一种电网本质安全隐患根因分析方法、系统、设备及介质与流程
本发明涉及电力系统优化调度、分布式微电网、含分布式多能系统配电网和配-微电网协同运行控制,尤其涉及一种电网本质安全隐患根因分析方法、系统、设备及介质。
背景技术:
1、基于规则库或专家系统的电网故障诊断技术、基于知识图谱或检索增强生成的缺陷原因检索技术,以及将通用大语言模型用于运维问答或故障辅助分析的智能体技术。上述技术能够根据设备类型、故障现象、历史案例或标准规程给出风险提示,但通常将规则库、检索材料和模型提示作为整体上下文处理,缺少按设备对象和故障任务动态选择分析能力的机制。
2、现有规则库和专家系统依赖固定规则,面对自然语言描述中的同义表达、多个异常现象组合或信息缺失时,往往需要人工转译为规则条件;现有检索增强生成方案虽然能够检索规程和案例,但通常一次性向模型注入大量候选文本,导致上下文冗余、相近原因混杂,影响模型对关键证据的注意力分配。现有通用大模型或单一智能体辅助分析方案缺少受限域输出约束,可能生成标准缺陷库之外的根因名称,导致结论难以与风险点、缺陷编码和处置措施建立确定映射;同时,其输出结果多以自然语言解释为主,缺少基于先验概率、似然概率和观测证据的后验可信度计算,无法给出可复核的量化置信依据。
3、因此,需要一种面向电网本质安全隐患场景的根因分析方案,在前端通过轻量元数据识别用户意图,仅加载与当前故障现象相关的智能体技能;在后端将根因推理限定在标准化风险点和根因数据库中;并在输出前利用贝叶斯验证对候选根因进行概率校验,从而兼顾分析效率、规范性和可信度。
技术实现思路
1、鉴于上述现有存在的问题,本发明提供了一种电网本质安全隐患根因分析方法、系统、设备及介质,解决现有技术方案输出不合规、知识冗余低效、分析结果无可信量化依据的问题。
2、为解决上述技术问题,本发明提供如下技术方案:
3、第一方面,本发明提供了一种电网本质安全隐患根因分析方法,包括:
4、获取技能划分维度数据,构建本质安全技能库;
5、获取电网故障现象描述,根据所述本质安全技能库中每个技能包的元数据对电网故障现象描述进行意图识别,并计算每个技能包的匹配分值,根据所述匹配分值进行技能动态加载;
6、从所述电网故障现象描述中提取结构化证据,根据所述结构化证据在预设的本质安全标准数据库中进行检索匹配,得到候选根因集合及对应的匹配分值,根据所述匹配分值从所述候选根因集合中筛选得到初步根因结论;
7、利用概率推理验证方法对所述初步根因结论进行可信度评估,得到标准化电网隐患根因分析结果。
8、作为本发明所述的一种电网本质安全隐患根因分析方法的一种优选方案,其中:构建本质安全技能库包括:
9、根据技能划分维度数据,将电网本质安全分析能力单元解耦为多个独立封装的技能包;
10、响应于不同的电网本质安全分析能力单元在技能配置属性中至少一项存在差异,将不同的电网本质安全分析能力单元划分为不同的技能包;
11、响应于多个场景共享同一设备对象且核心要素重合,将多个场景作为同一技能包下的子任务处理;
12、为每个技能包配置至少三层分级存储结构,得到本质安全技能库。
13、作为本发明所述的一种电网本质安全隐患根因分析方法的一种优选方案,其中:对电网故障现象描述进行意图识别,并计算每个技能包的匹配分值包括:
14、读取每个技能包中的元数据层,对电网故障现象描述进行自然语言解析,提取故障现象描述中的关键证据信息;
15、根据关键证据信息与每个技能包元数据中预设的触发条件进行多维度匹配,根据每个维度权重进行加权计算得到每个技能包的匹配分值;
16、若触发排除条件,则将对应技能的匹配分值直接置零或降低至不加载范围。
17、本优选技术方案的有益效果为,通过快速精准匹配对应技能,过滤无关技能,减少无效加载计算。
18、作为本发明所述的一种电网本质安全隐患根因分析方法的一种优选方案,其中:根据所述匹配分值进行技能动态加载包括:
19、根据匹配分值,进行单技能加载;
20、响应于匹配分值大于等于第一阈值,加载对应技能的指令层内容至当前对话上下文;
21、响应于匹配分值小于第一阈值且大于等于第二阈值,不加载指令层,根据缺失槽位向用户追问补充信息;
22、响应于匹配分值小于第二阈值,不加载指令层,提示用户补充故障描述;
23、根据多个技能的匹配分值,进行多技能加载;
24、响应于多个技能的匹配分值均大于等于第一阈值,且最高分与次高分的差值小于第三阈值,将最高分技能设为主技能,将其余不超过预设数量的技能设为辅助技能,分别调用对应的指令层进行分析;
25、响应于多个技能的匹配分值均大于等于第一阈值,且最高分与次高分的差值大于等于第三阈值,仅加载最高分技能;
26、响应于多个技能的匹配分值均小于第一阈值,不加载任何技能的指令层。
27、本优选技术方案的有益效果为,按需分级加载技能,缩减上下文占用,提升分析响应速度。
28、作为本发明所述的一种电网本质安全隐患根因分析方法的一种优选方案,其中:根据所述结构化证据在预设的本质安全标准数据库中进行检索匹配,得到候选根因集合及对应的匹配分值包括:
29、将结构化证据转换为证据特征向量;
30、在预设的本质安全标准数据库中进行检索匹配,对本质安全标准数据库中的每个根因条目,分别计算证据特征向量与根因条目的标准特征向量之间的语义相似度,并计算结构化证据与根因条目的根因匹配评价维度,根据根因匹配评价维度的预设权重加权聚合得到每个根因条目的匹配分值;
31、响应于匹配分值大于等于第四阈值的根因条目,将对应根因条目作为候选根因,按匹配分值降序排列构成候选根因集合;
32、响应于不存在匹配分值达到第四阈值的根因条目,输出提示信息。
33、本优选技术方案的有益效果为,通过多维加权匹配筛选根因,约束输出范围,杜绝模型生成幻觉。
34、作为本发明所述的一种电网本质安全隐患根因分析方法的一种优选方案,其中:根据所述匹配分值从所述候选根因集合中筛选得到初步根因结论包括:
35、响应于最高分候选根因的匹配分值大于等于第五阈值,且最高分候选根因与次高分候选根因的匹配分值差值大于等于第六阈值,选取最高分候选根因作为初步根因结论;
36、响应于最高分候选根因的匹配分值小于第五阈值,或最高分候选根因与次高分候选根因的匹配分值差值小于第六阈值,保留至少两个候选根因并输出至可信度评估,或向用户输出缺失证据的追问提示。
37、作为本发明所述的一种电网本质安全隐患根因分析方法的一种优选方案,其中:对所述初步根因结论进行可信度评估包括:
38、获取初步根因结论对应的目标根因以及结构化证据;
39、根据目标根因在历史故障数据中的出现频率,作为先验概率;
40、将目标根因成立条件下出现结构化证据的条件概率,作为似然概率;
41、根据先验概率和似然概率,计算在结构化证据出现条件下目标根因成立的后验概率;
42、根据后验概率与预设可信度阈值的比较结果,确定初步根因结论的可信度等级。
43、第二方面,本发明提供了一种电网本质安全隐患根因分析方法的系统,包括:
44、技能库构建模块,用于获取技能划分维度数据,构建本质安全技能库;
45、识别计算模块,用于获取电网故障现象描述,根据所述本质安全技能库中每个技能包的元数据对电网故障现象描述进行意图识别,并计算每个技能包的匹配分值,根据所述匹配分值进行技能动态加载;
46、匹配筛选模块,用于从所述电网故障现象描述中提取结构化证据,根据所述结构化证据在预设的本质安全标准数据库中进行检索匹配,得到候选根因集合及对应的匹配分值,根据所述匹配分值从所述候选根因集合中筛选得到初步根因结论;
47、可信度评估模块,用于利用概率推理验证方法对所述初步根因结论进行可信度评估,得到标准化电网隐患根因分析结果。
48、第三方面,本发明提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现所述的一种电网本质安全隐患根因分析方法的步骤。
49、第四方面,本发明提供了一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现所述的一种电网本质安全隐患根因分析方法的步骤。
50、与现有技术相比,本发明的有益效果:本发明创新性地将智能体的根因推理范围限制在预先构建的标准化数据库内,使智能体分析结果既具备自然语言理解能力,又不脱离行业规范。智能体仅从标准库映射输出,杜绝了自由生成导致的合规风险,确保结果符合电网安全作业规范。基于智能体技能的动态加载技术,避免了传统一次性载入全量知识的低效模式。系统仅在故障发生时加载相关技能指令,极大减少了上下文窗口占用和词元消耗,提高了推理速度和准确性,同时降低了对大模型的计算压力。本发明引入独立的贝叶斯可信度分析层,将智能体推理结果量化为概率指标。通过计算后验概率并与阈值对比,系统为每个根因判断提供了可解释的可信度度量,帮助运维人员直观判断智能体建议的可靠性。这种智能体推理+数学验证的双重保险机制,满足了电力系统对高可靠性的严苛要求。本发明将智能体技能与本质安全领域知识库相结合,通过渐进式披露策略动态加载技能,实现了智能体分析的可控性和高效性;同时引入贝叶斯验证机制,为输出结果提供量化可信度校验,从数学层面保证了分析结果的可靠性和合规性。该方法在电网故障分析中填补了现有技术空白,具有显著的应用价值和推广前景。
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