一种电网工程图纸全生命周期智能关联方法及相关设备与流程

本发明涉及电力数字化与人工智能，尤其涉及一种电网工程图纸全生命周期智能关联方法及相关设备。

背景技术：

1、目前电网工程包含规划可研、初步设计、施工图设计、施工安装、竣工验收、运维检修和退役七大阶段，产生dwg图纸、pdf矢量图、纸质扫描件和手绘草图四类多模态图纸，同时配套设备台账、缺陷工单、试验报告和变更记录等海量业务数据。现有技术存在诸多问题：传统图纸系统仅支持dwg单一格式，纸质扫描和手绘草图识别精度低，缺少电力专用目标检测与拓扑校验机制，跨格式图元无法标准化对齐；各阶段图纸、设备、回路数据独立存储，依靠人工建立关联，无法自动挖掘同源演化、变更因果、拓扑从属和专业协同等多层级关联关系；图纸和设备发生修改后，无法自动计算变更影响范围，需人工逐张核查关联图纸，变更溯源链路断裂，故障反向追溯困难；现有知识图谱一次性构建，新增图纸和运维工单无法自动增量更新，无图神经网络链路预测自学习机制，关联匹配准确率无法持续提升；图纸关联关系和变更日志无防篡改存证手段，工程质量责任追溯和审计缺少可信凭证。

技术实现思路

1、有鉴于此，本发明实施例提出一种电力图纸在线轻量化浏览方法、装置、设备及介质，旨在实现对电网工程图纸全生命周期关联关系的智能挖掘、动态维护和可信治理，有效提升跨阶段图纸数据关联的自动化程度和准确性。

2、一方面，本发明实施例提供了一种电网工程图纸全生命周期智能关联方法，所述方法包括以下步骤：

3、获取电网工程全生命周期的多模态图纸数据及关联业务数据，构建定义实体类型与关联边类型的标准本体库，并对所述多模态图纸数据执行差异化解析，提取实体特征信息；

4、基于所述标准本体库和所述实体特征信息，通过多层递进式数据挖掘与d-s证据理论融合关联可信度，构建分层加权关联的知识图谱；

5、基于所述知识图谱，通过加权传播与增量挖掘联动，执行增量实体解析与关联关系修正，生成更新后的知识图谱；

6、基于所述更新后的知识图谱训练图神经网络模型，输出关联概率预测值，并根据所述关联概率预测值动态调整所述多层递进式数据挖掘的挖掘参数，以生成优化后的知识图谱；

7、基于所述优化后的知识图谱，执行跨模态智能溯源并输出溯源结果，并通过联盟链对关联数据执行可信存证生成存证记录。

8、可选地，所述构建定义实体类型与关联边类型的标准本体库，并对所述多模态图纸数据执行差异化解析，提取实体特征信息，包括：

9、划分电网工程全生命周期工程阶段，定义项目本体、电力设备本体、回路拓扑本体、图纸图元本体和运维业务本体的五层本体实体模型，并定义关联边类型；

10、对dwg电子图纸、pdf矢量竣工图、纸质扫描图纸和现场手绘草图执行差异化解析，提取结构化图元数据并汇聚全生命周期时序数据池；

11、对所述结构化图元数据执行特征编码，提取包含结构特征、语义特征、拓扑特征和元数据特征的实体特征信息。

12、可选地，所述基于所述标准本体库和所述实体特征信息，通过多层递进式数据挖掘与d-s证据理论融合关联可信度，构建分层加权关联的知识图谱，包括：

13、执行项目级时空同源关联挖掘，采用聚类算法挖掘图纸同源归属关系并生成项目同源关联边；

14、执行设备实体跨图纸对齐关联挖掘，采用相似度匹配挖掘对应同一物理设备的图元实体并生成设备跨图纸关联边；

15、执行回路拓扑与图元从属关联挖掘，基于拓扑连接关系构建从属关联边；

16、执行时序变更因果关联挖掘，采用关联规则挖掘算法挖掘变更因果传导规则并生成变更因果关联边；

17、执行跨专业协同关联挖掘，采用频繁模式挖掘算法挖掘多专业图纸共现模式并生成专业协同关联边；

18、以所述项目同源关联边、设备跨图纸关联边、从属关联边、变更因果关联边和专业协同关联边为五层挖掘结果，分配概率权重并修正高冲突证据，通过组合规则融合计算每条关联边综合可信度，按可信度分级并剔除无关联关系，融合构建分层加权关联的知识图谱。

19、可选地，所述基于所述知识图谱，通过加权传播与增量挖掘联动，执行增量实体解析与关联关系修正，生成更新后的知识图谱，包括：

20、实时监听增量事件，获取增量图纸并触发增量解析流程；所述增量事件包括图纸上传、版本修改、手绘图纸新增、设备台账变更或运维工单新增事件中的至少一种；

21、对所述增量图纸执行多模态解析，提取增量实体特征向量，与当前图谱实体向量库执行增量相似度匹配，识别变化实体并确定变更节点；

22、以所述变更节点为起点，结合变更因果规则确定传播主路径，沿关联边传播变更影响因子，当节点累积影响因子低于预设阈值时终止分支传播，输出受影响节点集合，所述变更影响因子的传播权重与关联边可信度及关联类型正相关；

23、根据所述受影响节点集合与增量实体特征向量的相似度匹配结果，新增关联边、标记过期关联边为失效归档并更新关联边可信度，同步生成变更溯源树记录完整变更传导链路；

24、每次增量更新后生成图谱版本快照以记录关联演化轨迹，所述图谱版本快照用于历史时间节点关联回溯与版本比对。

25、可选地，所述基于所述更新后的知识图谱训练图神经网络模型，输出关联概率预测值，并根据所述关联概率预测值动态调整所述多层递进式数据挖掘的挖掘参数，以生成优化后的知识图谱，包括：

26、获取历史图谱数据，以人工核验关联边为正样本、无关联图纸对为负样本，构建链路预测训练数据集；

27、以实体特征向量为节点输入、多类型关联边为边信息训练图神经网络模型，以链路预测为目标学习图纸隐性关联规律，输出图纸对关联概率预测值；

28、定期将新增关联业务数据和人工核验记录输入图神经网络模型进行增量训练，根据图神经网络模型预测误差动态调整各层挖掘算法相似度阈值和领域权重参数，以生成优化后的知识图谱。

29、可选地，所述基于所述优化后的知识图谱，执行跨模态智能溯源并输出溯源结果，包括：

30、设置图纸文件、设备编号、回路名称、故障缺陷、地理点位和工单编号的检索入口；

31、输入检索目标，沿图谱关联边多层遍历，执行项目级全周期溯源、设备级全链路溯源、回路级关联溯源和故障反向溯源，输出溯源结果；

32、生成关联拓扑可视化图，按节点度设置节点大小、按关联可信度设置边粗细，高亮变更因果链路，提供图纸与业务数据详情跳转接口。

33、可选地，所述通过联盟链对关联数据执行可信存证生成存证记录，包括：

34、搭建电力联盟链架构，将关联边、变更记录、图谱快照和变更溯源记录上链存证，通过链式哈希生成存证记录。

35、另一方面，本发明实施例提供了一种电网工程图纸全生命周期智能关联装置，包括：

36、第一模块，用于获取电网工程全生命周期的多模态图纸数据及关联业务数据，构建定义实体类型与关联边类型的标准本体库，并对所述多模态图纸数据执行差异化解析，提取实体特征信息；

37、第二模块，用于基于所述标准本体库和所述实体特征信息，通过多层递进式数据挖掘与d-s证据理论融合关联可信度，构建分层加权关联的知识图谱；

38、第三模块，用于基于所述知识图谱，通过加权传播与增量挖掘联动，执行增量实体解析与关联关系修正，生成更新后的知识图谱；

39、第四模块，用于基于所述更新后的知识图谱训练图神经网络模型，输出关联概率预测值，并根据所述关联概率预测值动态调整所述多层递进式数据挖掘的挖掘参数，以生成优化后的知识图谱；

40、第五模块，用于基于所述优化后的知识图谱，执行跨模态智能溯源并输出溯源结果，并通过联盟链对关联数据执行可信存证生成存证记录。

41、另一方面，本发明实施例提供了一种电网工程图纸全生命周期智能关联系统，包括：

42、至少一个处理器；

43、至少一个存储器，用于存储至少一个程序；

44、当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现上述的方法。

45、另一方面，本发明实施例提供了一种计算机可读存储介质，其中存储有处理器可执行的程序，所述处理器可执行的程序在由处理器执行时用于执行上述的方法。

46、本发明实施例包括以下有益效果：

47、本发明通过获取电网工程全生命周期多模态图纸数据及关联业务数据，构建定义实体类型与关联边类型的标准本体库，并对多模态图纸数据执行差异化解析以提取实体特征信息，使得跨格式图元得以标准化对齐，从而解决传统图纸系统格式单一、识别精度低的问题；通过基于标准本体库和实体特征信息执行多层递进式数据挖掘，并融合d-s证据理论计算关联边综合可信度以构建分层加权关联的知识图谱，使得项目级同源归属、设备级跨图纸对齐、回路级拓扑从属、时序级变更因果和跨专业协同五层关联关系得以自动挖掘与量化，从而无需人工手动绑定跨阶段图纸数据并提升跨实体关联匹配准确率；通过基于知识图谱执行加权传播与增量挖掘联动，对增量图纸执行增量实体解析与关联关系修正以生成更新后的知识图谱，使得增量事件被实时监测且变更影响范围被自动推演，从而实现知识图谱的动态闭环更新并解决变更溯源链路断裂的问题；通过基于更新后的知识图谱训练图神经网络模型输出关联概率预测值，并据此动态调整多层递进式数据挖掘的挖掘参数以生成优化后的知识图谱，使得关联挖掘模型根据预测误差持续自优化，从而解决现有知识图谱一次性构建、新增数据无法自动增量更新的问题；通过基于优化后的知识图谱执行跨模态智能溯源并输出溯源结果，并通过联盟链对关联边、变更记录、图谱快照和变更溯源记录执行可信存证以生成存证记录，使得全生命周期数据链路得以多层级溯源且数据不可篡改与全链路可追溯，从而满足电网工程质量审计和安全责任追溯的合规要求。