一种高压试验智能引导与能力画像生成方法及相关装置与流程
本发明涉及电力试验,尤其涉及一种高压试验智能引导与能力画像生成方法及相关装置。
背景技术:
1、高压试验是电力设备绝缘状态评价、缺陷诊断及安全运行的关键技术手段。作业人员不仅需要熟练掌握仪器操作和标准化接线流程,还必须具备现场风险辨识、试验数据异常分析、缺陷原因推理及后续处置决策等综合能力。然而,上述高阶判断能力高度依赖资深工程师的长期经验积累,例如介质损耗因数升高时,需综合接线屏蔽、环境湿度、规程限值、历史趋势及同类设备参数进行多源交叉验证,而非简单判定设备绝缘缺陷。目前,高压试验人员的技能提升主要依赖于"师傅带徒弟"的现场跟学、集中理论授课、固定流程式虚拟仿真系统或通用在线培训平台。
2、上述这些方式在一定程度上提升了基础操作能力,但在智能引导、过程评价和个性化训练等方面仍存在明显不足。然而,现有技术仍存在以下主要问题:一、智能引导缺乏作业上下文感知与深层数据分析推理能力;具体的,现有固定流程式虚拟仿真系统侧重于预设操作步骤的复现,无法动态识别学员当前所处的具体作业阶段及对应的风险等级;与此同时,引入的通用人工智能问答系统也脱离了高压试验特有的阶段性约束和触发条件,导致其提示内容泛化、依据模糊。上述缺陷使得现有技术无法在试验数据出现异常(如介损升高、绝缘电阻下降)时,引导学员按照"排除试验因素—对比多源数据—判断缺陷原因"的正确分析路径进行深层推理,难以实现与作业场景深度融合的实时专业指导。二、操作过程记录粗粒度导致能力评价维度单一;具体的,现有训练系统对学员操作行为的采集通常仅用于最终考核判定,记录粒度粗糙,无法细化到作业阶段、具体操作对象、错误类型、风险等级以及学员对提示的依赖程度。由于缺乏细粒度行为数据支撑,能力评价往往仅输出一个笼统的综合总分,无法区分学员在仪器选择、接线规范性、安全风险识别、试验数据分析、缺陷原因判断等不同专业维度上的具体能力短板,评价结果缺乏针对性和指导性。三、训练内容标准化导致个性化推荐缺失且专家经验难以固化;具体的,现有训练系统对所有学员采用统一的标准作业流程和训练任务,难以根据学员不同的薄弱能力项及其产生原因自动调整后续训练内容,导致训练针对性不足、效率低下。与此同时,资深高压试验工程师在数十年工作中积累的"数据异常→现场排障→多源数据对比→缺陷定性"这一隐性分析逻辑,缺乏结构化的表达和存储手段,难以被规模化复制和系统性地复用,进一步制约了高技能人才的培养效率和质量。
技术实现思路
1、本发明提供了一种高压试验智能引导与能力画像生成方法及相关装置,用于解决现有技术缺乏作业上下文感知与数据分析推理能力、操作记录粗粒度导致能力评价维度单一、以及训练内容标准化致使个性化推荐缺失且专家经验难以固化的问题。
2、有鉴于此,本发明第一方面提供了一种高压试验智能引导与能力画像生成方法,所述方法包括:
3、采集高压试验知识资料并进行分类,将分类后的所述知识资料拆解为结构化的知识单元;
4、将高压试验作业划分为若干个作业阶段,实时采集学员当前作业过程中的作业阶段、操作行为和试验数据,结合所述学员的能力等级构建动态作业上下文;
5、计算所述作业上下文与各所述知识单元之间的相关度以筛选目标知识单元,根据所述目标知识单元、所述能力等级、当前训练模式和当前风险等级确定分层提示策略,并按照所述分层提示策略向学员执行实时引导反馈;
6、采集学员在作业全过程中的操作行为记录和数据分析路径记录,根据所述操作行为记录和所述数据分析路径记录生成包含若干个能力维度的能力画像;
7、将各所述能力维度的得分与对应阈值进行比较以识别薄弱能力项,并根据所述薄弱能力项关联的错误类型分布和提示使用情况识别薄弱原因,根据所述薄弱能力项和所述薄弱原因从训练任务库中匹配并推荐后续训练任务。
8、可选地,所述采集高压试验知识资料并进行分类,将分类后的所述知识资料拆解为结构化的知识单元,包括:
9、采集高压试验知识资料,所述知识资料包括规程标准类资料、作业指导类资料、仪器资料、厂家资料、历史数据、缺陷案例、专家经验和风险规则中的至少一种;
10、对各所述知识资料添加来源标签、适用范围标签、可信度标签和更新时间标签,得到分类标注后的知识资料;
11、将分类标注后的所述知识资料拆解为知识单元,每个所述知识单元至少包括适用设备、适用试验项目、适用作业阶段、触发条件、知识内容、风险等级、判断依据、建议动作和知识来源。
12、可选地,所述将高压试验作业划分为若干个作业阶段,实时采集学员当前作业过程中的作业阶段、操作行为和试验数据,结合所述学员的能力等级构建动态作业上下文,包括:
13、将高压试验作业预先划分为若干个作业阶段后,实时采集学员当前作业过程中的作业阶段、操作行为和试验数据,并根据学员的历史操作记录确定所述学员的能力等级;
14、根据当前设备类型、当前试验项目、所述作业阶段、所述操作行为、所述试验数据、环境参数、历史数据调用状态和所述能力等级,构建动态作业上下文。
15、可选地,所述计算所述作业上下文与各所述知识单元之间的相关度以筛选目标知识单元,包括:
16、获取当前作业上下文中的当前设备类型、当前试验项目、当前作业阶段、当前操作行为和当前试验数据;
17、针对各所述知识单元,分别计算与所述当前设备类型匹配的第一相关度子项、与所述当前试验项目匹配的第二相关度子项、与所述当前作业阶段匹配的第三相关度子项、与所述当前操作行为是否满足触发条件匹配的第四相关度子项、与所述当前试验数据是否满足所述触发条件匹配的第五相关度子项、以及与所述知识单元的可信等级匹配的第六相关度子项;
18、对所述第一相关度子项至第六相关度子项进行加权求和,得到所述作业上下文与各所述知识单元之间的相关度;
19、根据所述相关度对各所述知识单元进行排序,根据排序结果从所述知识单元中筛选目标知识单元。
20、可选地,所述根据所述目标知识单元、所述能力等级、当前训练模式和当前风险等级确定分层提示策略,并按照所述分层提示策略向学员执行实时引导反馈,包括:
21、获取所述目标知识单元的知识内容,并获取所述学员的能力等级、当前训练模式以及当前风险等级;
22、根据所述能力等级、所述当前训练模式和所述当前风险等级,结合所述知识内容,生成分层提示策略,所述分层提示策略包含与当前场景匹配的提示方式以及基于所述知识内容生成的待输出提示信息;
23、基于所述分层提示策略,根据所述当前风险等级和当前交互终端类型确定反馈方式,并按照所述反馈方式输出所述待输出提示信息。
24、可选地,所述采集学员在作业全过程中的操作行为记录和数据分析路径记录,根据所述操作行为记录和所述数据分析路径记录生成包含若干个能力维度的能力画像,包括:
25、采集学员在作业全过程中的操作行为记录,所述操作行为记录至少包含操作结果、错误类型和风险等级;
26、采集学员在数据分析阶段的必要分析步骤完成情况,根据已完成的必要分析步骤数量计算数据分析路径完整度;
27、根据所述操作行为记录和所述数据分析路径完整度,按照预设的若干个能力维度分别计算各维度得分,生成学员的能力画像。
28、可选地,所述将各所述能力维度的得分与对应阈值进行比较以识别薄弱能力项,并根据所述薄弱能力项关联的错误类型分布和提示使用情况识别薄弱原因,根据所述薄弱能力项和所述薄弱原因从训练任务库中匹配并推荐后续训练任务,包括:
29、将各所述能力维度的得分与对应的合格阈值进行比较,将得分低于所述合格阈值的能力维度识别为薄弱能力项;
30、获取所述薄弱能力项关联的错误类型分布和提示使用次数,当预设时段内同一错误类型的出现频次超过频次阈值时,将所述错误类型识别为薄弱原因;和/或,当提示使用次数超过提示次数阈值时,将提示依赖识别为薄弱原因;
31、根据所述薄弱能力项、所述薄弱原因以及学员的历史训练记录,计算训练任务库中各训练任务与所述学员的匹配度,根据所述匹配度推荐后续训练任务,所述训练任务库中的每个训练任务包含适用能力维度、适用设备、适用试验项目、难度等级、训练目标、典型错误点和推荐前置条件。
32、可选地,所述根据所述薄弱能力项和所述薄弱原因从训练任务库中匹配并推荐后续训练任务,之后还包括:
33、记录学员多次训练后的能力画像,根据各次训练后的能力画像计算各能力维度的提升量;
34、当任一所述能力维度的提升量低于预设阈值时,降低所述训练任务的难度等级或增加基础知识提示。
35、本发明第二方面提供一种高压试验智能引导与能力画像生成系统,所述系统包括:
36、采集单元,用于采集高压试验知识资料并进行分类,将分类后的所述知识资料拆解为结构化的知识单元;
37、构建单元,用于将高压试验作业划分为若干个作业阶段,实时采集学员当前作业过程中的作业阶段、操作行为和试验数据,结合所述学员的能力等级构建动态作业上下文;
38、计算单元,用于计算所述作业上下文与各所述知识单元之间的相关度以筛选目标知识单元,根据所述目标知识单元、所述能力等级、当前训练模式和当前风险等级确定分层提示策略,并按照所述分层提示策略向学员执行实时引导反馈;
39、生成单元,用于采集学员在作业全过程中的操作行为记录和数据分析路径记录,根据所述操作行为记录和所述数据分析路径记录生成包含若干个能力维度的能力画像;
40、匹配单元,用于将各所述能力维度的得分与对应阈值进行比较以识别薄弱能力项,并根据所述薄弱能力项关联的错误类型分布和提示使用情况识别薄弱原因,根据所述薄弱能力项和所述薄弱原因从训练任务库中匹配并推荐后续训练任务。
41、本发明第三方面提供一种高压试验智能引导与能力画像生成设备,所述设备包括处理器以及存储器:
42、所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
43、所述处理器用于根据所述程序代码中的指令,执行如上述第一方面所述的高压试验智能引导与能力画像生成方法的步骤。
44、从以上技术方案可以看出,本发明具有以下优点:
45、本发明提供的一种高压试验智能引导与能力画像生成方法,首先通过采集高压试验知识资料并进行分类,将分类后的知识资料拆解为结构化的知识单元,使分散的规程、厂家资料、历史案例和专家经验转化为可计算、可匹配的知识单元,从而解决了专家经验难以固化的问题,并区别于普通人工智能问答系统的泛化回答。然后通过将高压试验作业划分为若干个作业阶段,实时采集学员当前作业过程中的作业阶段、操作行为和试验数据,结合学员的能力等级构建动态作业上下文,并计算作业上下文与各知识单元之间的相关度以筛选目标知识单元,根据目标知识单元、能力等级、当前训练模式和当前风险等级确定分层提示策略,按照分层提示策略向学员执行实时引导反馈,使得能够动态感知学员当前所处的具体作业阶段及对应的风险等级,并在试验数据异常时引导学员按照正确的分析路径进行深层推理,同时实现根据学员等级、训练模式和风险等级的分层提示,从而解决了智能引导缺乏上下文感知与深层数据分析推理能力的问题,区别于固定步骤提示的现有系统。
46、接着通过采集学员在作业全过程中的操作行为记录和数据分析路径记录,根据操作行为记录和数据分析路径记录生成包含若干个能力维度的能力画像,使得能够基于细粒度的全过程行为数据准确识别学员在各专业维度上的具体能力短板,从而解决了操作记录粗粒度导致能力评价维度单一的问题,区别于仅输出笼统总分的现有评价方式。最后通过将各能力维度的得分与对应阈值进行比较以识别薄弱能力项,根据薄弱能力项关联的错误类型分布和提示使用情况识别薄弱原因,根据薄弱能力项和薄弱原因从训练任务库中匹配并推荐后续训练任务,使得能够根据学员不同的薄弱能力项及其产生原因自动调整后续训练内容,从而解决了训练内容标准化导致个性化推荐缺失的问题,区别于对所有学员推送统一训练内容的现有方式。
47、综上,本发明解决了现有技术缺乏作业上下文感知与数据分析推理能力、操作记录粗粒度导致能力评价维度单一、以及训练内容标准化致使个性化推荐缺失且专家经验难以固化的问题。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com