一种配电网故障处置推荐方法、系统及介质与流程

摘要: 本发明属于电力系统智能运维,具体涉及一种配电网故障处置推荐方法、系统及介质。背景技术:1、高效、精准的配电网故障处置决策,能够快速定位电网故障、匹配最优抢修方案...
一种配电网故障处置推荐方法、系统及介质与流程

本发明属于电力系统智能运维,具体涉及一种配电网故障处置推荐方法、系统及介质。

背景技术:

1、高效、精准的配电网故障处置决策,能够快速定位电网故障、匹配最优抢修方案,有效缩短线路停电时长,全面提升区域电网供电稳定性。现阶段配电网运维工作仍存在诸多短板,传统故障处置方案高度依赖一线运维人员现场工作经验以及固定专家规则库,面对多故障并发、复合故障耦合的复杂电网场景,极易出现处置方案匹配错误、抢修步骤顺序混乱、遗漏关键处置工序等问题,智能化程度不足。

2、目前现有配电网故障智能推荐算法仍存在三类难以解决的技术缺陷:第一,电力运维工单文本专业术语密集、实体关联复杂,传统编码方式无法挖掘故障、处置文本深层语义信息,实体表征效果较差;第二,电网运维历史工单数据稀疏性极强,单一图结构无法同时建模故障-处置跨实体关联、故障内部共因关联、处置内部协同关联,拓扑关系建模不完整;第三,配电网故障属于典型多标签分类场景,故障样本分布极度不均衡,常规损失函数无法兼顾稀少故障样本,模型训练偏向常见故障,罕见故障推荐效果极差。因此,现有技术无法适配配电网真实运维数据特征与复合故障场景需求。

技术实现思路

1、本发明提供一种配电网故障处置推荐方法、系统及介质,旨在通过构建融合多图拓扑结构提取故障实体与处置实体的初始语义嵌入特征,分别提取同构与异构图谱特征并进行自适应融合得到故障节点特征与处置节点特征,计算各候选处置措施匹配概率,输出匹配概率降序排序后的故障处置推荐方案,以解决现有配电网故障处置推荐算法拓扑建模单一、文本语义挖掘不足、稀疏数据适配能力差、不平衡样本训练效果不佳的问题。

2、为了解决上述问题,本发明的技术方案如下:

3、第一方面,本发明提供一种配电网故障处置推荐方法,包括:

4、获取配电网维修记录数据,输入预先训练的故障处置推荐模型,输出匹配概率降序排序后的故障处置推荐方案;

5、其中,所述故障处置推荐模型的数据处理方法,包括:

6、根据配电网历史维修记录数据构建拓扑图结构,所述拓扑图结构包括故障-处置二分图、故障-故障协作图和处置-处置协作图;

7、采用预训练语言模型,分别对故障-处置二分图、故障-故障协作图、处置-处置协作图进行语义编码,并提取故障实体与处置实体的初始语义嵌入特征;

8、基于初始语义嵌入特征,对故障-故障协作图和处置-处置协作图采用带残差连接的图卷积网络完成同构节点特征传播得到故障图谱异构特征和处置图谱异构特征,对故障-处置二分图采用双向图注意力网络自适应分配邻居节点权重完成异构节点特征聚合得到二分图谱异构特征;

9、设置多头注意力机制,分别对故障图谱异构特征和二分图谱异构特征,以及处置图谱异构特征和二分图谱异构特征,进行自适应融合得到故障节点特征与处置节点特征;

10、基于故障节点特征与处置节点特征,计算各候选处置措施匹配概率,输出匹配概率降序排序后的故障处置推荐方案。

11、进一步地,所述故障-处置二分图、所述故障-故障协作图和所述处置-处置协作图,用于分别刻画故障与处置直接关联、故障之间共因关联、处置措施之间协同关联,其中,所述故障-处置二分图、所述故障-故障协作图和所述处置-处置协作图对应的边集,分别表示为:

12、;

13、;

14、;

15、式中,为故障-处置二分图的边集,为故障实体,为处置实体,为第条历史维修记录对应的故障集合,为第条历史维修记录对应的处置集合,为配电网历史维修记录数据集合,为故障-故障协作图的边集,、分别为第条历史维修记录对应的故障实体、第条历史维修记录对应的故障实体,为故障实体集合,为处置实体集合,为故障实体共现阈值,为处置-处置协作图的边集,、分别为第条历史维修记录对应的处置实体、第条历史维修记录对应的处置实体,为处置实体共现阈值,为条件判断符号,表示“存在”。

16、进一步地,所述采用预训练语言模型,分别故障-处置二分图、故障-故障协作图、处置-处置协作图进行语义编码,并提取故障实体与处置实体的初始语义嵌入特征,包括:

17、基于sentence-bert预训练语言模型对故障-处置二分图、故障-故障协作图、处置-处置协作图进行语义编码,并自动挖掘文本深层语义信息,得到故障实体与处置实体的初始嵌入特征。

18、进一步地,在所述基于初始语义嵌入特征,对故障-故障协作图和处置-处置协作图采用带残差连接的图卷积网络完成同构节点特征传播得到故障图谱异构特征和处置图谱异构特征,对故障-处置二分图采用双向图注意力网络自适应分配邻居节点权重完成异构节点特征聚合得到二分图谱异构特征之前,还包括:

19、根据线性变换,基于非线性激活函数统一故障-处置二分图、故障-故障协作图和处置-处置协作图中的故障实体和处置实体的特征维度。

20、进一步地,所述异构节点特征聚合的计算公式,表示为:

21、;

22、式中,为第层第个异构节点聚合后的特征向量,为非线性激活函数,为第个异构节点所在的异构节点集合,为第个异构节点和第个邻居节点对应的节点间自适应注意力权重,为第层的可学习权重矩阵,为第层的第个邻居节点的邻居节点特征向量。

23、进一步地,所述设置多头注意力机制,分别对故障图谱异构特征和二分图谱异构特征,以及处置图谱异构特征和二分图谱异构特征,进行自适应融合得到故障节点特征与处置节点特征,包括:

24、采用多头注意力机制,将故障图谱异构特征和二分图谱异构特征,逐元素相加构造第一查询向量,再进行拼接构造第一键向量和第一值向量,划分多组独立语义子空间,基于第一查询向量、第一键向量和第一值向量分别在每个独立语义子空间内完成注意力权重的计算,将多头注意力各独立语义子空间的输出拼接后,经线性投影降维,得到故障节点特征;

25、采用多头注意力机制,将处置图谱异构特征和二分图谱异构特征,逐元素相加构造第二查询向量,再进行拼接构造第二键向量和第二值向量,划分多组独立语义子空间,基于第二查询向量、第二键向量和第二值向量分别在每个独立语义子空间内完成注意力权重的计算,将多头注意力各独立语义子空间的输出拼接后,经线性投影降维,得到处置节点特征。

26、进一步地,所述基于故障节点特征与处置节点特征,计算各候选处置措施匹配概率,输出匹配概率降序排序后的故障处置推荐方案,包括:

27、基于所述故障节点特征与所述处置节点特征,采用求和池化方式聚合多故障场景下的全局特征,得到故障集合的综合表征向量;

28、将所述综合表征向量与各候选处置措施的表征向量输入双线性匹配函数,计算故障集合与各处置措施之间的双向关联得分,经softmax归一化处理,得到各候选处置措施的匹配概率;

29、根据所述匹配概率的大小进行降序排序,选取匹配概率最高的候选处置措施作为最优故障处置推荐方案输出;

30、其中,所述双线性匹配函数预先采用由排序损失与损失组合的联合损失函数监督训练得到。

31、进一步地,所述联合损失函数,表示为:

32、;

33、式中,为联合损失函数的总损失,为损失与排序损失的平衡超参数。

34、第二方面,本发明提供一种配电网故障处置推荐系统,包括:

35、数据获取模块,用于获取配电网维修记录数据,输入预先训练的故障处置推荐模型,输出匹配概率降序排序后的故障处置推荐方案;

36、其中,所述故障处置推荐模型的数据处理方法由以下各个模块配合实现:

37、拓扑图构建模块,用于根据配电网历史维修记录数据构建拓扑图结构,所述拓扑图结构包括故障-处置二分图、故障-故障协作图和处置-处置协作图;

38、语义嵌入模块,用于采用预训练语言模型,分别对故障-处置二分图、故障-故障协作图、处置-处置协作图进行语义编码,并提取故障实体与处置实体的初始语义嵌入特征;

39、异构特征提取模块,用于基于初始语义嵌入特征,对故障-故障协作图和处置-处置协作图采用带残差连接的图卷积网络完成同构节点特征传播得到故障图谱异构特征和处置图谱异构特征,对故障-处置二分图采用双向图注意力网络自适应分配邻居节点权重完成异构节点特征聚合得到二分图谱异构特征;

40、多图特征融合模块,用于设置多头注意力机制,分别对故障图谱异构特征和二分图谱异构特征,以及处置图谱异构特征和二分图谱异构特征,进行自适应融合得到故障节点特征与处置节点特征;

41、处置推荐模块,用于基于故障节点特征与处置节点特征,计算各候选处置措施匹配概率,输出匹配概率降序排序后的故障处置推荐方案。

42、第三方面,本发明提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时,实现如第一方面所述的配电网故障处置推荐方法。

43、与现有技术相比,本发明的有益效果在于:

44、1、本发明通过构建故障-处置二分图、故障-故障协作图和处置-处置协作图,完整覆盖配电网运维全过程故障实体与处置实体间的同构协作关联关系及异构二分关联关系,跟三类图谱的协同互补结构,有效缓解运维工单数据稀疏带来的特征表征不足问题;相比单一拓扑结构,能够全面挖掘故障隐性共发规律以及处置工序协同逻辑,从图结构层面丰富了故障与处置环节的结构化语义信息,为预训练语言模型提取初始语义嵌入特征、带残差连接的图卷积网络与双向图注意力网络提取多图谱异构特征、以及多头注意力机制自适应融合得到故障节点特征与处置节点特征提供了完备的图结构支撑。

45、2、本发明通过构建故障-处置二分图、故障-故障协作图和处置-处置协作图三类互补拓扑图谱,分别刻画故障与处置直接关联、故障之间共因关联、处置措施之间协同关联,并基于共现阈值分别定义三类边集,从拓扑层面完整覆盖了配电网运维全过程中故障实体与处置实体间的同构协作关联关系及异构二分关联关系,有效缓解了运维工单数据稀疏带来的特征表征不足问题,为预训练语言模型提取初始语义嵌入特征及后续多图谱特征融合提供了完备的图结构支撑。

46、3、本发明通过采用sentence-bert预训练语言模型对三类拓扑图谱进行语义编码并提取故障实体与处置实体的初始语义嵌入特征,在此基础上利用双向图注意力网络对故障-处置二分图完成异构节点特征聚合,利用带残差连接的图卷积网络对故障-故障协作图和处置-处置协作图完成同构节点特征传播,再经多头注意力机制分别将故障图谱异构特征与二分图谱异构特征、处置图谱异构特征与二分图谱异构特征进行自适应融合得到故障节点特征与处置节点特征,充分挖掘了故障文本与处置文本的深层语义信息,克服了单一图结构信息不完备及异构特征难以有效融合对推荐精度的影响。

47、4、本发明通过在模型训练阶段采用排序损失与交叉熵损失组合的联合损失函数对双线性匹配函数进行监督训练,经softmax归一化计算各候选处置措施的匹配概率,根据匹配概率降序排序选取最优故障处置推荐方案输出;利用排序损失与交叉熵损失的协同约束,降低易分类负样本对梯度更新的主导作用,使模型训练聚焦于难分样本,有效提升了不平衡样本条件下故障处置推荐的准确性和鲁棒性;同时利用排序损失优化处置措施的输出顺序,使推荐结果贴合现场运维人员抢修工作流程;模型在真实稀疏、不平衡电网数据下泛化能力更强,具备实际工程落地价值。