【技術實現步驟摘要】
本專利技術涉及電力電網運維部署，特別是一種基于知識圖譜的電力電網運維部署方法及系統。
技術介紹
1、傳統的電力電網運維方法大多依賴于靜態的監測數據和預設的故障診斷規則，這種方式雖然在一定程度上能夠保障電網的穩定運行，但在應對日益復雜和動態變化的電力系統時顯得力不從心，近年來，隨著大數據技術、人工智能和物聯網的迅猛發展，電力系統中的數據采集和處理能力顯著提升，基于數據驅動的方法逐漸成為電力運維的主流技術方向，在這一背景下，知識圖譜作為一種能夠有效表示復雜關系和多維信息的技術，逐漸被引入到電力系統中，用于增強電力運維的智能化和自動化水平，知識圖譜能夠通過對電力系統中設備、節點及其關系的動態建模，提供更為直觀和全面的電力系統故障預測與決策支持。
2、現有的基于數據驅動的電力運維方法，雖然在一定程度上能夠利用歷史數據進行故障預測，但大多缺乏對電力系統中復雜關系的深度建模，尤其是難以動態適應電力系統中不斷出現的新設備、新節點及其關系變化，這種局限性導致現有技術在故障預測的準確性和時效性方面存在顯著不足，而知識圖譜技術具備良好的關系建模和動態擴展能力，能夠有效地捕捉電力系統中不同設備、節點之間的復雜關聯，為故障預測提供更為全面和動態的支持，同時，基于知識圖譜的圖神經網絡模型能夠在大規模數據的基礎上，學習并預測電力系統中的潛在故障，顯著提升故障預測的準確性和決策效率，因此，如何結合知識圖譜和圖神經網絡技術，構建一種高效、準確且能夠動態適應電力系統變化的運維部署方法，成為亟需解決的問題。
技術實現思路b>
1、鑒于上述現有存在的問題，提出了本專利技術。
2、因此，本專利技術提供了一種基于知識圖譜的電力電網運維部署方法及系統解決電力系統中因數據復雜性和動態性導致的故障預測準確性和決策效率不足的問題。
3、為解決上述技術問題，本專利技術提供如下技術方案：
4、第一方面，本專利技術實施例提供了一種基于知識圖譜的電力電網運維部署方法及系統，其包括，采集關鍵數據，并對其進行預處理；
5、從關鍵數據中提取實體，識別實體與實體之間的關系，基于實體與實體關系構建知識圖譜，并將其存儲在圖數據庫中；
6、基于關鍵數據動態識別新出現的實體，同步調整實體關系，并基于新實體和實體關系更新知識圖譜；
7、從知識圖譜中提取訓練數據，基于訓練數據構建圖神經網絡模型；
8、基于知識圖譜和圖神經網絡模型預測電力系統中的潛在故障，并生成相應的決策建議。
9、作為本專利技術所述基于知識圖譜的電力電網運維部署方法及系統的一種優選方案，其中：所述關鍵數據包括設備運行數據、環境數據、歷史運維數據以及文本數據，根據數據類型，選擇合適的傳感器，傳感器部署在電力設備、變電站周圍及環境監測點，傳感器采集的關鍵數據通過網絡傳輸到中央處理系統；
10、根據不同數據類型，設定采樣頻率，且統一數據格式，為每條數據加上時間戳和設備標識符。
11、作為本專利技術所述基于知識圖譜的電力電網運維部署方法及系統的一種優選方案，其中：所述從關鍵數據中提取實體，識別實體與實體之間的關系，包括，
12、定義知識圖譜中的實體類別，所述實體類別包括設備實體、故障實體、環境實體以及運維實體；
13、使用ner技術從預處理后的文本數據中提取實體，采用bert模型進行實體識別，將預處理后的文本數據輸入bert模型，生成每個單詞的詞向量，通過bert模型的輸出層，標注文本中的實體類別；
14、對識別出的實體進行標準化處理，消除同一實體的不同表達方式；
15、基于電力電網運維的需求，定義實體間的關系類型，所述關系類型包括因果關系、空間關系以及關聯關系；
16、采用依存句法分析加規則匹配的方法從文本數據中提取實體間的關系。
17、作為本專利技術所述基于知識圖譜的電力電網運維部署方法及系統的一種優選方案，其中：所述基于實體與實體關系構建知識圖譜，并將其存儲在圖數據庫中，包括，
18、將實體作為圖中的節點，實體間的關系作為圖中的邊，構建知識圖譜的圖結構，為每個實體節點和每條邊設置屬性；
19、定義圖g＝(v,e)，其中v為實體的集合，e為關系的集合，合并同質節點，將具有相同屬性的節點合并為一個節點，同時基于關系的重要性和頻率，為每條邊設置權重；
20、將構建好的知識圖譜存儲在圖數據庫中，每個實體節點存儲為圖數據庫中的一個節點，并將實體的屬性作為節點的屬性存儲，每個關系存儲為圖數據庫中的一條邊，并將關系的屬性作為邊的屬性存儲。
21、作為本專利技術所述基于知識圖譜的電力電網運維部署方法及系統的一種優選方案，其中：所述基于關鍵數據動態識別新出現的實體，同步調整實體關系，并基于新實體和實體關系更新知識圖譜，包括，
22、實時采集關鍵數據，基于ner技術從新數據中自動識別出未在知識圖譜中出現過的新實體；
23、對新識別的實體進行標準化處理；
24、添加新實體，并通過歷史數據設置其屬性；
25、在圖數據庫中創建一個新的節點實例，并將標準化后的實體信息寫入該節點的屬性字段，然后將實體的所有屬性按照圖數據庫的結構進行存儲。
26、基于對實時數據的分析，檢測新實體與現有實體之間存在的關系，當檢測到新實體與現有實體之間存在新關系時，將該關系添加到知識圖譜中；
27、對于已有關系，基于最新數據對關系的權重進行動態調整，定期檢查知識圖譜中的關系，刪除長期未被觸發和已被證實無效的關系；
28、更新完實體和關系后，檢查知識圖譜中是否存在孤立節點，以及是否存在重復或冗余的關系，檢測并處理知識圖譜中存在的循環關系，在完成結構調整后，對知識圖譜進行一致性驗證。
29、作為本專利技術所述基于知識圖譜的電力電網運維部署方法及系統的一種優選方案，其中：所述從知識圖譜中提取訓練數據，基于訓練數據構建圖神經網絡模型，包括，
30、從知識圖譜中的節點、邊以及鄰接矩陣中分別提取特征，定義節點特征矩陣為x，邊特征矩陣為e，鄰接矩陣為a，并將數據集劃分為訓練集、驗證集和測試集；
31、初始權重矩陣w；
32、在前向傳播過程中，采用多頭注意力機制來更新節點的特征，引入節點-邊交互函數fi?nteract，將節點和邊特征結合進行特征更新，第l層節點vi的更新；
33、定義結合節點分類和邊回歸任務的多任務損失函數；
34、在反向傳播過程中，基于損失函數計算梯度，并采用adam優化器更新模型參數，為防止過擬合，在每一層引入dropout機制，并使用l2正則化約束權重矩陣的大小；
35、訓練完成后，使用驗證集對圖神經網絡模型進行評估，計算準確率、f1得分和均方誤差指標，采用學習率衰減和早停技術，動態調整超參數λ和ζ，并根據驗證結果選擇最優模型。
36、作為本專利技術所述基于知識圖譜的電力電網運維部署方法本文檔來自技高網...
【技術保護點】
1.一種基于知識圖譜的電力電網運維部署方法，其特征在于：包括：
2.如權利要求1所述的基于知識圖譜的電力電網運維部署方法，其特征在于：所述關鍵數據包括設備運行數據、環境數據、歷史運維數據以及文本數據，根據數據類型，選擇合適的傳感器，傳感器部署在電力設備、變電站周圍及環境監測點，傳感器采集的關鍵數據通過網絡傳輸到中央處理系統；
3.如權利要求2所述的基于知識圖譜的電力電網運維部署方法，其特征在于：所述從關鍵數據中提取實體，識別實體與實體之間的關系，包括，
4.如權利要求3所述的基于知識圖譜的電力電網運維部署方法，其特征在于：所述基于實體與實體關系構建知識圖譜，并將其存儲在圖數據庫中，包括，
5.如權利要求4所述的基于知識圖譜的電力電網運維部署方法，其特征在于：所述基于關鍵數據動態識別新出現的實體，同步調整實體關系，并基于新實體和實體關系更新知識圖譜，包括，
6.如權利要求5所述的基于知識圖譜的電力電網運維部署方法，其特征在于：所述從知識圖譜中提取訓練數據，基于訓練數據構建圖神經網絡模型，包括，
7.如權利要求6
8.一種基于知識圖譜的電力電網運維部署的系統，基于權利要求1～7任一所述的基于知識圖譜的電力電網運維部署方法，其特征在于：包括：
9.一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其特征在于：所述處理器執行所述計算機程序時實現權利要求1～7任一所述的基于知識圖譜的電力電網運維部署方法及系統的步驟。
10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于：所述計算機程序被處理器執行時實現權利要求1～7任一所述的基于知識圖譜的電力電網運維部署方法及系統的步驟。
...【技術特征摘要】
1.一種基于知識圖譜的電力電網運維部署方法，其特征在于：包括：
2.如權利要求1所述的基于知識圖譜的電力電網運維部署方法，其特征在于：所述關鍵數據包括設備運行數據、環境數據、歷史運維數據以及文本數據，根據數據類型，選擇合適的傳感器，傳感器部署在電力設備、變電站周圍及環境監測點，傳感器采集的關鍵數據通過網絡傳輸到中央處理系統；
3.如權利要求2所述的基于知識圖譜的電力電網運維部署方法，其特征在于：所述從關鍵數據中提取實體，識別實體與實體之間的關系，包括，
4.如權利要求3所述的基于知識圖譜的電力電網運維部署方法，其特征在于：所述基于實體與實體關系構建知識圖譜，并將其存儲在圖數據庫中，包括，
5.如權利要求4所述的基于知識圖譜的電力電網運維部署方法，其特征在于：所述基于關鍵數據動態識別新出現的實體，同步調整實體關系，并基于新實體和實體關系更新知識圖譜，包括，
6....
【專利技術屬性】
技術研發人員：楊自興，韓維，王昌海，李自勇，朱青，史嘉琪，孫良飛，張惠民，李效龍，
申請(專利權)人：國家電網有限公司客戶服務中心，
類型：發明
國別省市：
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。