一种电网调度操作的防误方法、系统、设备和介质与流程

1.本发明涉及电网调度技术领域，特别是涉及一种电网调度操作的防误方法、系统、设备和介质。


背景技术：

2.电网调度是电网安全稳定运行、资源高效优化配置的关键。随着电网的快速发展，电网运行复杂程度越来越高，电网安全面临新的形式；另一方面，变电站无人值守工作全面推广，电网的生产关系和业务流程发生重大转变，电网安全格局面临新的挑战。
3.在这种大形势的推动下，迫切需要改变电网安全管理模式，开展电网运行精细化管理研究，以保证电网运行、电气检修、事故处理等每一个环节都安全可靠，探索建立一种调度日常工作情况分析、评估和提升机制，不断提高电网运行水平及安全管理水平。
4.然而，由于缺乏相应技术手段支撑，当前调度运行管理模式存在“工作种类繁杂、人工依赖性强”、“无法对具体任务的处理过程实施有效管控”、“对工作的执行结果，缺乏检查防误机制”等问题。
5.目前，电网调度防误手段大多采用依赖人工校核防误的手段，没有实现真正的智能防误。而调度操作工作种类繁杂，操作项多，调控人员要处理的日常工作达百项之多核对工作量极大，这对调度员是极大的挑战，尤其是调度操作高峰期很容易导致工作积压，甚至由于核对错误引发电网安全事故。


技术实现要素：

6.本发明的目的是：提供一种电网调度操作的防误方法、系统、设备和介质，通过规则学习手段，形成调度操作校核知识库，进而实现对操作票的操作进行防误检查。
7.为了实现上述目的，本发明提供了一种电网调度操作的防误方法，包括：
8.获取电网历史操作票中的历史调度操作知识，并根据所述历史调度操作知识，构建电网调度操作知识图谱；
9.根据电网一次设备模型中设备与设备之间的静态连接关系，构建电网静态设备图谱；
10.采用规则学习算法，对所述电网调度操作知识图谱和电网静态设备图谱进行规则学习，并根据规则学习的结果，构建电网调度操作的防误规则库；
11.根据所述防误规则库中的规则，对新开操作票进行操作防误检查，输出防误检测结果。
12.进一步地，所述获取电网历史操作票中的历史调度操作知识，并根据所述历史调度操作知识，包括：
13.获取历史调度操作票，并将所述历史调度操作票作为第一数据集；
14.根据深度学习算法，从所述第一数据集中抽取调度操作知识。
15.进一步地，所述根据深度学习算法，从第一数据集中抽取调度操作知识，包括：
16.对第一数据集进行操作票分词处理和词向量训练处理，获得第二数据集；
17.采用循环神经网络算法，对所述第二数据集进行句法分析，并根据句法分析的结果，获得调度操作知识。
18.进一步地，所述根据电网一次设备模型中设备与设备之间的静态连接关系，构建电网静态设备图谱，包括：
19.获取电网接线图，并对所述电网接线图进行数据结构化处理，获得数据结构化处理的结果；
20.根据所述数据结构化处理的结果，构建电网设备接线图矩阵；
21.根据所述电网设备接线图矩阵，构建电网静态设备图谱。
22.本发明还提供一种电网调度操作的防误系统，包括：数据获取模块、第一构建模块、第二构建模块和操作防误模块，其中；
23.所述数据获取模块，用于获取电网历史操作票中的历史调度操作知识，并根据所述历史调度操作知识，构建电网调度操作知识图谱；
24.所述第一构建模块，用于根据电网一次设备模型中设备与设备之间的静态连接关系，构建电网静态设备图谱；
25.所述第二构建模块，用于采用规则学习算法，对所述电网调度操作知识图谱和电网静态设备图谱进行规则学习，并根据规则学习的结果，构建电网调度操作的防误规则库；
26.所述操作防误模块，用于根据所述防误规则库中的规则，对新开操作票进行操作防误检查，输出防误检测结果。
27.进一步地，所述数据获取模块，具体用于：
28.获取历史调度操作票，并将所述历史调度操作票作为第一数据集；
29.根据深度学习算法，从所述第一数据集中抽取调度操作知识。
30.进一步地，所述根据深度学习算法，从所述第一数据集中抽取调度操作知识，包括：
31.对第一数据集进行操作票分词处理和词向量训练处理，获得第二数据集；
32.采用循环神经网络算法，对所述第二数据集进行句法分析，并根据句法分析的结果，获得调度操作知识。
33.进一步地，所述第二构建模块，具体用于：
34.获取电网接线图，并对所述电网接线图进行数据结构化处理，获得数据结构化处理的结果；
35.根据所述数据结构化处理的结果，构建电网设备接线图矩阵；
36.根据所述电网设备接线图矩阵，构建电网静态设备图谱。
37.本发明还提供一种计算机终端设备，包括：一个或多个处理器；存储器，与所述处理器耦接，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述任一项所述的电网调度操作的防误方法。
38.本发明还提供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如上述任一项所述的电网调度操作的防误方法。
39.本发明提供的一种电网调度操作的防误方法、系统、设备和介质与现有技术相比，其有益效果在于：
40.本发明通过构建电网调度操作知识图谱，挖掘电网操作图谱与设备图谱之间的关联关系，再通过规则学习进一步提炼调度操作防误规则，通过智能学习方法，利用规则学习技术，对图谱中大量的检修图谱、操作图谱和设备图谱案例进行规则学习；利用学习的规则库对新开操作票是否符合进行检查，实现防误目的，大大降低校核的人力投入，提升操作效率。
附图说明
41.图1是本发明提供的一种电网调度操作的防误方法的流程示意图；
42.图2是本发明提供的句法分析器对调度操作票进行句法分析示例图；
43.图3是本发明提供的电线路接线模型示意图；
44.图4是本发明提供的一种电网调度操作的防误系统的结构示意图。
具体实施方式
45.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
46.应当理解，文中所使用的步骤编号仅是为了方便描述，不对作为对步骤执行先后顺序的限定。
47.应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
48.术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
49.术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
50.如图1所示，本发明提供的一种电网调度操作的防误方法，至少包括步骤s1－s4，具体步骤如下：
51.s1、获取电网历史操作票中的历史调度操作知识，并根据所述历史调度操作知识，构建电网调度操作知识图谱。
52.具体地，获取历史调度操作票，并将所述历史调度操作票作为第一数据集；
53.根据深度学习算法，从所述第一数据集中抽取调度操作知识，具体为：对第一数据集进行数据预处理，获得第二数据集；其中，所述数据预测包括：操作票分词处理和词向量训练处理；
54.需要说明是是，操作票分词处理，具体为：采用最大概率路径算法找出基于词频的最大切分组合对历史操作票数据进行分词处理，并采用贝叶斯公式计算目标句子t的分词方案为s的概率，其中s＝{s1,s2,...,sn}，具体公式如下：
55.56.其中，t表示目标句子，s表示分词方案，p(s|t)、p(si|t)和p(t)表示概率。
57.由于历史调度操作票数据中涉及到大量专业术语，因此在采用最大概率路径算法前可以先建立调度操作术语词典，采用基于词典的分词方法辅助上述算法，实现正确分词。
58.需要说明的是，词向量训练，具体为：采用word2vec算法进行词向量训练：首先根据分词结果建立词频表，将每个词作为输入模型矩阵的一个向量，在训练过程中不断调整输入层到隐藏层的参数矩阵，最终得到的矩阵为每一个词的词向量。
59.采用循环神经网络算法，对所述第二数据集进行句法分析，并根据句法分析的结果，获得调度操作知识。具体地，本发明使用循环神经网络(rnn)进行句法分析：
60.输入数据x1,x2,...,xn对应的隐状态为h1,h2,...,hn：
61.输入h
t
＝tanh(ux
t
wh
t-1
b)，输出y
t
＝softmax(vh
t
c)，其中，权重矩阵w参数相同，u为训练模型综合权重。
62.如图2所示，图2为使用训练好的句法分析器对调度操作票进行句法分析示例。
63.s2、根据电网一次设备模型中设备与设备之间的静态连接关系，构建电网静态设备图谱。
64.具体地，电网一次设备模型cim包含了电网一次设备及设备间静态连接关系，通过结构化知识抽取，可形成基本的静态设备图谱；静态图谱包含设备静态连接关系、设备、变电站、地调的隶属层级关系，设备各类静态属性如，线路的电压等级、线路的维护单位。
65.s3、采用规则学习算法，对所述电网调度操作知识图谱和电网静态设备图谱进行规则学习，并根据规则学习的结果，构建电网调度操作的防误规则库；
66.需要说明的是，规则学习是指在本体抽取过程中，对包含了实体、关系的通用句式或者模板进行学习的过程。在模式层中提炼得到的规则，可用于数据层的实体抽取中。
67.本发明采用“自顶向下”规则学习算法，从训练数据集最显著的条件项出发，不断增加条件项约束，缩小规则覆盖范围，直至得到满足搜索要求的规则语句的学习过程。规定训练数据集中每一个数据项可表示为(a1,a2,...,am,r)，其中a1,a2,...,am为数据项的m项属性类型，第i项属性类型有项取值可能，r为判定结果，包括r种取值可能。在本发明中，各项属性类型包括设备图谱中的实体属性、操作图谱中的设备类型、操作类型、操作步骤等内容。
68.根据在训练样本集及设备图谱中各类判定结果r出现次数，可以确定r在各种情况取值下的概率，概率越高，则显著性越强。选取显著性最强的判定结果取值，计算不同属性不同取值与该判定结果取值的相关性：
[0069][0070]
上式中，cor()为满足r＝ri,aj＝a
j,m
条件的相关性函数；count()为计数函数，data为训练数据集。
[0071]
统计显著性最强的判定结果下所有属性取值与其相关性，相关性最高的一项为初始规则体条件。
[0072]
根据相关性概率，完善规则体语句。在aj＝a
j,m
条件下，继续搜索其他属性取值与各判定结果相关性，并将相关性最高的属性条件补充进规则体语句，直至达到收敛条件为
止。
[0073]
s4、根据所述防误规则库中的规则，对新开操作票进行操作防误检查，输出防误检测结果。
[0074]
具体地，通过规则学习，获得初始调度操作规则知识库，同时提供人工规则核对和确认手段进行规则补充，通过“规则学习 人工确认”手段，形成调度操作校核知识库，并利用学习的规则库对新开操作票是否符合进行检查，实现防误目的。
[0075]
在本发明的某一个实施例中，所述获取电网历史操作票中的历史调度操作知识，并根据所述历史调度操作知识，包括：
[0076]
获取历史调度操作票，并将所述历史调度操作票作为第一数据集；
[0077]
根据深度学习算法，从所述第一数据集中抽取调度操作知识。
[0078]
在本发明的某一个实施例中，所述根据深度学习算法，从第一数据集中抽取调度操作知识，包括：
[0079]
对第一数据集进行操作票分词处理和词向量训练处理，获得第二数据集；
[0080]
采用循环神经网络算法，对所述第二数据集进行句法分析，并根据句法分析的结果，获得调度操作知识。
[0081]
在本发明的某一个实施例中，所述根据电网一次设备模型中设备与设备之间的静态连接关系，构建电网静态设备图谱，包括：
[0082]
获取电网接线图，并对所述电网接线图进行数据结构化处理，获得数据结构化处理的结果；
[0083]
根据所述数据结构化处理的结果，构建电网设备接线图矩阵；
[0084]
根据所述电网设备接线图矩阵，构建电网静态设备图谱。
[0085]
具体地，为了获取静态设备图谱，需要首先对电网接线图进行数据结构化，构建设备接线图矩阵，具体公式如下：
[0086]
g＝(v,e)
[0087]
其中，g表示设备接线图矩阵，v表示顶点的集合，e表示边的集合。
[0088]
令电网接线图中每个一次设备元件作为输入样本矩阵中的一个向量，接线图中元件之间的链接关系作为输入图中的一条边。
[0089]
电网接线图数据结构化是对电网模型进行深度学习的基础，如图2所示，本发明以3/2接线开关的特征提取和识别为例，阐述基于深度学习的电线路接线模型分类识别方法。
[0090]
图2所示为3/2接线方式图，图中设备元件包括开关、母线、主变、线路、刀闸等，构建顶点集合为：
[0091]
v＝(v1，v2，...,vn)
[0092]
其中，v表示顶点集合，vi代表接线图中的一个元器件，是一个d维向量，d为设备静态属性数量，如电压等级、维护单位等。
[0093]
e＝(e1，e2，...,en)是接线图中边的集合，当第i，j个设备之间有连接时，e
ij
＝1，否则e
ij
＝0。
[0094]
本发明提供的一种电网调度操作的防误方法与现有技术相比，其有益效果在于：
[0095]
本发明通过构建电网调度操作知识图谱，挖掘电网操作图谱与设备图谱之间的关联关系，再通过规则学习进一步提炼调度操作防误规则，通过智能学习方法，利用规则学习
技术，对图谱中大量的检修图谱、操作图谱和设备图谱案例进行规则学习；利用学习的规则库对新开操作票是否符合进行检查，实现防误目的，大大降低校核的人力投入，提升操作效率。
[0096]
如图2所示，本发明还提供一种电网调度操作的防误系统200，包括：数据获取模块201、第一构建模块202、第二构建模块203和操作防误模块204，其中；
[0097]
所述数据获取模块201，用于获取电网历史操作票中的历史调度操作知识，并根据所述历史调度操作知识，构建电网调度操作知识图谱；
[0098]
所述第一构建模块202，用于根据电网一次设备模型中设备与设备之间的静态连接关系，构建电网静态设备图谱；
[0099]
所述第二构建模块203，用于采用规则学习算法，对所述电网调度操作知识图谱和电网静态设备图谱进行规则学习，并根据规则学习的结果，构建电网调度操作的防误规则库；
[0100]
所述操作防误模块204，用于根据所述防误规则库中的规则，对新开操作票进行操作防误检查，输出防误检测结果。
[0101]
在本发明的某一个实施例中，所述数据获取模块，具体用于：
[0102]
获取历史调度操作票，并将所述历史调度操作票作为第一数据集；
[0103]
根据深度学习算法，从所述第一数据集中抽取调度操作知识。
[0104]
在本发明的某一个实施例中，所述根据深度学习算法，从所述第一数据集中抽取调度操作知识，包括：
[0105]
对第一数据集进行操作票分词处理和词向量训练处理，获得第二数据集；
[0106]
采用循环神经网络算法，对所述第二数据集进行句法分析，并根据句法分析的结果，获得调度操作知识。
[0107]
在本发明的某一个实施例中，所述第二构建模块，具体用于：
[0108]
获取电网接线图，并对所述电网接线图进行数据结构化处理，获得数据结构化处理的结果；
[0109]
根据所述数据结构化处理的结果，构建电网设备接线图矩阵；
[0110]
根据所述电网设备接线图矩阵，构建电网静态设备图谱。
[0111]
本发明还提供一种计算机终端设备，包括：一个或多个处理器；存储器，与所述处理器耦接，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述任一项所述的电网调度操作的防误方法。
[0112]
需要说明的是，所述处理器可以是中央处理单元(centralprocessingunit，cpu)，还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现成可编程门阵列(field－programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，通用处理器可以是微处理器，或者所述处理器也可以是任何常规的处理器，所述处理器是所述终端设备的控制中心，利用各种接口和线路连接所述终端设备的各个部分。
[0113]
所述存储器主要包括程序存储区和数据存储区，其中，程序存储区可存储操作系统、至少一个功能所需的应用程序等，数据存储区可存储相关数据等。此外，所述存储器可
以是高速随机存取存储器，还可以是非易失性存储器，例如插接式硬盘，智能存储卡(smartmediacard，smc)、安全数字(securedigital，sd)卡和闪存卡(flashcard)等，或所述存储器也可以是其他易失性固态存储器件。
[0114]
需要说明的是，上述终端设备可包括，但不仅限于，处理器、存储器，本领域技术人员可以理解，上述终端设备仅仅是示例，并不构成对终端设备的限定，可以包括更多或更少的部件，或者组合某些部件，或者不同的部件。
[0115]
本发明还提供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如上述任一项所述的电网调度操作的防误方法。
[0116]
需要说明的是，所述计算机程序可以被分割成一个或多个模块/单元(如计算机程序、计算机程序)，所述一个或者多个模块/单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述终端设备中的执行过程。
[0117]
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步的详细说明，应当理解，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围。特别指出，对于本领域技术人员来说，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。