基于AI-ready数据的工业能碳大模型安全控制方法、系统、设备及存储介质与流程

本发明涉及工业人工智能与能碳管理，尤其是涉及一种基于ai-ready数据的工业能碳大模型安全控制方法、系统、设备及存储介质。

背景技术：

1、随着“双碳”目标的推进和工业数字化转型的深入，工业能碳管理逐渐引入人工智能大模型技术，以实现复杂的能耗优化和碳排放控制策略生成。然而，工业现场环境复杂，底层传感器和控制系统产生的数据往往具有多源异构、质量参差不齐（如数据缺失、漂移、通信中断等）的特点。

2、现有的大模型控制方案通常直接将采集到的工业数据作为上下文输入模型进行推理。当底层关键测点的数据质量较差或存在异常时，大模型可能会基于错误或缺失的信息生成错误的控制策略。如果这些包含改变物理设备运行状态指令的策略被直接自动下发执行，极易引发设备损坏、生产停滞甚至严重的安全事故。目前，缺乏一种能够将底层数据质量动态评估与大模型控制策略安全校验深度联动的机制，导致大模型在工业核心控制场景下的落地应用面临巨大的安全风险。

技术实现思路

1、为了解决现有技术中因底层数据质量不可靠导致大模型生成高风险控制策略建议的安全风险问题，本发明的目的在于提供一种基于ai-ready数据的工业能碳大模型安全控制方法、系统、电子设备及存储介质，通过将数据质量评估与控制准入结果进行联动，有效保障工业控制链路的安全性。

2、为了实现上述目的，本发明采用如下技术方案：

3、一种基于ai-ready数据的工业能碳大模型安全控制方法，其特征在于，包括以下步骤：

4、s1、获取工业现场的异构源数据，基于预设的资产语义图谱，将所述异构源数据映射为具有统一物理含义的测点时序数据；

5、s2、基于预设的数据动态评估模型对所述测点时序数据进行计算，生成当前时间窗口内的动态数据质量评分；

6、s3、响应于控制策略生成请求，将目标对象的测点时序数据、所述动态数据质量评分及对应的资产语义标签封装为ai-ready数据包；其中，所述ai-ready数据包内包含用于表征数据可靠性边界的限制说明字段；

7、s4、将所述ai-ready数据包作为上下文特征输入至工业能碳大模型，生成针对所述目标对象的候选控制策略建议；

8、s5、执行策略安全校验联动机制：当所述目标对象对应的关键测点的所述动态数据质量评分低于第一预设阈值，且所述候选控制策略建议包含改变物理设备运行状态的动作时，解析所述限制说明字段提取不可用的数据源节点；基于所述不可用数据源节点的影响程度，将所述候选控制策略建议的控制准入结果由自动准入候选状态降级为人工确认状态、仅建议状态或阻断状态；其中，所述候选控制策略建议不得直接形成设备控制命令，实际执行仍需经过策略中心、安全校验和边缘侧二次准入。

9、优选地，所述步骤s1中将所述异构源数据映射为具有统一物理含义的测点时序数据，具体包括：

10、接收包含目标资产实体名称的自然语言查询或策略生成请求，利用自然语言处理模型提取实体和动作意图；

11、在所述资产语义图谱中，将提取的所述目标资产实体名称与图谱节点的别名属性进行相似度匹配，锁定目标起始节点；

12、依据预构建的能源流模型中的拓扑有向边，从所述目标起始节点向下钻取其关联的底层仪表节点和测点节点，提取对应的物理含义与计量单位。

13、优选地，所述步骤s2中生成当前时间窗口内的动态数据质量评分的公式为：

14、

15、其中，表示测点在时间窗口内的动态数据质量评分；为数据完整度，基于数据缺失率计算；为数据准确度，基于数据偏离历史基线标准差的漂移率和跳变率计算；为通信可靠度，基于设备的在线告警状态确定；为预设的惩罚因子系数且总和为1；为基于资产节点拓扑层级确定的资产关键性动态权重。

16、优选地，所述ai-ready数据包的数据结构至少包括：对象引用字段、指标值字段、质量评分字段、证据来源字段以及所述限制说明字段；

17、所述限制说明字段用于向所述工业能碳大模型声明显式约束，其内容包括：低于所述第一预设阈值的异常测点标识、异常类型声明以及模型推理置信度惩罚提示。

18、优选地，所述步骤s5中执行策略安全校验联动机制，具体包括构建基于数据质量与资产关键性的二维决策矩阵进行控制：

19、当所述动态数据质量评分大于或等于所述第一预设阈值时，判定底层数据满足控制准入的数据可信条件，允许所述候选控制策略建议进入自动准入候选流程，并继续经过策略中心、安全校验和边缘侧二次准入；

20、当所述动态数据质量评分低于所述第一预设阈值但大于或等于第二预设阈值，且所述目标对象对应的资产节点属性为普通辅助资产时，允许所述候选控制策略建议进入受限准入候选流程，并触发异步告警日志推送至运维端。

21、优选地，所述执行策略安全校验联动机制还包括：

22、当所述动态数据质量评分低于所述第一预设阈值但大于或等于所述第二预设阈值，且所述目标对象对应的资产节点属性为核心控制资产时，触发降级动作，系统拦截所述候选控制策略建议的自动准入流程，将其状态置为待人工确认；

23、当所述动态数据质量评分低于所述第二预设阈值时，判定底层策略计算依据严重缺失，触发阻断动作，禁止所述候选控制策略下发并废弃该次大模型生成结果。

24、优选地，所述步骤s3中还包括能源流与碳流联合建模及封装机制：

25、建立能源介质流向与碳排放因子的映射关系模型；在生成所述ai-ready数据包时，若检测到所述目标对象涉及碳排放核算事件，则在所述证据来源字段中封装对应时间段的碳因子版本号及活动数据采集链路，使所述工业能碳大模型输出的碳排变化原因与能耗异常原因具有同一证据链。

26、第二方面，本发明提供了一种基于ai-ready数据的工业能碳大模型安全控制系统，包括：数据映射模块、质量评分模块、上下文封装模块、策略生成模块和安全校验联动模块。

27、第三方面，本发明提供了一种电子设备，包括至少一个处理器以及与所述处理器通信连接的存储器，所述存储器存储有可被所述处理器执行的计算机程序，以实现上述方法。

28、第四方面，本发明提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述方法的步骤。

1.一种基于ai-ready数据的工业能碳大模型安全控制方法，其特征在于，包括以下步骤：

2.如权利要求1所述的方法，其特征在于，所述步骤s1中将所述异构源数据映射为具有统一物理含义的测点时序数据，具体包括：

3.如权利要求1所述的方法，其特征在于，所述步骤s2中生成当前时间窗口内的动态数据质量评分的公式为：

4.如权利要求1所述的方法，其特征在于，所述ai-ready数据包的数据结构至少包括：对象引用字段、指标值字段、质量评分字段、证据来源字段以及所述限制说明字段；

5.如权利要求1所述的方法，其特征在于，所述步骤s5中执行策略安全校验联动机制，具体包括构建基于数据质量与资产关键性的二维决策矩阵进行控制：

6.如权利要求5所述的方法，其特征在于，所述执行策略安全校验联动机制还包括：

7.如权利要求1至6任一项所述的方法，其特征在于，所述步骤s3中还包括能源流与碳流联合建模及封装机制：

8.一种基于ai-ready数据的工业能碳大模型安全控制系统，其特征在于，包括：

9.一种电子设备，其特征在于，包括：

10.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现如权利要求1至7中任一项所述的基于ai-ready数据的工业能碳大模型安全控制方法的步骤。