大模型推理驱动的电能表异常结果复核校正方法、装置及系统与流程

本发明涉及电力计量与人工智能，具体涉及大模型推理驱动的电能表异常结果复核校正方法、装置及系统。

背景技术：

1、随着用电信息采集系统的全面覆盖，电能表状态评价系统已成为电网运营单位掌握海量在网电能表运行健康水平的核心手段。该类系统通常对每只电能表的计量误差与功能状态进行周期性评价，并在评价指标越过设定门限时输出误差预估异常结果或功能评估异常结果，供运维人员据以安排现场核查与换表。然而在实际运营中，电能表状态评价系统的输出普遍存在大量误报。这些误报并非源于电能表自身的真实劣化，而是源于喂入评价系统的多源数据本身存在质量缺陷，例如台区线损统计口径错配、近期电量数据时标漂移、告警事件与异常发生时刻在时间上彼此错位等。由于现有评价逻辑以单一指标的数值越限作为判别依据，这类由数据质量缺陷引发的伪异常与电能表真实劣化引发的真异常在数值表现上往往十分接近，难以被评价系统自身区分，最终只能依靠运维人员对评价系统输出的全部异常结果逐条进行人工核查，工作量巨大且核查效率严重受限。

2、针对用电信息的监测与异常分析，相关技术已有若干探索。公开号为cn116593955a的中国专利申请，公开了一种基于智能电表采集的用电信息监测方法及系统，该方法获取智能电表采集的电压、电流、相位角等用电数据，依据预设数值门限对用电异常进行判断并在存在异常时进行预警提醒，同时依据用电数据计算线损率并在线损率超出预设值时进行预警，还结合同时期的生产数据对用电量进行比对分析。然而，该方案对异常的判别始终停留在单一数据源的数值越限层面，其将异常判别与误报甄别视为同一个数值门限问题，无法识别由多源数据质量缺陷所引发的伪异常，因而无法在不增加人工核查的前提下区分数据质量误报与电能表真实异常。

3、公开号为ep3966720a1的欧洲专利申请，公开了一种用于异常检测的误报检测方法，该方法在交易处理系统中对异常检测的结果再行进行误报甄别，以降低异常检测的误报率。然而，该方案面向金融交易数据，其误报甄别依赖统计与机器学习模型对单类交易数据的数值分布进行判断，既未对来自不同采集系统、不同时间粒度的多源异构证据建立统一的时空对齐与来源可信度加权机制，也未对甄别结论的可信程度依据多源证据之间的一致性结构进行校准，因而同样无法应对电能表异常结果中由多源数据质量缺陷所引发的伪异常甄别问题。

4、由上述现有技术可见，电能表异常结果误报治理所面临的核心瓶颈在于：误报甄别在本质上是一个跨源证据一致性的语义推理问题，而现有技术一概将其当作单源数值门限问题来处理，从而无法在不增加人工核查工作量的前提下，准确区分由数据质量缺陷引发的误报与电能表真实设备异常。如何突破这一瓶颈，是本领域亟待解决的技术问题。

技术实现思路

1、针对现有技术中电能表异常结果误报治理存在的、误报甄别被当作单源数值门限问题处理从而无法在不增加人工核查工作量的前提下准确区分数据质量误报与电能表真实设备异常这一核心瓶颈，本发明提供大模型推理驱动的电能表异常结果复核校正方法、装置及系统，通过将分散于多源异构数据中的证据按统一时空参考框架对齐并按来源可信度加权后组装为复核上下文，由本地化部署的大语言模型对其进行跨源一致性复核，并依据多源证据一致性程度对模型置信度进行校准与分类处置，在不增加人工核查工作量的约束下，从跨源证据一致性的语义推理原理层面上实现对电能表异常结果中数据质量误报与真实设备异常的准确甄别与校正。

2、本发明的技术方案为：大模型推理驱动的电能表异常结果复核校正方法，包括以下步骤：对电能表状态评价系统输出的误差预估异常结果与功能评估异常结果进行筛选，将异常程度超过预设触发阈值的异常结果确定为待复核异常结果，对未超过预设触发阈值的异常结果不触发后续复核；对每一待复核异常结果所对应的目标电能表，获取目标电能表的多源复核信息，多源复核信息包括基础档案信息、异常详情信息、台区线损信息、近期电量数据与告警事件信息，按统一时空参考框架对多源复核信息进行对齐，并按多源复核信息中各信息的来源可信度进行加权，将对齐加权后的多源复核信息组装为复核上下文；基于预设复核提示词模板将复核上下文输入大语言模型，大语言模型部署于本地化计算节点，引导大语言模型从数据质量、台区环境、设备状态、误差合理性与功能异常的维度对复核上下文进行跨源一致性复核，并按结构化数据格式输出复核结果，复核结果包括复核结论、模型置信度、推理过程、维度分析与处置建议；依据复核上下文中各信息间的一致性程度对模型置信度进行校准得到校准置信度，依据复核结论与校准置信度将待复核异常结果划分为确认异常、误报与不确定，对确认异常予以保留并提高确认异常的可信度赋值，对误报进行降权或剔除，对不确定触发人工二次确认；将划分处置后的复核结果与电能表状态评价系统输出的原始评价结果进行协同集成，形成最终异常清单。

3、进一步地，触发筛选时对误差预估异常结果与功能评估异常结果计算异常程度分值与证据初筛矛盾度，将异常程度分值处于预设中间区间且证据初筛矛盾度超过预设矛盾度阈值的异常结果优先确定为待复核异常结果。进一步地，对齐时以异常发生时刻为时间锚点建立统一时间窗口，将各源信息投影至统一时间窗口并对缺值采用时间距离最近的有效值进行对齐填充得到时间对齐证据集。进一步地，加权时依据来源固有可信度、数据新鲜度与自洽校验通过率计算证据权重。进一步地，校准时依据证据权重对各条证据两两冲突程度加权汇总得到多源证据一致性分数，并将模型置信度与多源证据一致性分数融合得到校准置信度。进一步地，对误报提取证据冲突指纹并更新数据质量画像，将数据质量画像反馈至电能表状态评价系统以调节后续评价的判别阈值或证据权重。

4、本发明还提供一种大模型推理驱动的电能表异常结果复核校正装置，该装置包括存储器、处理器及存储在存储器上并能够在处理器上运行的计算机程序，处理器执行计算机程序时实现上述大模型推理驱动的电能表异常结果复核校正方法。

5、本发明还提供大模型推理驱动的电能表异常结果复核校正系统，该系统包括：触发筛选模块，用于对电能表状态评价系统输出的误差预估异常结果与功能评估异常结果进行筛选确定待复核异常结果；上下文组装模块，用于获取目标电能表的多源复核信息并按统一时空参考框架对齐、按来源可信度加权后组装为复核上下文；大模型复核模块，用于基于预设复核提示词模板由本地化部署的大语言模型对复核上下文进行跨源一致性复核并按结构化数据格式输出复核结果；校准处置模块，用于依据一致性程度对模型置信度校准并将待复核异常结果划分为确认异常、误报与不确定后分类处置；协同集成模块，用于将划分处置后的复核结果与原始评价结果协同集成形成最终异常清单。

6、本发明的有益效果在于：第一，本发明仅对异常程度超过预设触发阈值的异常结果触发大语言模型复核，对未超过预设触发阈值的异常结果不触发后续复核，相较于对全部评价结果不加区分地施加复核，能够显著降低大语言模型的推理算力消耗，其机理在于大语言模型的单次推理在算力与时延上的开销远高于规则比较，将复核算力集中投向真正存疑的疑难样本，使有限的推理算力被高效利用。第二，本发明将分散于多源异构数据中的证据按统一时空参考框架对齐并按来源可信度加权后组装为复核上下文，再由大语言模型进行跨源一致性复核，相较于将异常判别与误报甄别视为同一数值门限问题的现有方案，能够准确识别由多源数据质量缺陷引发的伪异常，其机理在于真异常与伪异常的区分依赖的是跨源证据之间的一致性结构而非任何单源的数值大小，将多源证据的不一致性由通常被清洗丢弃的噪声转化为携带误报判别信息的有用信号，从根本上改变了误报甄别的求解层次。第三，本发明依据多源证据一致性程度对大语言模型输出的模型置信度进行校准，相较于直接采信模型置信度的方案，能够抑制模型在证据相互冲突时的置信度虚高，其机理在于当多源证据一致性分数越低时对模型置信度的下调幅度越大，使最终处置依据的校准置信度与证据支撑程度相匹配，避免在证据自相矛盾时仍以高置信度做出确认或剔除的误处置。第四，本发明对甄别出的误报提取证据冲突指纹并更新数据质量画像，将数据质量画像反馈至电能表状态评价系统以调节后续评价的判别阈值或证据权重，相较于仅对当次结果进行单向校正的方案，能够使同类数据质量误报在后续评价中被预先抑制，其机理在于误报的维度证据冲突组合一旦被固化为指纹并回写，电能表状态评价系统即可在源头降低同类误报的产生概率。需要特别指出的是，上述各特征并非彼此孤立地发挥作用，而是形成深度耦合的闭环协同：选择性触发使复核算力集中于高价值疑难样本，多源对齐加权使大语言模型的跨源一致性复核有据可依，一致性校准使处置决策的置信度可信，误报指纹回写又使评价系统在源头自我修正，从而随着复核的持续进行，最终异常清单的误报率呈现持续下降的系统级效果，该协同效应显著超出各特征单独作用之和。