【技術實現步驟摘要】
本專利技術涉及電網監督領域，尤其涉及一種電網違規行為監督方法、終端設備及存儲介質。
技術介紹
1、目前在電網監督中，識別和匹配違規行為主要依賴于人工操作，在目前電網自動化還不充分的情況下，此種方式主要存在以下問題：1.效率低下：人工匹配過程通常耗時且效率低下，尤其是在數據量龐大、事件復雜的情形下，處理時間長，導致監督響應速度緩慢。2.人力資源限制：高度依賴經驗豐富的專業人員進行數據分析和判斷，面臨專家數量不足的問題，特別是在需要快速擴展監督能力的情況下，人力資源的限制成為顯著瓶頸。3.一致性和準確性問題：人工分析的結果容易受到個人經驗和主觀判斷的影響，可能會漏檢或誤判某些違規行為。現有技術在電網技術監督領域雖然提供了基本的功能支持，但在效率、資源利用及準確性方面仍存在不小的挑戰。
技術實現思路
1、為了解決上述問題，本專利技術提出了一種電網違規行為監督方法、終端設備及存儲介質。
2、具體方案如下：
3、一種電網違規行為監督方法，包括以下步驟：
4、s1：針對電網違規行為監督的標準文件中的各細則，采集對應的違反各細則的問題；
5、s2：基于各細則和對應的問題構建訓練集，訓練集中包括正例和反例，其中，正例為問題與細則為對應關系，反例為問題與細則不為對應關系；
6、s3：構建詞向量模型，通過訓練集對詞向量模型進行訓練，以使詞向量模型針對問題的輸出結果與針對該問題對應的細則的輸出結果語義對齊；
7、s4：提取標準文件中
8、s5：通過訓練后的詞向量模型對該圖中各節點的內容進行編碼，得到各節點的編碼結果；
9、s6：結合該圖的鄰接矩陣和各節點的編碼結果，通過圖神經網絡對細則內容節點進行重新編碼，得到細則內容節點的特征向量；
10、s7：構建用于輸入問題對應的階段類型和事故類型預測的大模型；
11、s8：當接收到輸入問題時，首先通過大模型預測該輸入問題對應的階段類型和事故類型；之后從標準文件中篩選出具有相同階段類型和事故類型的細則，并基于圖中各細則內容節點的特征向量提取各篩選細則的特征向量；然后使用訓練后的詞向量模型對輸入問題進行編碼；最后將輸入問題的編碼結果與各篩選細則的特征向量的分別進行相似度計算，輸出相似度最高的n條細則。
12、進一步的，采集對應的違反各細則的問題時通過deepseek-67b-chat模型進行。
13、進一步的，詞向量模型采用text2vec-base-chinese。
14、進一步的，圖神經網絡使用之前需要預先進行訓練，使得通過訓練后的詞向量模型的細則內容節點經過圖神經網絡編碼后的最終特征向量與將該輸入問題的內容通過訓練后的詞向量模型得到的輸出結果一致。
15、進一步的，在構建大模型時，設置大模型針對階段類型預測的prompt為：“要求根據輸入信息，輸出場景屬于什么階段，階段類型為{設計階段，基建階段，運行階段}；從以上大括號內選擇一個結果回答；答案示例：運行階段；以下為輸入信息：”。
16、進一步的，在構建大模型時，設置大模型針對事故類型預測的prompt為：“要求根據輸入信息，輸出場景屬于什么事故類型，事故類型為{gis、開關設備事故，互感器損壞事故,人身傷亡事故，...，輸電線路事故}；從以上大括號內選擇一個結果回答；答案示例：電力電纜損壞事故；以下為輸入信息：”。
17、進一步的，大模型采用internlm2-chat-7b。
18、一種電網違規行為監督終端設備，包括處理器、存儲器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，所述處理器執行所述計算機程序時實現本專利技術實施例上述的方法的步驟。
19、一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，所述計算機程序被處理器執行時實現本專利技術實施例上述的方法的步驟。
20、本專利技術采用如上技術方案，解決了現有人工操作方式的缺陷，提高了電網監督的整體性能和可靠性。
本文檔來自技高網...【技術保護點】
1.一種電網違規行為監督方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的電網違規行為監督方法，其特征在于：采集對應的違反各細則的問題時通過deepseek-67B-chat模型進行。
3.根據權利要求1所述的電網違規行為監督方法，其特征在于：詞向量模型采用text2vec-base-chinese。
4.根據權利要求1所述的電網違規行為監督方法，其特征在于：圖神經網絡使用之前需要預先進行訓練，使得通過訓練后的詞向量模型的細則內容節點經過圖神經網絡編碼后的最終特征向量與將該輸入問題的內容通過訓練后的詞向量模型得到的輸出結果一致。
5.根據權利要求1所述的電網違規行為監督方法，其特征在于：在構建大模型時，設置大模型針對階段類型預測的prompt為：“要求根據輸入信息，輸出場景屬于什么階段，階段類型為{設計階段，基建階段，運行階段}；從以上大括號內選擇一個結果回答；答案示例：運行階段；以下為輸入信息：”。
6.根據權利要求1所述的電網違規行為監督方法，其特征在于：在構建大模型時，設置大模型針對事故類型預測的promp
7.根據權利要求1所述的電網違規行為監督方法，其特征在于：大模型采用internlm2-chat-7b。
8.一種電網違規行為監督終端設備，其特征在于：包括處理器、存儲器以及存儲在所述存儲器中并在所述處理器上運行的計算機程序，所述處理器執行所述計算機程序時實現如權利要求1~7中任一所述方法的步驟。
9.一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，其特征在于：所述計算機程序被處理器執行時實現如權利要求1~7中任一所述方法的步驟。
...【技術特征摘要】
1.一種電網違規行為監督方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的電網違規行為監督方法，其特征在于：采集對應的違反各細則的問題時通過deepseek-67b-chat模型進行。
3.根據權利要求1所述的電網違規行為監督方法，其特征在于：詞向量模型采用text2vec-base-chinese。
4.根據權利要求1所述的電網違規行為監督方法，其特征在于：圖神經網絡使用之前需要預先進行訓練，使得通過訓練后的詞向量模型的細則內容節點經過圖神經網絡編碼后的最終特征向量與將該輸入問題的內容通過訓練后的詞向量模型得到的輸出結果一致。
5.根據權利要求1所述的電網違規行為監督方法，其特征在于：在構建大模型時，設置大模型針對階段類型預測的prompt為：“要求根據輸入信息，輸出場景屬于什么階段，階段類型為{設計階段，基建階段，運行階段}；從以上大括號內選擇一個結果回答；答案示例：運行階段；以下...
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。