面向多类型供用能系统调控运行知识图谱构建方法及装置

1.本发明属于能源调度技术领域，具体涉及一种面向多类型供用能系统调控运行知识图谱构建方法及装置。


背景技术：

2.大规模新能源发电接入电网，其具有间歇性、随机性和波动性，使电网呈现出更加复杂的非线性随机特性、多状态变量耦合及多时间尺度动态特性。同时也使得系统形态及运行特性日益复杂，配电网交直流之间、直流送受端电网之间耦合关系复杂，网络结构变化大、运行方式复杂多变，监控断面数量日益增加，控制规则日趋复杂。这些对电网稳定运行提出严峻挑战，对电力调度运行提出更精细化要求。
3.因此电网调度运行自动化系统对电网的安全运行越来越起着不可或缺的作用。现有调度自动化系统各类应用越来越多，业务知识越来越复杂，相关业务人员大多只了解局部的业务知识，而不清楚与之相关的业务逻辑，只有极少数专家级人员才能对整个业务流程有清晰的认识。因此当复杂的业务逻辑出现问题时，需要临时调动所有业务人员，理清业务逻辑关系，才有可能找出引起问题的原因。而若建立起整个调度自动化系统相关业务的知识图谱，就可以根据知识图谱所表达的相关业务逻辑，十分清晰地查询所有的操作和数据流，从而找出最优的控制运行策略。
4.因此，需要对各类文本形式的调控内容、运行策略等进行数字化处理，已有的相关研究主要通过采用计算机脚本语言对稳定规定规则进行逐条翻译，将形成的稳定运行控制策略计算结果，存储于 d5000 实时库，用于在线运行监控。比如在文章“基于智能分析的电网运行方式和安控策略智能编制方法和应用”中参考 c 语言定义方式，用脚本文件描述电网运行控制条件和手段内容及其之间的关联关系，以及安全自动装置动作条件和动作策略内容及其之间的关联关系；但是该方法逻辑关系不够直观、准确率不可控、脚本化录入和日常维护十分复杂，工作量巨大，同时脚本文档的形成和维护工作需要同时具备电力系统专业知识和编程技能，十分具有挑战性。知识图谱可以有效组织、管理和利用海量信息，实现智能化的知识抽取、推理、存储和检索，其特性及应用场景与电力系统的需要十分契合因此在电力系统自动化领域，针对运行控制自动化系统的相关业务逻辑，提出构建知识图谱的方法，建立自动化系统的知识图谱，便于调控策略的总结、搜索与应用，具有很高的研究价值。


技术实现要素：

5.本发明要解决的技术问题是针对上述现有技术的不足，提供面向多类型供用能系统调控运行知识图谱构建方法及装置，通过确立知识图谱模式层、构建不同的神经网络模型以实现调控运行策略数据的知识抽取并得到包含实体-属性-实体的三元组数据，并基于三元组数据构建知识图谱数据层，实现了电网调控策略文本的快速结构化提取和知识图谱构建及入库处理，节省了大量人工提取入库时间。
6.为解决上述技术问题，本发明所采取的技术方案是：一种面向多类型供用能系统调控运行知识图谱构建方法，包括以下步骤：步骤1：确定多类型供用能系统调控运行策略的运行技术指标，并依次细化，采用自顶向下的方法构建知识图谱模式层；步骤2：对调控运行策略数据进行数据预处理；步骤3：构建不同的神经网络模型以实现调控运行策略数据的知识抽取并得到包含“实体-属性-实体”的三元组数据；步骤4：将三元组数据加入知识图谱中并采用自底向上的方法构建知识图谱数据层；步骤5：将知识图谱数据层数据进行归类并与知识图谱模式层结合形成策略集，构建出完整的知识图谱并存储。
7.进一步优选，步骤1中，依据多类型供用能系统配电网实际运行状态和调控需求，确定运行技术指标为资源类型、组合方式、用户组成、运行指标；并向下细化，以完成知识图谱模式层的构建。
8.进一步优选，数据预处理包括对调控运行策略数据进行清洗、删除与补充，将调控运行策略数据按照特征指标划分为训练样本与测试样本；对调控运行策略数据进行分词，以得到调控词库，并根据调控词库，构建空间向量。
9.进一步优选，分词和构建空间向量的过程为：首先确定查询文本预处理之后所含的每一个文档，并根据文档所属领域词库，对每一个文档进行分词，将每一个文档中的每个所属的备选关键词代入所得到的分析模型中，得到每一个文档中各备选关键词对应形成的若干维度的词向量，并作为空间向量输出。
10.步骤3的过程包括：步骤3.1：基于字向量使用textcnn模型对调控运行策略数据进行文本分类；步骤3.2：使用lr-cnn模型实现对调控运行策略数据的命名实体识别；步骤3.3：运用bert-bilstm-crf模型对调控运行策略数据中的实体进行实体间关系抽取。
11.进一步优选，步骤3.2中所述命名实体识别是对调控运行策略数据文本中具有特定含义的实体进行边界确定和类别识别，根据乡村配电网中包含的实体属性与种类，使用lr-cnn模型将其中实体划分为设备名称、资源名称、投资金额、回收周期、运行地点。
12.进一步优选，所述 lr-cnn模型用cnn层对句子的字符、候选词特征进行提取，并使用注意力机制模块合并字符和候选词信息；同时引入 rethinking 机制，向每个 cnn 层添加反馈层，使用高层的字词信息来调整低层的注意力机制模块的权重。
13.进一步优选，步骤3.3所述实体间关系抽取是在命名实体识别的基础上判断实体间是否存在预定义的关系，从而构成一系列三元组知识；通过配电网运行规范与状态对实体间关系进行预定义，利用抽取后形成的关系构建知识图谱中的一系列三元组。
14.进一步优选，所述bert-bilstm-crf模型使用预训练过的 bert 模型，在bert 模型后面连接 bilstm-crf 模型，同时将 bert 模型的输出和 bilstm 层的输出进行特征串联，并对其进行微调训练，进一步提高关系抽取的准确率。
15.进一步优选，所述步骤5具体为：
步骤5.1：基于多类型供用能系统配电网资源种类及特性确定典型场景；步骤5.2：将知识图谱数据层中的调控要求整理为策略集；步骤5.3：将知识图谱数据层中的具体数据归纳为策略并放入策略集；步骤5.4：将知识图谱数据层与知识图谱模式层结合形成完整的知识图谱；步骤5.5：存储知识图谱。
16.本发明提供一种面向多类型供用能系统调控运行知识图谱构建方法的装置，包括知识图谱模式层模块、数据预处理模块、知识抽取模块、知识图谱数据层模块、策略集模块和存储模块；所述知识图谱模式层模块用于确定多类型供用能系统调控运行策略的运行技术指标，并依次细化形成知识图谱模式层；所述数据预处理模块用于对调控运行策略数据进行数据预处理；所述知识抽取模块用于构建不同的神经网络模型以实现调控运行策略数据的知识抽取并得到包含实体-属性-实体的三元组数据；所述知识图谱数据层模块将三元组数据加入知识图谱中并采用自底向上的方法构建知识图谱数据层；所述策略集模块将知识图谱数据层数据进行归类并与知识图谱模式层结合形成策略集；所述存储模块用于存储知识图谱。
17.采用上述技术方案所产生的有益效果在于：本发明基于深度学习和知识图谱领域的相关技术，通过确立知识图谱模式层、构建不同的神经网络模型以实现调控运行策略数据的知识抽取并得到包含实体-属性-实体的三元组数据，并基于三元组数据构建知识图谱数据层，实现了电网调控策略文本的快速结构化提取和知识图谱构建及入库处理，节省了大量人工提取入库时间。使用本发明的知识图谱进行调控信息检索时，不但能对相应调控策略进行快速、准确信息定位，实现检索内容推送，并且能够提供具体的操作信息 ，方便了工作人员的查找与处置，且准确性较高，克服了现有知识图谱的局限性；同时，电网调控决策知识图谱可进行多层次、多阶段决策支持信息推送，提高了数据查询检索效率。
附图说明
18.图1为本发明提供的面向多类型供用能系统调控运行知识图谱构建流程图。
19.图2为本发明提供的知识图谱模式层结构图；图3为本发明实施例提供的知识图谱数据层结构图；图4为本发明实施例提供的知识图谱应用流程结构图；图5为本发明实施例提供的实施例知识图谱展示图。
具体实施方式
20.下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
21.如图1所示，本实施例的面向多类型供用能系统调控运行知识图谱构建方法如下所述。
22.步骤1：确定多类型供用能系统调控运行策略的运行技术指标，并依次细化，采用
自顶向下的方法构建知识图谱模式层。知识图谱模式层存储概念、规则、公理和约束条件，模式层中的实体一般为电力系统中经过提炼的抽象名词，也称本体，多类型供用能系统调控运行策略下详细业务的逻辑关系复杂，实体较多，需要先抽象出本体之间的关系，然后通过实体的学习构建出最后的业务。图2为知识图谱模式层基本结构，依据多类型供用能系统配电网实际运行状态和调控需求，确定运行技术指标为资源类型、组合方式、用户组成、运行指标等并向下细化以完成知识图谱模式层的构建。资源类型细化为光伏发电、风力发电、生物质能等。组合方式细化为电网 光伏发电、电网 热电联产发电 并网上网等。用户组成细化为乡村居民、加工车间、养殖场等。运行指标细化为经济运行、稳定运行。
23.步骤2：对调控运行策略数据进行数据预处理。调控运行策略数据包括运行要求、调控预案、运行报告，为加快神经网络模型训练速度，提高神经网络模型精确度，需要对调控运行策略数据进行清洗、删除与补充，并将调控运行策略数据按照特征指标划分为训练样本与测试样本。对调控运行策略数据进行分词，以得到调控词库，并根据调控词库，构建空间向量。首先确定查询文本预处理之后所含的每一个文档，并根据文档所属领域词库，对每一个文档进行分词，将每一个文档中的每个所属的备选关键词代入所得到的分析模型中，得到每一个文档中各备选关键词对应形成的若干维度的词向量，并作为空间向量输出。
24.步骤3：构建不同的神经网络模型以实现调控运行策略数据的知识抽取并得到包含“实体-属性-实体”的三元组数据。
25.步骤3.1：基于字向量使用textcnn模型对调控运行策略数据进行文本分类。文本分类是将调控运行策略数据文本按预先定义的类别进行自动分类标记。textcnn模型将调控运行策略数据文本中的电网运行状态进行划分。
26.步骤3.2：使用lr-cnn模型实现对调控运行策略数据的命名实体识别。命名实体识别是对调控运行策略数据文本中具有特定含义的实体进行边界确定和类别识别，根据乡村配电网中包含的实体属性与种类，使用lr-cnn模型将其中实体划分为设备名称、资源名称、投资金额、回收周期、运行地点等。其中，本发明使用的lr-cnn模型用堆叠的窗口大小为2的cnn模型对句子的字符、候选词特征进行提取，并使用注意力机制模块合并字符和候选词信息。同时引入 rethinking 机制，向每个 cnn 层添加反馈层，使用高层的字词信息来调整低层的注意力机制模块的权重，降低错误候选词的权重解决候选词冲突问题。
27.步骤3.3：运用bert-bilstm-crf模型对调控运行策略数据中的实体进行实体间关系抽取。实体间关系抽取是在命名实体识别的基础上判断实体间是否存在预定义的关系，从而构成一系列三元组知识。在本发明中，通过配电网运行规范与状态对实体间关系进行预定义，利用抽取后形成的关系构建知识图谱中的一系列三元组，同时本发明使用预训练过的 bert 模型，在后面连接 bilstm-crf 模型，同时将 bert 层的输出和 bilstm 层的输出进行特征串联，并对其进行微调训练，进一步提高关系抽取的准确率。
28.步骤4：将三元组数据加入知识图谱中并采用自底向上的方法构建知识图谱数据层；图3为知识图谱数据层结构，主要包括设备状态、设备出力、运行时间、运行成本、地点等。在完成调控运行策略数据的文本分类、命名实体识别、实体间关系抽取之后，将得到的包含“实体-属性-实体”的三元组加入知识图谱数据层对应位置。
29.步骤5：将知识图谱数据层数据进行归类并与知识图谱模式层结合形成策略集，构建出完整的知识图谱并存储。
30.步骤5.1：基于多类型供用能系统配电网资源种类及特性确定典型场景。基于用户冷热电需求特征数据、可再生能源资源评估数据，将适宜的用户进行聚合形成不同类型的能源合作社，并基于多类型供用能系统配电网运行特点将部分能源合作社确定为典型场景，例如乡村生活区能源合作社、生态旅游能源合作社、生态大棚种植能源合作社等。
31.步骤5.2：将知识图谱数据层中的调控要求整理为策略集。通过对知识图谱数据层中的调控要求进行评估与判断，例如用户组合方式、资源运行季节、资源互补关系、设备运行状态等，将调控要求加入对应典型场景下形成策略集。
32.步骤5.3：将知识图谱数据层中的具体数据归纳为策略并放入策略集。过对知识图谱数据层中的具体数据，例如冷、热、电设计负荷、供能系统装机方案、全年能耗量、总投资等数据进行归纳提取并将其加入到对应策略集中，形成策略集中可辅助电网工作人员进行电力调度、参考决策的详细策略信息。
33.步骤5.4：将知识图谱数据层与知识图谱模式层结合形成完整的知识图谱。
34.确定的知识图谱模式层中的主要运行指标，将策略与策略集及对应的知识图谱数据层数据嵌入在对应的知识图谱模式层的结构中，形成完整的知识图谱。
35.步骤5.5：存储知识图谱。将构建的完整的知识图谱存储在neo4j图数据库中,neo4j是基于java语言编写的图形数据库，它采用节点和关系的形式存储信息，并在此基础上提供界面友好的可视化演示。
36.一种面向多类型供用能系统调控运行知识图谱的应用，在季节性运行触发条件下，找到知识图谱中对应内容并进行细化分解，通过逐级构建，结合已有的数据与不同的条件，继续向下生成不同典型场景并细化为对应策略集，并将知识图谱数据层数据加入对应方案集的方案中输出，生成完整的调控运行策略辅助工作人员进行决策。参照图4，具体步骤如下：步骤一：接收季节性运行触发条件并在知识图谱中定位。在多类型供用能系统配电网运行的过程中，接收到知识图谱的季节性运行触发条件指令或要求，例如夏季运行状态、冬季运行状态、节假日运行状态、临时规定等要求，电网工作人员在接到触发条件后，在知识图谱存储的neo4j图数据库中进行关键字或词检索，找到对应知识图谱所在位置，完成对季节新运行触发指令下知识图谱的定位。
37.步骤二：选择配电网运行指标。在完成定位以后，结合配电网运行状态与调控需求，继续向下选择配电网运行指标，例如经济运行、资源平抑、线路重过载、电压越限、稳定运行等指标。
38.步骤三：生成各运行指标下对应的典型场景。确定电网运行技术指标后，在相应指标下继续细化，生成对应的典型场景，如生态旅游合作社，养殖场能源合作社，农产品加工合作社等。步骤四：得到对应的策略集与调控运行策略。在生成的对应的典型场景下选择其中的典型用户，例如乡村居民、学校、零售商店、行政服务、铁塔、网络服务、生活动力设施、生活生产服务、卫生所、加工车间等，接下来对典型用户供用能特性及资源数据进行细分，得到包含用户组合方式、资源运行季节、资源互补关系、设备运行状态等信息的策略集，接着对知识图谱数据层中具体数据例如冷、热、电设计负荷、供能系统装机方案、全年能耗量、总投资等数据进行归纳提取并将其加入到对应策略集中，形成策略集中可辅助电网工作人
员进行电力调度、参考决策的详细策略信息。
39.在知识图谱应用过程中，逐步添加对应信息完成对知识图谱模式层与知识图谱数据层的更新；电力系统中的知识在不断增加和更新，知识图谱在建成后还需要动态构建和迭代更新，不断增加新的知识、删除旧的知识并相应调整知识图谱的结构。知识图谱的更新包括知识图谱数据层的更新和知识图谱模式层的更新。相对而言，知识图谱数据层更新对知识图谱的整体架构影响较小，而知识图谱模式层更新的影响较大；因此，知识图谱数据层往往可以采取自动化的更新方式，而知识图谱模式层更新则往往需要人工确认和审核。
40.对于知识图谱模式层的更新，采用专家评估的方式，根据配电网一段时间内的运行状态与未来配电网运行要求来确定模式层中需要的更新内容，同时采用增量更新的方法更新模式层，增量更新是以新增数据作为输入对知识图谱进行更新，其资源消耗较小。
41.知识图谱数据层同样采用增量更新的方法，知识图谱数据层中调控运行策略文档在每一年都会进行更新，在同一年中也会季度性更新，同时可能还有一些节假日、临时规定。在每一版本的调控运行策略文档中，存在多条规定，对于每一条规定而言，又存在多层运行方式定义，最底层的方式使用调控运行策略和策略集表来表达调控运行策略的运行范围。
42.综上，本实施例，针对多类型供用能系统配电网运行自动化程度不高，运行调控信息冗杂的问题，利用知识图谱技术对调控运行策略信息进行知识抽取、表示和管理，并用于辅助调度人员进行电网调控，可以提高决策效率与决策的生成速度，同时可以更直观的展示不同策略之间的关联关系，提升了电网应急处理能力与调度智能化水平。以电网调控运行策略预案文本为研究对象，提出了一种自顶向下和自底向上相结合的多类型供用能系统调控运行知识图谱构建方法，并解决了其中涉及的电力领域知识抽取问题。首先，自顶向下定义知识图谱的知识组织架构、概念类型、概念间关系，形成知识图谱的模式层；之后，针对电网故障处置预案文本的特性，综合使用多种深度学习模型进行知识抽取，自底向上构建知识图谱的数据层：为避免分词错误，使用基于字向量的textcnn 模型对预案文本进行分类；为解决候选词冲突问题，使用 lr-cnn 模型对电力领域的命名实体进行识别； 在命名实体识别的基础上，使用bert
‑ꢀ
bilstm-crf模型对实体间关系进行抽取。之后，通过实验验证了上述知识抽取方法的有效性。最后，对构建的知识图谱进行了可视化并对其在调控策略生成的应用进行了分析。
43.以多类型供用能系统配电网中某乡村典型场景中生态林场下应用知识图谱为例，图5为本发明实施例提供的在生态林场下应用知识图谱的示意图。
44.表1 多类型供用能系统中生某乡村生态林场经济运行场景下调控运行策略具体实施方案表
首先确定该典型场景即生态林场内的主要能源合作社类型，即养殖场能源合作社，然后将经济运行确定为在该典型场景下配电网运行的主要技术指标，通过对在该典型场景下的调控运行策略预案数据进行文本分类，实体识别，实体间关系抽取后形成相应的三元组加入到知识图谱中形成该典型场景下的知识图谱数据层，其中，主要包括合作社内总负荷和养殖场供能资源，合作社内总负荷又将细化为设备类型与负荷类别，设备类型中包括供暖设备和供冷设备，继续分别将供暖设备细分为电灯板和暖灯，将供冷设备细分为冷风机和负压风机，负荷类别继续细化得到养殖栏舍供暖、养殖栏舍供冷、办公楼供冷、办公楼供暖，养殖场供能资源被细化为沼气、地热、电力，接着将各类别下的具体数据整理并加入到知识图谱对应位置，这部分将作为知识图谱的输入部分，通过可视化展示，供电网工作人员对此养殖场能源合作社场景下的供用能信息作参考与了解。
45.接下来将调控运行策略预案数据中涉及到调控运行策略的内容进行归纳整理并将各调控运行策略整合为策略集，在生态林场经济运行条件下生成的策略集为：沼气系统 光伏系统 栏舍热泵加热制冷，策略集中的具体策略为：沼气系统增加发电余热回收装置，提高冬季沼气产量；光伏系统采用全面积铺装，自用为主，余电上网；栏舍热泵加热制冷系统为办公室采用空气源热泵。
46.最后将调控运行策略中的具体信息归纳总结为包含各资源出力与装机方案及总投资和回收周期的具体实施方案输出，此场景下生成的具体实施方案如表1所示，由此构成完整的针对生态林场下的知识图谱应用过程。
47.本发明还提供一种面向多类型供用能系统调控运行知识图谱构建方法的装置，包括知识图谱模式层模块、数据预处理模块、知识抽取模块、知识图谱数据层模块、策略集模块和存储模块；所述知识图谱模式层模块用于确定多类型供用能系统调控运行策略的运行技术指标，并依次细化形成知识图谱模式层；所述数据预处理模块用于对调控运行策略数据进行数据预处理；所述知识抽取模块用于构建不同的神经网络模型以实现调控运行策略数据的知识抽取并得到包含实体-属性-实体的三元组数据；所述知识图谱数据层模块将三元组数据加入知识图谱中并采用自底向上的方法构建知识图谱数据层；
所述策略集模块将知识图谱数据层数据进行归类并与知识图谱模式层结合形成策略集；所述存储模块用于存储知识图谱。
48.本发明提供了一种计算机存储介质，所述计算机存储介质上存储有计算机程序指令；所述计算机程序指令被处理器执行时实现面向多类型供用能系统调控运行知识图谱构建方法。
49.最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明权利要求所限定的范围。