电力计量故障的处理方法、装置、计算机设备和程序产品与流程

摘要: 本技术涉及电力系统运维,特别是涉及一种电力计量故障的处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。背景技术:1、随着电力计量装置智能化运维水平...
电力计量故障的处理方法、装置、计算机设备和程序产品与流程

本技术涉及电力系统运维,特别是涉及一种电力计量故障的处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

背景技术:

1、随着电力计量装置智能化运维水平的提升,计量自动化系统已能够对大量计量设备进行远程监测和异常告警。运维人员在处理计量设备故障时,需要在较短时间内获取准确、可执行的处置建议,以保障计量数据的准确性和供电可靠性。

2、然而,在实际故障处置过程中,具体操作方案仍较多依赖运维人员的个人经验判断,面对复杂故障场景或经验不足的运维人员时,存在故障处置效率低、处置标准一致性差、甚至误操作引发安全风险等问题。因此,如何利用知识库和智能生成技术自动形成细粒度、可执行的处置建议,已成为电力计量智能运维领域的重要技术需求。

技术实现思路

1、基于此,有必要针对上述技术问题,提供一种能够提高电力计量故障处理效率的电力计量故障的处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

2、第一方面,本技术提供了一种电力计量故障的处理方法,包括:

3、获取电力计量故障的故障信息,基于所述故障信息,在预设的故障知识图谱中进行结构化查询,确定第一处理方案集合;

4、获取当前设备的运行状态参数,基于所述运行状态参数,对所述第一处理方案集合进行筛选,确定第二处理方案集合;

5、将所述第二处理方案集合中每一处理方案安全规程的约束条件与预设安全规程约束条件进行比对,筛选出符合预设安全规程约束的第三处理方案集合;

6、对所述第三处理方案集合中每一处理方案进行运维资源校验,将运维资源校验通过的处理方案,作为第四处理方案集合;

7、将所述故障信息和所述第四处理方案集合,转换为预设格式的提示词,并将所述提示词输入至训练后的大语言模型中,输出电力计量故障的目标处理方案;

8、在所述目标处理方案的安全违规检测、状态不符检测和资源不足检测均合格的情况下,基于所述目标处理方案,对电力计量故障进行处理。

9、在其中一个实施例中,所述基于所述故障信息,在预设的故障知识图谱中进行结构化查询,确定第一处理方案集合,包括:

10、基于所述故障信息,确定电力计量故障对应的故障类型和设备型号;

11、将所述故障类型和所述设备型号,分别映射至故障知识图谱中的故障类型节点和设备型号节点;

12、以映射得到的故障类型节点为起点、设备型号节点为约束条件,遍历故障知识图谱所有的处理方案,确定第一处理方案集合。

13、在其中一个实施例中,所述将所述第二处理方案集合中每一处理方案安全规程的约束条件与预设安全规程约束条件进行比对,筛选出符合预设安全规程约束的第三处理方案集合,包括:

14、对于第二处理方案集合中的每一处理方案,将每一处理方案安全规程的约束条件与预设安全规程约束条件进行比对,得到比对结果;

15、基于所述比对结果,为每一处理方案中每一子步骤标注合规性标签;所述合规性标签包括合规、违规和待确认;

16、基于每一处理方案所述合规性标签为违规的数量,对第二处理方案集合中的处理方案从少至多进行排序,并按照预设比例在排序后的第二处理方案集合中,筛选出第三处理方案集合。

17、在其中一个实施例中,所述方法还包括:

18、在所述目标处理方案的安全违规检测、状态不符检测和资源不足检测存在不合格的情况下,确定目标处理方案中不合格的违规内容;

19、将所述违规内容对应的正确的约束信息转换为预设格式,添加至所述提示词中,得到更新后的提示词;

20、将所述更新后的提示词重新输入至训练后的大语言模型中,输出电力计量故障的目标处理方案。

21、在其中一个实施例中,对目标处理方案进行安全违规检测,包括:

22、将所述目标处理方案划分为预设数量的子步骤,并确定每一子步骤的操作类型;

23、确定操作类型对应的安全规则,在每一子步骤的操作类型均满足所有安全规则的情况下,确定目标处理方案的安全违规检测合格。

24、在其中一个实施例中,所述运行状态参数包括当前设备的负载率、所处环境的温度、所处环境的湿度、额定电压等级和停电条件。

25、第二方面,本技术还提供了一种电力计量故障的处理装置,包括:

26、确定模块,用于获取电力计量故障的故障信息,基于所述故障信息,在预设的故障知识图谱中进行结构化查询,确定第一处理方案集合;

27、筛选模块,用于获取当前设备的运行状态参数,基于所述运行状态参数,对所述第一处理方案集合进行筛选,确定第二处理方案集合;

28、所述筛选模块,还用于将所述第二处理方案集合中每一处理方案安全规程的约束条件与预设安全规程约束条件进行比对,筛选出符合预设安全规程约束的第三处理方案集合;

29、校验模块,用于对所述第三处理方案集合中每一处理方案进行运维资源校验,将运维资源校验通过的处理方案,作为第四处理方案集合;

30、处理模块,用于将所述故障信息和所述第四处理方案集合,转换为预设格式的提示词,并将所述提示词输入至训练后的大语言模型中,输出电力计量故障的目标处理方案;

31、所述处理模块,还用于在所述目标处理方案的安全违规检测、状态不符检测和资源不足检测均合格的情况下,基于所述目标处理方案,对电力计量故障进行处理。

32、第三方面,本技术还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,所述处理器执行所述计算机程序时实现以下步骤:

33、获取电力计量故障的故障信息,基于所述故障信息,在预设的故障知识图谱中进行结构化查询,确定第一处理方案集合;

34、获取当前设备的运行状态参数,基于所述运行状态参数,对所述第一处理方案集合进行筛选,确定第二处理方案集合;

35、将所述第二处理方案集合中每一处理方案安全规程的约束条件与预设安全规程约束条件进行比对,筛选出符合预设安全规程约束的第三处理方案集合;

36、对所述第三处理方案集合中每一处理方案进行运维资源校验,将运维资源校验通过的处理方案,作为第四处理方案集合;

37、将所述故障信息和所述第四处理方案集合,转换为预设格式的提示词,并将所述提示词输入至训练后的大语言模型中,输出电力计量故障的目标处理方案;

38、在所述目标处理方案的安全违规检测、状态不符检测和资源不足检测均合格的情况下,基于所述目标处理方案,对电力计量故障进行处理。

39、第四方面,本技术还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:

40、获取电力计量故障的故障信息,基于所述故障信息,在预设的故障知识图谱中进行结构化查询,确定第一处理方案集合;

41、获取当前设备的运行状态参数,基于所述运行状态参数,对所述第一处理方案集合进行筛选,确定第二处理方案集合;

42、将所述第二处理方案集合中每一处理方案安全规程的约束条件与预设安全规程约束条件进行比对,筛选出符合预设安全规程约束的第三处理方案集合;

43、对所述第三处理方案集合中每一处理方案进行运维资源校验,将运维资源校验通过的处理方案,作为第四处理方案集合;

44、将所述故障信息和所述第四处理方案集合,转换为预设格式的提示词,并将所述提示词输入至训练后的大语言模型中,输出电力计量故障的目标处理方案;

45、在所述目标处理方案的安全违规检测、状态不符检测和资源不足检测均合格的情况下,基于所述目标处理方案,对电力计量故障进行处理。

46、第五方面,本技术还提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:

47、获取电力计量故障的故障信息,基于所述故障信息,在预设的故障知识图谱中进行结构化查询,确定第一处理方案集合;

48、获取当前设备的运行状态参数,基于所述运行状态参数,对所述第一处理方案集合进行筛选,确定第二处理方案集合;

49、将所述第二处理方案集合中每一处理方案安全规程的约束条件与预设安全规程约束条件进行比对,筛选出符合预设安全规程约束的第三处理方案集合;

50、对所述第三处理方案集合中每一处理方案进行运维资源校验,将运维资源校验通过的处理方案,作为第四处理方案集合;

51、将所述故障信息和所述第四处理方案集合,转换为预设格式的提示词,并将所述提示词输入至训练后的大语言模型中,输出电力计量故障的目标处理方案;

52、在所述目标处理方案的安全违规检测、状态不符检测和资源不足检测均合格的情况下,基于所述目标处理方案,对电力计量故障进行处理。

53、上述电力计量故障的处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品,首先,获取电力计量故障的故障信息,基于故障信息,在预设的故障知识图谱中进行结构化查询,确定第一处理方案集合;获取当前设备的运行状态参数,基于运行状态参数,对第一处理方案集合进行筛选,确定第二处理方案集合;将第二处理方案集合中每一处理方案安全规程的约束条件与预设安全规程约束条件进行比对,筛选出符合预设安全规程约束的第三处理方案集合;对第三处理方案集合中每一处理方案进行运维资源校验,将运维资源校验通过的处理方案,作为第四处理方案集合;将故障信息和第四处理方案集合,转换为预设格式的提示词,并将提示词输入至训练后的大语言模型中,输出电力计量故障的目标处理方案;在目标处理方案的安全违规检测、状态不符检测和资源不足检测均合格的情况下,基于目标处理方案,对电力计量故障进行处理。如此,通过在生成处置建议前即将设备实时工况、电力安全规程和现场资源可用性三类业务约束融入检索与筛选全过程,确保最终输入大语言模型的候选方案均与当前故障场景相容,从源头降低了模型生成不可执行或违规建议的概率;同时,通过将故障信息与经多重约束校验的候选方案集转换为结构化提示词输入大语言模型,既充分发挥了大语言模型在语义理解和文本生成方面的优势,又通过约束前置注入方式弥补了通用模型对电力业务场景认知不足的缺陷,提升了生成建议的针对性和可落地性;最终仅在生成方案通过安全违规、状态不符和资源不足三重校验合格后才予以采纳执行,有效提高了电力计量故障处置建议的合规性、可执行性和现场应用可靠性,减少了因建议不当导致的次生风险、安全违规和资源缺配问题,从而整体提升了电力计量智能运维的处置效率。