[发明专利]一种基于知识图谱的电网日前调度计划优化决策方法

权利要求书

1.一种基于知识图谱的电网日前调度计划优化决策方法，其特征在于，包括以下步骤：

(1)以电网台账为中心，构建电网日前调度计划优化决策知识图谱框架；

(2)从电网日前调度计划优化决策领域语料中抽取电网实体与事件；

(3)基于电网实体、事件构建电网日前调度计划优化决策领域知识图谱；

(4)基于调度计划优化历史记录构建优化场景；

(5)基于场景相似度计算和知识图谱，得出电网日前调度计划优化决策建议。

2.根据权利要求1所述的一种基于知识图谱的电网日前调度计划优化决策方法，其特征在于，所述步骤(1)中电网日前调度计划优化决策知识图谱框架包括台账图谱、火电机组状态图谱、新能源机组功率预测图谱、系统负荷预测图谱、日前调度计划优化历史记录图谱、稳定运行规程图谱、安全校核报告图谱、调度日志图谱。

3.根据权利要求1所述的一种基于知识图谱的电网日前调度计划优化决策方法，其特征在于，所述步骤(2)包括：

语料准备：收集电网日前调度计划优化决策领域语料数据及文件，其中新能源机组功率预测、火电机组状态、系统负荷预测、母线负荷预测为结构化语料，日前调度计划优化历史记录、调度日志为半结构语料，稳定运行规程、安全校核报告为非结构数据；收集电网设备标准名称清单、操作术语清单；结构化语料、半结构化语料中的结构数据部分可以通过字段关联映射填充相应图谱的对应节点；非结构语料、半结构化语料中的非结构数据通过深度神经网络方法提取电网实体和事件；

语料预处理：预处理电网日前调度计划优化决策领域文本语料，清洗语料中的空行、空格；统一英文大小写，统一标点符号全角和半角状态；

语料分词：根据电网设备标准名称清单、操作术语清单设定主题词典，采用HanLp分词框架进行中文分词和词性标注；

语料标注：按照6：3：1划分语料为训练集、验证集和测试集；在训练集完成电网设备、事件的序列标注，定义标签集合表示所有标注结果；

命名实体识别模型训练：基于训练集标注语料，采用Albert+BiLSTM+CRF深度神经网络架构，训练并构建电网日前调度计划领域命名实体识别模型；

基于识别模型，从测试集语料、后续生产过程中新生成语料中抽取电网实体与事件。

4.根据权利要求1所述的一种基于知识图谱的电网日前调度计划优化决策方法，其特征在于，所述步骤(3)包括：

完成电网实体与电网调度控制运行支持系统中实体对象的映射，并构建电网日前调度计划优化决策领域知识图谱中的节点；

电网实体分类：首先采用Gaussian函数进行不同距离的样本的权重优化，避免厂站与开关实体样本数量级不平衡容易导致的关联算法失匹，然后选择ball tree算法作为近邻搜索优化算法，克服KD树高维失效，最后设定K值为5，开展KNN关联度处理，将电网实体分类为变电站、电厂、线路、变压器、母线、开关、发电机组、断面；

制定电网实体命名匹配规则；

电网实体链接：使用电网实体命名匹配规则，将电网日前调度计划优化领域语料中提取的电网实体映射至主题词典中的标准命名，作为知识图谱中的实体节点；

事件链接：因电网事件书写规范程序与电网实体规范程度相差较远，无法使用文本模式匹配规则进行事件映射，采用word2Vec浅层神经网络训练事件同义词相似度匹配模型，将电网日前调度计划优化领域语料中提取的事件映射至主题词典中事件的标准命名，作为知识图谱中的事件节点；

新词发现：生产环境中不断产生的语料数据中，针对未识别的短语、未能成功链接的电网实体与事件，通过词性分析，分成名词和动词两大类，通过人工交互确认，确定短语的分类，确定电网实体、事件的映射，并反向同步更新命名实体识别模型，与电网实体、事件链接的词义匹配模型，持续提升模型识别准确率。