一种基于检索增强生成式大模型的电力调度方法、装置、终端设备及存储介质与流程

摘要: 本发明涉及电力调度,尤其涉及一种基于检索增强生成式大模型的电力调度方法、装置、终端设备及存储介质。背景技术:1、随着新型电力系统建设持续推进,电网调度业务呈现智...
一种基于检索增强生成式大模型的电力调度方法、装置、终端设备及存储介质与流程

本发明涉及电力调度,尤其涉及一种基于检索增强生成式大模型的电力调度方法、装置、终端设备及存储介质。

背景技术:

1、随着新型电力系统建设持续推进,电网调度业务呈现智能化、数字化、高效化发展趋势,其中,电网调度指令是电网运行控制、设备操作、负荷调整的依据,指令文本中包含大量电力专属专业热词,涵盖电网设备名称、调度操作术语、场站参数、电压等级等关键领域词汇,热词识别准确性直接决定电网调度操作的安全性、规范性与可靠性。

2、目前调度人员主要通过语音输入或人工键入的方式录入电网调度指令文本,受现场环境噪声、方言口音、口语化表达、手误输入、同音谐音混淆等客观因素影响,录入的调度指令文本极易出现专业热词谐音误识别、字符拼写错误、术语用词偏差等问题,产生大量不规范、错误的领域热词,导致调度指令理解歧义、操作执行偏差。

3、当前针对电力调度指令文本的热词识别大多依赖传统静态领域词典匹配,然而,静态词典仅能实现精准字符匹配,缺乏深层次语义理解与领域知识关联能力,无法识别谐音错误、形近误写、同义异形等非字符精准偏差的错误热词,导致热词识别准确率低,无法满足电力智能调度业务需求。

技术实现思路

1、本发明实施例提供了一种基于检索增强生成式大模型的电力调度方法、装置、终端设备及存储介质,能够解决现有技术依赖静态领域词典匹配,缺乏语义理解能力,导致热词识别准确率低的问题,提升电力调度指令处理的可靠性。

2、本发明一实施例提供了一种基于检索增强生成式大模型的电力调度方法,包括:

3、获取待处理的调度指令文本;

4、对调度指令文本进行长句拆分和向量化处理,得到若干文本块向量;

5、将所有文本块向量分为若干逻辑子集,并提取各逻辑子集的时空特征和模态特征;

6、对于每一逻辑子集,将逻辑子集的时空特征和模态特征输入至训练好的rag大模型,以使所述rag大模型根据逻辑子集的时空特征和模态特征,提取逻辑子集的精简语义内容;基于逻辑子集的精简语义内容,从预设知识库中进行检索,确定逻辑子集的相关文档;将精简语义内容和相关文档进行拼接,得到逻辑子集的增强输入;根据逻辑子集的增强输入,识别潜在电力知识热词;

7、对潜在电力知识热词进行置信度评估,在置信度小于预设置信阈值的情况下,通过预设知识库对潜在电力知识热词进行修正,得到修正电力知识热词;

8、根据修正电力知识热词对调度指令文本进行修正,得到规范调度指令;

9、基于规范调度指令,对电力系统进行调度。

10、进一步的,获取待处理的调度指令文本,包括:

11、获取待处理的调度语音数据;

12、通过预设的隐马尔可夫模型,将所述调度语音数据转换为调度指令文本。

13、进一步的,获取待处理的调度指令文本之后,还包括:

14、通过tf-idf计算调度指令文本内各词的第一权重,并根据调度指令文本内各词的第一权重,对所述调度指令文本进行语句筛选,得到筛选后的调度指令文本。

15、进一步的,对调度指令文本进行长句拆分和向量化处理,得到若干文本块向量,包括:

16、对调度指令文本进行长句拆分,得到若干子句;

17、对每一子句进行向量化处理,得到对应的文本块向量。

18、进一步的,将所有文本块向量分为若干逻辑子集,包括:

19、对于每一文本块向量,对文本块向量所对应的子句进行分词,得到子句分词;

20、通过tf-idf计算各子句分词的第二权重;

21、根据各子句分词的第二权重,确定语义标签;

22、基于所有文本块向量的语义标签,对所有文本块向量进行分类,得到若干逻辑子集。

23、进一步的,提取各逻辑子集的时空特征和模态特征,包括:

24、利用小波分析提取各逻辑子集的时空特征;

25、利用主成分分析提取各逻辑子集的模态特征。

26、进一步的,将逻辑子集的时空特征和模态特征输入至训练好的rag大模型之前,还包括:

27、通过map机制将各逻辑子集分配至不同的计算节点,以使计算节点对所分配的逻辑子集进行分布式并行处理;

28、识别潜在电力知识热词之后,还包括:

29、对各计算节点的潜在电力知识热词进行合并,得到融合后的潜在电力知识热词。

30、在上述方法项实施例的基础上,本发明对应提供了装置项实施例,包括:文本获取模块、文本处理模块、特征提取模块、热词识别模块、置信度评估模块、指令修正模块以及电力调度模块;

31、所述文本获取模块,用于获取待处理的调度指令文本;

32、所述文本处理模块,用于对调度指令文本进行长句拆分和向量化处理,得到若干文本块向量;

33、所述特征提取模块,用于将所有文本块向量分为若干逻辑子集,并提取各逻辑子集的时空特征和模态特征;

34、所述热词识别模块,用于对于每一逻辑子集,将逻辑子集的时空特征和模态特征输入至训练好的rag大模型,以使所述rag大模型根据逻辑子集的时空特征和模态特征,提取逻辑子集的精简语义内容;基于逻辑子集的精简语义内容,从预设知识库中进行检索,确定逻辑子集的相关文档;将精简语义内容和相关文档进行拼接,得到逻辑子集的增强输入;根据逻辑子集的增强输入,识别潜在电力知识热词;

35、所述置信度评估模块,用于对潜在电力知识热词进行置信度评估,在置信度小于预设置信阈值的情况下,通过预设知识库对潜在电力知识热词进行修正,得到修正电力知识热词;

36、所述指令修正模块,用于根据修正电力知识热词对调度指令文本进行修正,得到规范调度指令;

37、所述电力调度模块,用于基于规范调度指令,对电力系统进行调度。

38、进一步的,所述文本获取模块,包括:语义数据获取单元以及语音转文本单元;

39、所述语义数据获取单元,用于获取待处理的调度语音数据;

40、所述语音转文本单元,用于通过预设的隐马尔可夫模型,将所述调度语音数据转换为调度指令文本。

41、进一步的,基于检索增强生成式大模型的电力调度装置,还包括:语句筛选模块;

42、所述语句筛选模块,用于通过tf-idf计算调度指令文本内各词的第一权重,并根据调度指令文本内各词的第一权重,对所述调度指令文本进行语句筛选,得到筛选后的调度指令文本。

43、进一步的,所述文本处理模块,包括:长句拆分单元以及向量化单元;

44、所述长句拆分单元,用于对调度指令文本进行长句拆分,得到若干子句;

45、所述向量化单元,用于对每一子句进行向量化处理,得到对应的文本块向量。

46、进一步的,所述特征提取模块,将所有文本块向量分为若干逻辑子集,包括:

47、对于每一文本块向量,对文本块向量所对应的子句进行分词,得到子句分词;

48、通过tf-idf计算各子句分词的第二权重;

49、根据各子句分词的第二权重,确定语义标签;

50、基于所有文本块向量的语义标签,对所有文本块向量进行分类,得到若干逻辑子集。

51、进一步的,所述特征提取模块,提取各逻辑子集的时空特征和模态特征,包括:

52、利用小波分析提取各逻辑子集的时空特征;

53、利用主成分分析提取各逻辑子集的模态特征。

54、进一步的,将逻辑子集的时空特征和模态特征输入至训练好的rag大模型之前,还包括:

55、通过map机制将各逻辑子集分配至不同的计算节点,以使计算节点对所分配的逻辑子集进行分布式并行处理;

56、识别潜在电力知识热词之后,还包括:

57、对各计算节点的潜在电力知识热词进行合并,得到融合后的潜在电力知识热词。

58、在上述方法项实施例的基础上,本发明对应提供了终端设备项实施例,包括:处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,处理器执行所述计算机程序时,实现如本发明所述基于检索增强生成式大模型的电力调度方法的步骤。

59、在上述方法项实施例的基础上,本发明对应提供了计算机可读存储介质项实施例,包括:存储的计算机程序,在计算机程序运行时,控制计算机可读存储介质所在的设备执行如本发明所述基于检索增强生成式大模型的电力调度方法的步骤。

60、与现有技术相比,本方案实施例的有益效果在于:

61、本发明获取待处理的调度指令文本,对调度指令文本进行长句拆分和向量化处理,得到若干文本块向量,从而将文本转化为能够表征语义的数值向量;将所有文本块向量分为若干逻辑子集,并提取各逻辑子集的时空特征和模态特征,实现了基于语义相似度的场景聚类与隐性特征挖掘;对于每一逻辑子集,通过检索增强生成rag大模型,根据逻辑子集的时空特征和模态特征,提取逻辑子集的精简语义内容,避免无关词汇的干扰;基于逻辑子集的精简语义内容,从预设知识库中进行检索,确定逻辑子集的相关文档;将精简语义内容和相关文档进行拼接,得到融合本地上下文与语义内容的增强输入;根据逻辑子集的增强输入,识别潜在电力知识热词,从而实现基于语义理解的热词识别;对潜在电力知识热词进行置信度评估,在置信度小于预设置信阈值的情况下,通过预设知识库对潜在电力知识热词进行修正,得到修正电力知识热词;根据修正电力知识热词对调度指令文本进行修正,得到规范调度指令;基于规范调度指令,对电力系统进行调度。

62、综上所述,本发明通过融合时空模态特征的rag语义解析、知识库语义增强及热词修正,实现基于语义的热词识别,从而解决了现有技术依赖静态领域词典匹配,缺乏语义理解能力,导致热词识别准确率低的问题,提升电力调度指令处理的可靠性。