一种电力人工智能数据集测评场景与任务关联实现方法及系统与流程

摘要: 本发明涉及电力行业领域,特别涉及一种电力人工智能数据集测评场景与任务关联实现方法及系统。背景技术:1、随着人工智能技术在电力行业的深度融合,基于深度学习的设备巡...
一种电力人工智能数据集测评场景与任务关联实现方法及系统与流程

本发明涉及电力行业领域,特别涉及一种电力人工智能数据集测评场景与任务关联实现方法及系统。

背景技术:

1、随着人工智能技术在电力行业的深度融合,基于深度学习的设备巡检、负荷预测、故障诊断等应用已进入规模化落地阶段。然而,人工智能模型的性能高度依赖于训练与测试数据集的质量,现有的电力人工智能数据集测评手段却难以适配复杂多变的多模态业务场景,普遍存在任务关联度弱、测评体系复用性差等问题。

2、现有技术方案多源于通用互联网领域,仅关注数据本身的统计学特征,缺乏对电力业务语义的深度解析。

3、在面对设备故障诊断、输电巡检、负荷预测、新能源功率预测等典型电力场景时,无法实现测评需求的精准分解,导致测评结果与业务实际脱节;

4、由于缺乏模块化的关联算法理论体系支撑,测评流程往往依赖人工临时搭建,难以实现标准化与快速生成,无法满足电力ai大模型训练及规模化应用落地对数据质量管控的高效性要求。

5、所以我们提出一种电力人工智能数据集测评场景与任务关联实现方法及系统用于解决上述问题。

技术实现思路

1、本发明的目的在于提供一种电力人工智能数据集测评场景与任务关联实现方法及系统,以解决上述背景技术中提出的问题。

2、为实现上述目的,本发明提供如下技术方案:一种电力人工智能数据集测评场景与任务关联实现方法,包括以下步骤:

3、步骤s1:输入准备与初始化,通过业务输入门户接收非结构化的业务场景需求和任务需求,进行特征提取与向量化,生成统一维度的场景特征向量和任务特征向量;

4、步骤s2:关联映射计算,将场景特征向量和任务特征向量输入关联映射计算模块,得到场景与任务的综合关联度评分;

5、步骤s3:生成评测方案,当综合关联度评分大于设定阈值时,方案自动装配模块基于关联映射结果集,通过智能筛选测评指标、匹配测试用例及装配流程模板,生成标准化测评方案包;

6、步骤s4:测评执行与反馈优化,分布式测评执行器解析并执行标准化测评方案包,将测评结果反馈至电力人工智能知识图谱数据库更新实体关联权重;

7、通过构建场景特征向量和任务特征向量,解决电力多模态业务场景下场景与任务脱节的问题;通过建立覆盖设备故障诊断、负荷预测及新能源功率预测的模块化测评体系,实现标准化测评流程的快速生成。

8、优选的,所述步骤s1中生成场景特征向量的具体步骤包括:

9、步骤s111:场景识别与分类匹配,利用nlp技术对输入文本进行分词与实体抽取,通过结合关键词匹配与语义相似度计算的方式与场景知识库进行匹配,匹配度计算公式为:

10、匹配度=(重合关键词权重和/知识库该场景总关键词权重和)×语义相似度系数;当匹配度低于阈值时,触发新增场景注册流程;

11、步骤s112:数据模态分类,识别场景涉及的数据模态类型,采用二进制位图编码方式生成模态编码,并对图像、时序数据、文本或多模态数据进行预处理与特征编码;

12、步骤s113:从业务维度提取关键特征,依据预设的量化标准对业务领域、风险等级、实时性要求和数据规模等级进行编码;

13、步骤s114:整合场景类型编码、模态编码、业务维度特征和特征权重集,生成场景特征向量。

14、优选的,所述步骤s1中生成任务特征向量具体包括:

15、步骤s121:任务类型识别与归类,基于任务类型库识别人工智能任务的具体类型,当匹配度低于阈值时,触发新任务注册流程;

16、步骤s122:数据质量需求分析,基于任务特性推导该任务对数据集完整性、准确性、一致性、多样性和业务性五大维度的侧重点;

17、步骤s123:质量维度映射与权重分配,将质量需求映射到标准化的质量维度体系,并为每个维度分配高、中、低三级权重,生成维度权重集;

18、步骤s124:整合任务类型编码、输入模态编码、质量需求向量和维度权重集,生成任务特征向量。

19、优选的,所述步骤s2中的多维度相似度协同计算具体包括:

20、模态相似度,计算场景数据模态与任务输入模态的匹配程度;

21、业务相似度,计算业务领域编码的欧氏距离及风险等级的匹配度;

22、质量需求相似度,采用余弦相似度计算场景质量需求与任务质量需求的匹配程度;

23、权重匹配度,采用余弦相似度计算各质量维度权重分配的匹配程度;

24、电力知识图谱关联匹配,查询电力人工智能知识图谱,基于场景、任务和指标三元组,通过图嵌入算法计算场景实体与任务实体之间的语义关联度。

25、优选的,所述关联度综合评分的计算公式为:

26、关联度=模态相似度×a+业务相似度×b+质量需求相似度×c+权重匹配度×d+电力知识图谱关联匹配度×e;

27、其中a、b、c、d、e分别为各相似度维度的权重系数,且满足a+b+c+d+e=1;

28、所述设定阈值为动态阈值,根据场景风险等级进行调整:当风险等级为极高风险时,阈值上浮设定百分比;当为探索性研发场景时,阈值下调设定百分比。

29、优选的,所述步骤s4中测评执行与反馈优化具体包括:

30、采用总体稳定性指数替代kl散度计算数据一致性;

31、引入电力业务kpi达标率作为业务代表性的量化指标;

32、利用决策树模型对低分维度进行归因分析,定位缺陷类型;

33、将综合质量评分达标的数据集标记为基准数据集,并更新至知识图谱与基准库。

34、优选的,当综合质量评分小于阈值时,输出质量缺陷诊断与优化建议,针对不同缺陷类型推荐相应的数据清洗、数据增强或重新标注优化方案,并在数据优化后重新触发测评流程。

35、优选的,基于步骤s3中生成标准化测评方案包,还包括方案完整性校验步骤:

36、启动校验规则引擎,从指标覆盖度、用例充分性及流程合理性三个维度进行校验;

37、当校验不通过时,定位缺失维度,补充相应指标或用例,并返回指标筛选步骤重新迭代。

38、一种电力人工智能数据集测评场景与任务关联系统,包括:

39、业务输入门户,用于提供场景与任务描述的输入界面及人工审核工作流程;

40、特征工程引擎,配置用于执行特征提取、向量化操作及模态编码转换;

41、关联映射计算模块,部署有图数据库以存储电力人工智能知识图谱,并内置加权评分算法与动态阈值判断逻辑,用于计算场景与任务的关联度;

42、方案自动装配模块,包含指标库、用例库及dag流程模板库,核心为代码生成器,用于将测评需求转化为可执行的配置文件及标准化测评方案包;

43、分布式测评执行器,包含任务调度器、计算节点及监控组件,用于解析并执行测评方案,支持分布式并行计算及断点续跑;

44、数据存储层,包含关系型数据库、对象存储、图数据库及时序数据库,用于存储结构化数据、数据集、知识图谱及历史测评指标。

45、优选的,所述特征工程引擎进一步配置用于:

46、对电力系统专用格式进行解析,包括对录波文件进行解析以提取模拟量通道数据,并转换为时序特征向量;

47、所述分布式测评执行器用于在测评过程中保存中间状态,支持在故障恢复后从断点继续执行。

48、本发明的技术效果和优点:

49、1.面向电力多模态业务场景与人工智能任务的关联映射机制,通过对业务语义的深层解析与任务特征的量化分析,将复杂的电力业务需求自动拆解为标准化的测评要素,实现了从非结构化业务描述到结构化特征向量的转化,解决了电力ai测评中场景与任务脱节的问题,通过引入业务领域、风险等级、实时性要求等业务维度特征,并在关联度计算中赋予业务相似度最高权重,使得测评方案能够对电力安全生产的实际需求。

50、2.建立了覆盖典型场景的标准化测评技术体系,提升了测评的通用性与可复用性,针对设备故障诊断、负荷预测、新能源功率预测等典型电力场景,支持模块化组合,根据关联映射结果,基于算法智能筛选指标,并根据任务特性自动分配权重,提升了大规模数据集的测评效率。

51、3.支撑全生命周期的质量管控,为模型训练与应用落地提供可靠保障,通过精准的场景与任务匹配与自动化的方案装配,缩短了测评周期,生成的测评结果为电力人工智能模型训练提供高质量的数据输入,为应用落地及后续的数据质量管控提供可靠的决策依据。

52、4.实现了多模态数据的统一适配,增强了系统的兼容性与扩展性,通过设计统一的模态编码与特征向量结构,兼容图像、时序、文本及多模态融合多种数据类型,多模态适配能力使得同一套系统架构能够灵活应对电力行业多样化的业务需求。