一种面向电力调度的大语言模型提示词生成方法及系统与流程
本技术属于电力系统人工智能应用,具体涉及一种面向电力调度的大语言模型提示词生成方法及系统。
背景技术:
1、当前大语言模型在电力调度领域的应用已从通用知识问答逐步拓展至调度知识问答、规程合规校核、运行可靠性评估、故障分析与辅助决策等专业任务。提示词作为大模型的文字指令,决定了模型是否能理解任务需求并输出合理、可靠的答案,因此如何自动生成符合高风险电力调度场景的提示词,是实现电力调度可行性的关键。
2、目前的提示词生成工程一般是通过人工编写固定模板以构造提示词,或者通过大语言模型自动生成和评估提示词。但是固定模板是静态设计,无法根据电网实时运行态势动态调整提示词结构,因此得到的提示词会导致模型输出在文本层面表述正确、但在实际电网运行中物理不可行的建议。而大语言模型一般未与电力调度相关的具体规程条文进行绑定,导致调度人员无法核验模型输出所依据的规范依据,不满足电力调度对可审计性和可解释性的要求。尤其是在高风险电力调度场景下,提示词的质量越高,才能输出安全可靠的电力调度建议,实现电网运行稳定性。
技术实现思路
1、本技术提出了一种面向电力调度的大语言模型提示词生成方法及系统,能够解决现有技术未能根据电网运行的动态变化生成符合调度规范的提示词。导致电力调度效果较差的问题。
2、本技术的第一方面提供了一种面向电力调度的大语言模型提示词生成方法,所述方法包括:
3、对采集的电网多源运行数据进行编码,生成电力调度的风险状态向量;其中,所述风险状态向量包括风险类型标签、风险等级、数据可信度和场景上下文;
4、基于所述风险状态向量和输入的用户查询语句,通过填充若干个语义段构建提示词骨架;
5、根据预设的多级检索结构和所述提示词骨架,在预设的知识库中进行信息检索和条文匹配,生成若干个候选提示词;
6、对所述候选提示词进行校验,输出电力调度任务的最优提示词组合。
7、上述方案先获取电网当前在多个维度上的运行数据,并从这些数据中进行特征提取和语义分析,生成统一的风险状态向量,实现对多源数据的融合。得到的风险状态向量包含风险类型标签、风险等级、数据可信度和场景上下文这四个维度,详细阐述了当前电网面临的运行风险,为电力调度策略的构建提供方向和目标。然后结合输入的用户查询语句,通过分析用户查询的意图,对设置的多个语义段进行填充,以规划大语言模型在推理电力调度策略时的角色定位和该策略要解决的问题,为得到合理合规且能精确解决电网运行风险的电力调度策略提供了基础。基于多级检索结构和提示词骨架在知识库中进行检索,精确提取出与电力调度策略有关的提示词,并通过仿真和条文校验对提示词是否符合条文规范、是否会影响电网运行状态进行校验,得到校验合格的提示词作为最终用于构建电力调度任务的最优提示词组合,为提升电力调度效果、消除或规避运行风险提供支撑。
8、在第一方面的一种可能的实现方法中,对采集的电网多源运行数据进行编码,生成电力调度的风险状态向量,具体为:
9、采集所述电网多源运行数据,包括母线电压、线路电流、有功/无功功率、开关状态、气象预报信息、新能源场站出力预测、检修计划、电力市场交易计划和运行告警信息;
10、通过编码对所述电网多源运行数据进行语义特征提取,根据特征提取结果评估电网当前状态,以生成所述风险状态向量。
11、在第一方面的一种可能的实现方法中,根据特征提取结果评估电网当前状态,以生成所述风险状态向量,具体为:
12、根据特征提取结果,识别出电网在当前运行过程中的潜在风险,生成对应的所述风险类型标签;
13、根据特征提取结果提供的越限阈值和历史风险分布,确定所述风险等级;
14、根据所述电网多源运行数据的完整性、时效性和一致性,生成所述数据可信度;
15、根据电网的当前负荷情况、气象环境、区域标识和运行时段,生成所述场景上下文。
16、上述方案对获取的来自不同数据源的运行数据进行特征提取和语义对齐,将多源数据转换为统一的、结构化的风险状态向量,用于表述电网当前面临的运行风险和所处环境,为后续提取出能规划合理电力调度任务的提示词提供基础。
17、在第一方面的一种可能的实现方法中,基于所述风险状态向量和输入的用户查询语句,通过填充若干个语义段构建提示词骨架,具体为:
18、从所述用户查询语句中识别出用户查询意图,根据用户查询意图和所述风险类型标签,通过设定电力调度任务的任务目标和大语言模型的角色定位,构建系统角色与任务段;
19、从所述场景上下文中提取电网的当前区域、运行时刻、运行方式、设备状态和运行参数,构建场景上下文段;
20、根据系统角色与任务段、场景上下文段、风险标签段、强约束段和输出格式段,构建提示词骨架。
21、上述方案通过风险状态向量和输入的用户查询语句,自动装配结构化的提示词骨架,从六个维度分别规定了提示词的输出格式、应该符合的约束条件、要解决哪些运行风险。为了确保提示词符合电网运行场景,还规定了场景上下文段,使得后续提取的提示词精确契合电网运行的动态变化。而系统角色与任务段则规定了大语言模型在推理时的角色定位和电力调度策略的目标,使得后续提取的提示词准确反映要解决的电网运行风险。
22、在第一方面的一种可能的实现方法中,风险标签段、强约束段和输出格式段的构建过程为:
23、将风险类型标签、风险等级和数据可信度转换为结构化标签,以构建所述风险标签段;
24、通过构建各风险等级对应的约束条件,得到所述强约束段;
25、根据所述任务目标,确定所述输出格式段。
26、在第一方面的一种可能的实现方法中,根据预设的多级检索结构和所述提示词骨架,在预设的知识库中进行信息检索和条文匹配,生成若干个候选提示词,具体为:
27、根据所述用户查询语句,对预设的电力调度知识库进行多级检索,得到检索证据文本;
28、分别通过模板实例化策略、检索引导策略和梯度检索策略,将所述检索证据文本填充至所述提示词骨架,根据填充结果,得到所述候选提示词。
29、在第一方面的一种可能的实现方法中,根据所述用户查询语句,对预设的电力调度知识库进行多级检索,得到检索证据文本,具体为:
30、基于所述用户查询语句与所述风险类型标签的语义匹配结果,从所述电力调度知识库中检索出与电力调度任务相关的文档和章节,确定提示词检索范围;
31、在提示词检索范围内通过所述用户查询语句进行关键词匹配,确定与电力调度任务相关的条文;
32、通过预设的知识图谱从所述条文中提取与电力调度任务相关的电力设备、命令关系和操作约束,得到证据回链图;
33、将提示词检索范围、所述条文和证据回链图转换为结构化字段,得到检索证据文本。
34、上述方案为了精确定位提示词在知识库中的位置,设置了三级检索结构用于从章节、条文和设备实体对提示词进行定位,使得提示词可溯源至具体规程条文、章节编号和操作规范。满足电力调度业务对可审计性和可解释性的严格要求,调度人员可直接核验电力调度策略的规程依据。
35、在第一方面的一种可能的实现方法中,对所述候选提示词进行校验,输出电力调度任务的最优提示词组合,具体为:
36、将所述候选提示词输入至预设的大语言模型进行推理,生成初始电力调度策略;
37、对初始电力调度策略分别进行合规性校验、安全性校验和权限校验,根据校验结果从所述候选提示词中筛选出第一提示词,作为所述最优提示词组合。
38、在第一方面的一种可能的实现方法中,对初始电力调度策略分别进行合规性校验、安全性校验和权限校验,具体为:
39、将初始电力调度策略的调度操作、参数设置和判断结论与检索证据文本进行逐条对比,以完成合规性校验;
40、基于初始电力调度策略进行电力调度仿真,根据仿真结果对初始电力调度策略的可行性进行评估,以完成安全性校验;
41、检测初始电力调度策略是否超出电力调度角色的操作权限范围,以完成权限校验。
42、上述方案通过对初始电力调度策略,实现对提示词的优化闭环,使优化目标从"文本正确"提升至"物理可行"。避免产生文本层面表述正确但实际违反电气约束(如热稳定越限、电压越限)的建议,显著提升调度辅助决策的安全可靠性。
43、本技术第二方面提供了一种面向电力调度的大语言模型提示词生成系统,所述系统包括:向量生成模块、提示词骨架构建模块、提示词生成模块和提示词校验模块;
44、其中,向量生成模块用于对采集的电网多源运行数据进行编码,生成电力调度的风险状态向量;其中,所述风险状态向量包括风险类型标签、风险等级、数据可信度和场景上下文;
45、提示词骨架构建模块用于基于所述风险状态向量和输入的用户查询语句,通过填充若干个语义段构建提示词骨架;
46、提示词生成模块用于根据预设的多级检索结构和所述提示词骨架,在预设的知识库中进行信息检索和条文匹配,生成若干个候选提示词;
47、提示词校验模块用于对所述候选提示词进行校验,输出电力调度任务的最优提示词组合。
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