一种电力业务趋势推演及决策支持方法及系统与流程

本发明涉及一种电力业务趋势推演及决策支持方法及系统，属于电力档案数据挖掘与智能决策支持。

背景技术：

1、随着电力数字档案馆建设的推进，馆藏覆盖了设备台账、检修记录、工程档案、政策文件、灾害处置报告等多门类历史数据，档案资源已成为支撑业务决策的重要数据资产。

2、当前档案利用大多停留在“查阅检索、历史佐证、编史修志”的基础层面，面向业务决策的深度挖掘能力不足。现有技术中，时间序列预测方法已应用于设备故障、电网负荷等结构化数据的趋势外推；大语言模型也逐渐用于政策文本、专家意见的语义解读。但两类技术通常独立运行，未针对档案数据的特性形成融合分析体系；决策支持系统多依赖人工预设的固定规则，无法适配档案数据质量不均、业务场景差异大的特点。

3、现有技术中存在的缺陷：

4、电力档案中既包含设备参数、运行指标等结构化数值数据，也包含政策文件、处置报告等非结构化文本数据，两类数据特性差异大，缺乏统一的融合推演机制。现有方案要么仅基于数值做预测，脱离业务语境；要么仅基于文本做解读，缺乏量化数据支撑，无法充分释放档案数据的综合决策价值。

5、历史档案普遍存在记录缺失、采样间隔不均、异常值污损等质量问题，且设备检修、工程建设等档案数据多为非等间隔时序。通用时序预测模型直接套用效果不佳，缺乏针对档案数据的预处理与适配性改造，导致趋势推演结果偏差较大，难以支撑精准决策。

6、现有决策系统多采用人工预设的固定风险阈值与判定规则，无法随业务经验积累动态调整，维护成本高、适配性差；同时决策结论缺乏与原始档案的绑定溯源机制，不符合档案行业“事事有出处、步步可审计”的合规要求，也无法将人工修正经验沉淀为系统能力。

技术实现思路

1、为了解决上述现有技术中存在的问题，本发明提出了一种电力业务趋势推演及决策支持方法及系统。

2、本发明的技术方案如下：

3、一方面，本发明提供了一种电力业务趋势推演及决策支持方法，包括以下步骤：

4、获取与目标电力业务任务对应的目标档案卷宗集合，根据档案元数据及文件格式，从目标档案卷宗集合中提取结构化时序档案数据和非结构化文本档案数据；

5、对结构化时序档案数据进行时间衰减加权插补和等间隔重采样，获得标准时序数据，并为非结构化文本档案数据生成与原始卷宗位置绑定的档案溯源标识；

6、将标准时序数据输入时序预测模型，获得预测序列，并根据所述预测序列及时序预测模型的历史预测残差，确定数值趋势值和数值推演精度；

7、利用约束性提示模板对非结构化文本档案数据进行语义解读，获得包含趋势方向、变化强度和证据片段的语义解读结果，根据所述语义解读结果确定语义趋势值和语义共识度；

8、将数值趋势值和语义趋势值映射至统一数值区间，检测二者是否存在方向性冲突，并根据冲突检测结果、数值推演精度和语义共识度确定数值权重和语义权重，以计算综合趋势得分；

9、识别目标电力业务任务所属的业务场景，根据与业务场景对应的风险判定阈值及综合趋势得分区间与风险等级之间的映射关系确定风险等级，并结合证据片段和所述档案溯源标识生成决策建议；

10、为风险等级和决策建议生成与原始档案绑定的决策溯源信息，并根据业务人员的反馈信息对风险判定阈值和时序预测模型进行迭代校准。

11、优选的，所述时间衰减加权插补包括：对于结构化时序档案数据中的缺失时刻，获取位于缺失时刻之前和之后且与缺失时刻距离最近的两条有效记录；

12、分别确定两条有效记录与缺失时刻之间的时间间隔，根据预设时间衰减系数和所述时间间隔确定两条有效记录各自的插补权重；

13、根据两条有效记录及其插补权重确定所述缺失时刻的插补值，并按照固定时间步长对完成插补的结构化时序档案数据进行重采样；

14、所述档案溯源标识包括全宗号、案卷号、物理页码和哈希校验值，所述哈希校验值根据所述全宗号、案卷号、物理页码和相应文本内容摘要生成。

15、优选的，所述时序预测模型为嵌入时间感知注意力机制的自回归预测模型；

16、所述时序预测模型根据结构化时序档案数据的缺失率和波动程度自适应调整滑动窗口大小，当所述缺失率低于预设缺失率阈值时增大所述滑动窗口；

17、当所述缺失率不低于所述预设缺失率阈值或者所述波动程度超过预设波动阈值时减小所述滑动窗口；

18、根据所述时序预测模型在历史验证集上的预测残差确定预测序列的动态置信区间，并根据所述动态置信区间的宽度与预测序列均值绝对值之间的相对比值确定所述数值推演精度。

19、优选的，确定语义趋势值和语义共识度包括：

20、通过约束性提示模板驱动大语言模型针对每一非结构化文本档案输出由趋势方向、变化强度和证据片段组成的结构化语义解读结果；

21、将正向向好、平稳和负向恶化三种趋势方向分别配置不同的方向编码，并为微弱、中等和显著三种变化强度分别配置不同的强度系数，根据方向编码和强度系数确定单条非结构化文本档案的语义趋势值；

22、提取证据片段中的实体和事件，将实体和事件映射至电力档案领域知识图谱，当证据片段命中预设高权重实体、核心政策节点或者典型故障事件时，提高相应语义趋势值的权重；

23、根据不同来源档案对应的语义趋势值之间的离散程度确定所述语义共识度，使不同来源档案的语义趋势值之间的差异越小，所述语义共识度越高。

24、优选的，计算综合趋势得分包括：

25、根据预测序列的相对变化率确定数值趋势值，并通过激活函数将所述数值趋势值映射至负一至正一的统一数值区间；

26、根据各非结构化文本档案对应的语义趋势值及其权重确定语义趋势值；

27、判断数值趋势值和语义趋势值表示的趋势方向是否相反，当二者表示的趋势方向相反时，判定存在方向性冲突，并采用预设冲突惩罚系数降低数值推演精度；

28、根据调整后的数值推演精度在调整后的数值推演精度与语义共识度之和中所占的比例确定数值权重，根据语义共识度在调整后的数值推演精度与语义共识度之和中所占的比例确定语义权重；

29、根据数值趋势值与数值权重的乘积以及语义趋势值与语义权重的乘积之和，确定综合趋势得分。

30、优选的，确定风险等级并生成决策建议包括：

31、对目标电力业务任务进行任务意图识别，从场景配置库中调取与识别出的业务场景对应的低风险判定阈值、高风险判定阈值以及得分区间与风险等级之间的映射关系；

32、根据综合趋势得分所处的阈值区间，将目标电力业务任务对应的风险状态划分为低风险、中风险或高风险；

33、调用与风险等级及业务场景对应的决策模板，将证据片段、结构化时序档案数据的预测结果以及所述档案溯源标识填充至所述决策模板，生成包含风险成因、处置措施和原始档案溯源入口的自然语言决策建议。

34、优选的，所述决策溯源信息包括最终确定的风险等级、计算所述综合趋势得分时采用的数值权重和语义权重、参与数值趋势推演的结构化时序档案数据的哈希校验值，以及生成语义解读结果时引用的非结构化文本档案的哈希标签集合；

35、将风险等级、数值权重、语义权重以及相应的哈希校验值和哈希标签集合封装为结构化溯源元组；

36、基于结构化溯源元组生成决策数据血缘图，并响应于针对所述决策建议的溯源操作，通过哈希指针展示生成所述决策建议时采用的时序数据范围、原始档案位置以及所述数值权重和语义权重的确定依据。

37、优选的，所述迭代校准包括：

38、采集业务人员针对所述风险等级和决策建议执行的风险等级调整、结论否决和内容修改中的至少一种操作；

39、将人工核定风险等级和系统输出风险等级分别映射为对应的风险数值，并根据人工核定风险等级对应的风险数值与系统输出风险等级对应的风险数值之间的差值确定决策偏差量；

40、根据所述决策偏差量和预设校准步长，对相应业务场景的低风险判定阈值和高风险判定阈值进行同步调整；当所述决策偏差量由数值趋势推演偏差引起时，将相应案例存入难例样本库，并在所述难例样本库中的案例数量达到预设数量时对所述时序预测模型进行增量微调；

41、保存更新后的风险判定阈值和模型参数并生成版本快照，当更新后的风险判定阈值或者模型参数导致连续多个任务的判定质量劣化时，回滚至更新前的版本快照。

42、另一方面，本发明还提供了一种电力业务趋势推演及决策支持系统，包括档案时序数据预处理模块、时序趋势推演模块、档案语义解读模块、多源特征融合校准模块、场景化风险决策模块以及决策溯源与经验迭代模块；

43、所述档案时序数据预处理模块用于从目标档案卷宗集合中提取结构化时序档案数据和非结构化文本档案数据，对所述结构化时序档案数据进行时间衰减加权插补和等间隔重采样，并为所述非结构化文本档案数据生成档案溯源标识；

44、所述时序趋势推演模块用于基于预处理后的结构化时序档案数据获得预测序列、数值趋势值和数值推演精度；

45、所述档案语义解读模块用于对所述非结构化文本档案数据进行语义解读，获得语义趋势值、语义共识度和证据片段；

46、所述多源特征融合校准模块用于检测所述数值趋势值和语义趋势值之间的方向性冲突，根据冲突检测结果、数值推演精度和语义共识度确定融合权重并计算综合趋势得分；

47、所述场景化风险决策模块用于调取与当前业务场景对应的风险判定阈值，根据所述综合趋势得分确定风险等级并生成决策建议；

48、所述决策溯源与经验迭代模块用于生成与原始档案绑定的决策溯源信息，并根据业务人员的反馈信息对所述风险判定阈值和时序预测模型进行迭代校准。

49、优选的，所述决策溯源与经验迭代模块包括溯源元组封装单元、数据血缘关系渲染单元、人工偏差捕获单元、双向校准单元和参数持久化单元；

50、所述溯源元组封装单元用于将风险等级、融合权重、结构化时序档案数据的哈希校验值和非结构化文本档案数据的哈希标签集合封装为结构化溯源元组；

51、所述数据血缘关系渲染单元用于基于所述结构化溯源元组生成决策数据血缘图，并提供由决策建议反向访问原始档案的溯源入口；

52、所述人工偏差捕获单元用于采集业务人员针对所述风险等级和决策建议的反馈信息并计算决策偏差量；

53、所述双向校准单元用于根据所述决策偏差量更新相应业务场景的风险判定阈值，并将由数值趋势推演偏差引起的案例存入难例样本库，以对所述时序预测模型进行增量微调；

54、所述参数持久化单元用于保存更新后的风险判定阈值和模型参数、生成版本快照，并在判定质量劣化时执行版本回滚。

55、本发明具有如下有益效果：

56、1、本发明针对电力档案时序特性设计时间衰减加权插补算法，将非等间隔、有缺失的档案数据转换为标准时序；采用带时间感知注意力的自适应滑动窗口预测模型，并基于残差分布构建动态置信区间与推演精度量化指标；有效解决了档案数据质量不均导致的预测偏差问题，可用于分析的历史档案数据量大幅提升，趋势推演精度与结果可信度显著增强，盘活了低质量历史档案的数据价值。

57、2、本发明通过量纲统一将两类异构趋势映射至同一数值空间；设计方向性冲突检测与惩罚机制，冲突场景下自动调整权重优先级；结合推演精度与语义共识度实现动态加权融合，兼顾数值客观性与语义业务贴合度；打破了不同门类档案数据间的信息壁垒，能够有效处理多源信息冲突的复杂场景，大幅提升综合趋势判断的准确性与业务适配性，避免“唯数据论”或“唯文本论”的片面偏差。

58、3、本发明为每项决策结论构建绑定原始卷宗哈希标识的溯源链路，支持全链路反向核查与审计；设计“阈值+模型”的双向校准机制，将人工核定偏差转化为参数更新信号，实现决策规则与预测模型的持续自主优化；决策过程透明可审计，完全满足电力档案的安全合规要求；系统可自主沉淀业务专家经验，无需频繁人工维护规则，长期使用下决策精度与场景适配性持续提升。