完成时间，是否出现工单预警，以及工单完成质量，并综合考虑员工在知识共享平台的学习和答题情况，结合员工信息对员工工作质量进行综合评价。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
以上所述，仅是本发明的较佳实施例而已，并非是对本发明作其它形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例。但是凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型，仍属于本发明技术方案的保护范围。
Claims (7)
1.一种供电所数字化管控方法，其特征在于，包括以下步骤：
获取供电所工单信息，包括工单类型、工单内容、工单状态，并预处理；
将工单作为节点，将工单与员工、台区和供电所之间的关系作为边，形成一个有向图，并根据采集到的工单数据和业务需求，构建工单的知识图谱；
新工单通过预处理后的导入知识图谱中，将工单的信息和关系存储在知识图谱中；
基于知识图谱，进行异常工单识别，所述异常工单包括超时工单、重复工单和异常工单；
对输入的工单进行特征提取，包括文本特征提取、数值特征提取和时间特征提取；
基于数值特征和时间特征，根据知识图谱库中的工单信息进行比对分析，识别是否为超时工单、重复工单；
对于异常工单，采用异常检测模型检测；
所述异常检测模型检测，具体如下：
获取历史正常工单数据，并进行特征提取，得到正常工单特征x=；
计算正常工单样本x的概率，将新输入的工单/>=/>的概率/>看作正常度；
计算对比值：
将上式转换为：
其中/>为参数向量，为非负的基函数向量；
将与/>的相似度表示为：
其中/>，/>表示任意x;
进一步的转化为最优化问题：
并求解最优/>。
2.根据权利要求1所述的一种供电所数字化管控方法，其特征在于，所述求解最优
，具体如下：
给一个随机初值；
重复以下更新计算：
其中/>表示学习率、/>为第/>个元素为/>的矩阵，/>表示对各个元素进行除法运算，b为第j个元素为/>的向量；
直到满足预设收敛精度，得到最优/>。
3.根据权利要求1所述的一种供电所数字化管控方法，其特征在于，所述重复工单识别，具体如下：
从知识图谱库中提取工单的关键信息特征，包括工单的标题、描述、关联设备；
对提取的文本进行预处理，包括去除停用词和分词；
将预处理后的文本特征转化为向量表示；
首先，计算每个单词在所有工单中的词频TF；
然后，计算每个单词在所有工单中的逆文档频率IDF；
最后，将TF和IDF相乘，得到每个单词在每个工单中的TF-IDF值，得到标题、描述、关联设备的向量，分别为
vector_title=[tfidf(word1,title),...,tfidf(wordi,title)...,tfidf(wordn1,title)] ;
vector_description=[tfidf(word1,description),...,tfidf(wordi,description),..., tfidf(wordn2, description)] ;
vector_devices = [tfidf(word1, devices), ..., tfidf(wordi, devices), ...,tfidf(wordn3, devices)];
其中tfidf表示TF-IDF值，wordi表示词汇表中的第i个单词，title表示标题文本，n1、n2、n3分别为标题、描述、关联设备的分词数量；
将标题、描述和关联设备的向量表示进行合并，得到工单A和工单B的向量表示，分别为vector_A和vector_B；
使用余弦相似度来计算工单A和工单B的文本相似度：
cosine_similarity = dot(vector_A, vector_B) / (norm(vector_A) * norm(vector_B))
其中，dot(vector_A, vector_B)表示vector_A和vector_B的点积；
norm(vector_A) = sqrt(vector_titleA2 +vector_ description_A2 +vector_devices_A2 )
norm(vector_B) = sqrt(vector_titleB2 + vector_description_B2 +vector_devices_B2 )
其中，vector_title_A和vector_title_B分别为工单A和工单B的标题向量，vector_description_A和vector_description_B分别为工单A和工单B的描述向量，vector_devices_A和vector_devices_B分别工单A和工单B的关联设备向量。
4.根据权利要求1所述的一种供电所数字化管控方法，其特征在于，通过电力系统工单采集单元，获取新增工单数据，并进行去重、去噪处理；基于实体识别和关系抽取，从工单数据中提取出实体和实体之间的关系；并将提取出的实体和实体之间的关系导入知识图谱库中。
5.一种供电所数字化管控系统，其特征在于，包括供电所知识图谱库、工单预警模块、知识共享模块和智能评价模块；所述供电所知识图谱库与工单预警模块、知识共享模块和智能评价模块分别连接；所述供电所知识图谱库基于供电所各个环节的数据构建，包括员工数据、供电所数据、台区数据、工单数据以及专业知识数据，并基于知识图谱库构建员工画像、台区画像和供电所画像；所述知识共享模块，用于员工查询专业知识；所述智能评价模块基于知识图谱，对员工工作质量进行评价；所述工单预警模块基于供电所知识图谱库，基于权利要求1-4任一所述一种供电所数字化管控方法进行异常工单识别。
6.根据权利要求5所述的一种供电所数字化管控系统，其特征在于，所述基于知识图谱库构建员工画像、台区画像和供电所画像，具体如下；
步骤A1:获取供电所员工数据、台区数据和供电所数据，并预处理；
步骤A2：将员工、台区和供电所作为节点，将它们之间的关系作为边，形成一个有向图，并构建知识图谱；
步骤A3:根据采集到的数据和知识图谱，对员工、台区和供电所的特征进行提取；
步骤A4:基于提取的特征，分别构建员工画像、台区画像和供电所画像。
7.根据权利要求5所述的一种供电所数字化管控系统，其特征在于，所述员工数据、台区数据和供电所数据，具体包括：员工的个人资料、从业经验、技能；台区的位置、负荷情况、设备信息；供电所的位置、供电范围、设备信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311362996.6A CN117094688B (zh) | 2023-10-20 | 2023-10-20 | 一种供电所数字化管控方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311362996.6A CN117094688B (zh) | 2023-10-20 | 2023-10-20 | 一种供电所数字化管控方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117094688A true CN117094688A (zh) | 2023-11-21 |
| CN117094688B CN117094688B (zh) | 2023-12-19 |
Family
ID=88772238
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311362996.6A Active CN117094688B (zh) | 2023-10-20 | 2023-10-20 | 一种供电所数字化管控方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117094688B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111985558A (zh) * | 2020-08-19 | 2020-11-24 | 安徽蓝杰鑫信息科技有限公司 | 一种电能表异常诊断方法及其系统 |
| CN113111256A (zh) * | 2021-03-26 | 2021-07-13 | 苏州国利岳康软件科技有限公司 | 基于深度知识图谱的生产工单推荐方法 |
| CN113505241A (zh) * | 2021-07-15 | 2021-10-15 | 润建股份有限公司 | 一种基于知识图谱的用电安全隐患智能诊断方法 |
| CN113935497A (zh) * | 2020-07-14 | 2022-01-14 | 京东方科技集团股份有限公司 | 智能运维故障处理方法、装置、设备及其存储介质 |
| CN113987206A (zh) * | 2021-10-29 | 2022-01-28 | 平安银行股份有限公司 | 异常用户的识别方法、装置、设备及存储介质 |
| CN115983250A (zh) * | 2023-01-09 | 2023-04-18 | 国网湖南省电力有限公司 | 基于知识图谱的电力异常数据根源定位方法及系统 |
| CN116108169A (zh) * | 2022-12-12 | 2023-05-12 | 长三角信息智能创新研究院 | 一种基于知识图谱的热线工单智能分派方法 |
| KR20230122739A (ko) * | 2022-02-15 | 2023-08-22 | 울산과학기술원 | 지식 그래프와 딥러닝 기반 텍스트 마이닝을 이용한 유망 기술 발굴 시스템 및 방법 |
-
2023
- 2023-10-20 CN CN202311362996.6A patent/CN117094688B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113935497A (zh) * | 2020-07-14 | 2022-01-14 | 京东方科技集团股份有限公司 | 智能运维故障处理方法、装置、设备及其存储介质 |
| CN111985558A (zh) * | 2020-08-19 | 2020-11-24 | 安徽蓝杰鑫信息科技有限公司 | 一种电能表异常诊断方法及其系统 |
| CN113111256A (zh) * | 2021-03-26 | 2021-07-13 | 苏州国利岳康软件科技有限公司 | 基于深度知识图谱的生产工单推荐方法 |
| CN113505241A (zh) * | 2021-07-15 | 2021-10-15 | 润建股份有限公司 | 一种基于知识图谱的用电安全隐患智能诊断方法 |
| CN113987206A (zh) * | 2021-10-29 | 2022-01-28 | 平安银行股份有限公司 | 异常用户的识别方法、装置、设备及存储介质 |
| KR20230122739A (ko) * | 2022-02-15 | 2023-08-22 | 울산과학기술원 | 지식 그래프와 딥러닝 기반 텍스트 마이닝을 이용한 유망 기술 발굴 시스템 및 방법 |
| CN116108169A (zh) * | 2022-12-12 | 2023-05-12 | 长三角信息智能创新研究院 | 一种基于知识图谱的热线工单智能分派方法 |
| CN115983250A (zh) * | 2023-01-09 | 2023-04-18 | 国网湖南省电力有限公司 | 基于知识图谱的电力异常数据根源定位方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117094688B (zh) | 2023-12-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111738462B (zh) | 电力计量装置故障抢修主动服务预警方法 | |
| CN109635006A (zh) | 基于Apriori的社保业务关联规则挖掘和推荐装置及方法 | |
| CN114389359A (zh) | 一种基于云边协同的集控式继电保护设备智能运维方法 | |
| CN111291076A (zh) | 基于大数据的异常用水监测报警系统及其构建方法 | |
| CN113554361B (zh) | 一种综合能源系统数据处理计算方法及处理系统 | |
| CN116703368B (zh) | 基于数据挖掘的同期线损智能闭环监测方法 | |
| CN111506635A (zh) | 一种基于自回归和朴素贝叶斯算法的居民用电行为分析的系统及方法 | |
| CN111310803B (zh) | 环境数据处理方法和装置 | |
| CN115423429A (zh) | 基于图像和声音信息的多模态一体化配网运营系统 | |
| CN112116205B (zh) | 针对台区用电特征的画像方法、装置和存储介质 | |
| CN110738415A (zh) | 基于用电采集系统和离群点算法的窃电用户分析方法 | |
| CN113807751A (zh) | 一种基于知识图谱的安全风险等级评定方法及系统 | |
| CN116452154B (zh) | 一种适用于通信运营商的项目管理系统 | |
| CN111627533B (zh) | 一种全院不良事件主动监测管理系统及方法 | |
| CN106649034B (zh) | 一种可视化智能运维方法及平台 | |
| CN117094688B (zh) | 一种供电所数字化管控方法及系统 | |
| CN112053079A (zh) | 一种电力监控系统供应链安全监测预警系统及方法 | |
| CN110852621A (zh) | 电力客户负荷特性分析及分类方法、装置及可读存储介质 | |
| CN115719139A (zh) | 电网调度运行管理的调度自查系统 | |
| CN114897345A (zh) | 一种基于员工数据自动生成指标分的方法及装置 | |
| CN112800219A (zh) | 客服日志反馈回流数据库的方法及系统 | |
| CN113743695A (zh) | 基于大数据的国际工程项目投标报价风险管理方法 | |
| US20210117886A1 (en) | Data Preparation Method Related to Data Utilization and Data Utilization System | |
| CN113344432B (zh) | 一种区域性客户服务风险的判断方法及装置 | |
| CN117524374B (zh) | 一种产品生态过程的环境影响评估系统和装置 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |