知识图谱

9月22日，在国家电网有限公司数字化工作部统筹部署下，由国网浙江省电力有限公司牵头，联合南瑞集团、中国电科院、四川大学等单位共同编制的电力知识图谱领域首个国际标准——IEEE P2807.3标准《电力知识图谱应用指南》（《Guide for Electric-Power-Oriented Knowledge Graph》）通过电气与电子工程师协会（IEEE）计算机标准委员会终审，正式获批发布。

党和国家对质量高度重视，“质量强国”已写入质量发展纲要、政府工作报告和国家“十三五”规划。国网公司深入推进电网设备质量管理，提出“优化采购评审规则，严格专业检测，加强设备厂商业绩评价，进一步选好选优设备”和“选质量最好的设备、选管理最强的乙方”的统一部署。2015年以来，湖北公司在国网设备部指导下，健全设备质量监督管控体系，创新开展供应商设备质量评价工作，强化运维专业缺陷、故障等多维信息向物资采购部门的反馈，提高采购设备质量，推进“质量强网”。首次采用知识图谱技术，利用图数据库和人工智能领域的最新成果，将各业务系统的数据和外部互联网信息全面融合，形成电力装备质量管理全景知识，精准发现数据间内在的本质关联关系，真正挖掘数据资产价值。 一是首次提出一套全过程设备质量评估技术体系，制定并发布了变压器类、高压开关类、输电线路类、高压电缆及附件类、无功补偿类设备质量评级技术导则等五项国网公司企业标准。二是建立一套设备质量评估管理体系，下发了《国家电网有限公司运检环节电网设备供应商绩效评价管理办法》《国网湖北省电力公司设备质量评级管理规范》《国网湖北省电力公司设备抽检监造技术监督指导意见》等，为规范开展设备质量评级工作，推动评级结果的落地应用奠定基础。三是构建评估信息系统，推进成果在国网公司系统全面应用。开发电网设备质量评估模块和一体化评价计算软件，实现评价工作全流程线上流转，提高评价工作效率和结果可视化水平。组织国网系统内27家单位，自2017年至2019年开展五轮供应商设备绩效评价和应用，评价结果应用于国网公司物资招标采购。四是不断优化电力设备质量评估机制，创新探索省公司和国网公司两级评价算法。充分落实“谁使用，谁评价”的原则，应用最新一轮评价数据开展两级评价算法研究与试算。五是创新应用知识图谱技术等人工智能技术，全方位挖掘数据价值。开展电网关键主设备质量提升分析研究，应用知识领域映射地图，深度探索设备缺陷及质量问题发展进程与结构关系，多维度分析设备故障或缺陷原因及规律，为促进供应商产品质量提升和运维检修策略优化提供具体建议。 电网设备全过程质量评估的推广应用，一方面从生产厂家设计制造环节开始，有效提升设备质量水平；另一方面为电网设备的招标采购提供决策依据，严格把控入网设备质量第一关口，对维护电网安全稳定具有重要的意义。

智能站采用光纤传递数字和模拟信号，使常规站基于“短电流、断电压、拆跳闸”方式的二次安全措施理论不再适用于智能站。为解决传统人工拟票方式编制效率低、错误率高等问题，提出基于知识图谱与智能变电站配置描述文件(substation configuration description, SCD)的二次检修安全措施自动生成技术。首先，基于SCD文件和知识图谱构建配置数据库，并按照设定规则实现虚回路与软压板的半自动关联。其次，依据智能站规范中的二次安措编制准则，构建安措规则库并引入安措执行优先级编码字段。最后，由二次安措自动生成技术基于配置数据库与安措规则库完成检修设备二次信息的规则匹配，用于自动生成二次安措票。仿真结果表明，该技术能够根据现场检修任务自动正确生成二次安措票，提高智能变电站技改、消缺和校验的工作效率，降低人工编制错误率，为实现智能化运检一体提供参考。

他介绍到为了将技术的优势与业务的需求结合到一起，让信息系统具备“智慧的大脑”，通过综合运用深度学习、自然语言处理、知识图谱等先进的人工智能技术，针对企业管理对人工智能技术的应用实践需求，打造出“知识图谱应用平台”，围绕知识获取、知识表示、知识运用的三大过程展开，以知识流为主线来逐步构建企业“数据→信息→知识→智能”的生成通道，实现知识图谱技术在业务场景中的应用落地。

针对电网小型基建审查效率低、人工成本高等问题，提出融合自然语言处理与知识图谱的智能审查方法。聚焦图纸与模型语义化审查、人机智能协同规则库构建及模型审查实施案例验证三大方向。构建支持人机协同与规则动态更新的技术体系。强调规范结构化转译与跨专业语义统一是提升审查质量的关键，建议推广并融合多源数据，推动审查向智能化、协同化发展。

为了解决国网数据知识资源分散，关联程度不高，多模态数据难以融合和有效利用，电网领域数据的知识化服务能力不足等问题，开展基于认知计算的人工智能知识服务平台能力研究，建立多源数据处理规范、形成电网数据的知识本体设计规则，进行数据的知识化构建，提供基于不同业务诉求的场景化知识处理和服务能力。 本研究主要从以下几个方面展开：通过技术研究和开发建设拟建立一种通过知识工程方法的认知计算的人工智能电网知识资源统一表达方式和标准化技术，以此为基础实现建立电网全产业链数据链接，提供设备、数据、服务互联互通的数据标准化处理能力；研究电网知识资源的知识本体设计技术，实现电力多源异构数据的知识化关联融合和有效应用，建立涵盖公司设备全业务数据知识的接入、处理、构建与应用的设备知识图谱本体，同时形成面向电力领域的本体构建规则；研究电网资源知识融合过程中针对其中的设备、资产、组织结构等进行实体建模；针对参数、描述等进行属性建模；针对实体间的关联，进行关系建模；针对监控产生的日志、操作等，进行事件建模；提供基于事件的业务场景化知识服务能力；通过电网业务知识服务能力构建，从分析电力知识数据来源、数据形式出发，对电力知识存储方式以及电力知识查询语言进行归约，同时使用机器学习、深度学习以及自然语言处理技术从非结构化电力文本中进行信息抽取，抽取出具体的结构化电力数据，经过知识融合加工实现了知识图谱可视化与应用以及智能知识检索能力。相关技术成果有效地支撑了电网业务的智能数据知识化融合和电力业务场景新型知识服务能力，全面助力提升公司数据资源管理效率、经营效益和服务水平。

为了提升电网故障处置响应能力，提出一种故障处置信息自适应理解框架，该框架基于所构建的多任务协同理解模型和故障处置知识图谱识别电网故障告警、运行状态、操作指令等信息，自适应推理生成故障处置操作策略。通过建立故障处置信息理解模型评价指标和试验数据集，验证了故障处置信息理解框架和多任务协同理解模型的有效性。

SDH光传输系统是支撑大电网安全运行的关键电力通信设施,当前对于实时严重告警的排查主要依赖通信调度人员的经验开展关联分析,该模式存在排查速度慢、业务协同差等不足。为了解决以上问题,提出了一种面向SDH光传输系统告警的领域知识图谱构建方法。针对告警文本中实体嵌套和边界难以确定的问题,构建BERT+Bi-LSTM+CNN模型进行命名实体识别。采用Multi-Attention+TextRNN模型进行关系抽取,并基于GCN+Self-Attention进行知识图谱融合。以某线路的通信设备告警文本为实验对象,采用所提出的方法进行知识抽取和融合,实体识别准确率达到91.42%,知识融合的hits@1能达到38.1%,验证了针对SDH光传输系统告警场景的领域知识图谱构建方法的有效性。

为了实现电力领域的技术创新，文章利用人工智能、大数据分析和挖掘、知识图谱、自然语言处理等技术，并结合领域专家的意见，构建电力领域的中文专业词典和知识图谱，并通过对电力领域与人工智能领域进行交叉分析，预测电力领域未来的研究热点。结果表明：知识图谱技术适用于电力领域，能够实现电力系统各个环节移动互联、人机交互的发展目标，扩大智能电网应用，推动能源生态建设。

随着现阶段电力系统作业风险数据的不断积累,以继电保护为代表的电力二次作业风险知识需要以更为高效的方式进行存储与查询,知识图谱技术所具有的高度结构化的特点为该领域问题的解决提供了可行性方案。在此背景下,文章首先设计了一种面向电力二次作业的知识图谱构建方法,包括数据预处理、知识抽取、知识融合与存储过程;然后,针对知识抽取方法,提出一种融合旋转位置编码及注意力机制的级联(casRel-attention-RoPE,CasRel-AttR)实体关系联合抽取方法,针对二次作业语料特征,在级联关系三元组抽取(cascade relational triple extraction,CasRel)模型主客体标注部分加入融合旋转位置编码(rotary position embedding,RoPE)的自注意力机制,并在自构建的二次作业风险数据集上设置实验,实验结果证明模型在识别效果上的优越性。最后,在抽取得到的三元组基础上,根据构建流程构建了完整的知识图谱,初步达到辅助风险分级与运维决策的效果,为后续有效支撑二次作业风险防范领域的数字化转型工作提供参考。