1.本发明涉及电力系统
技术领域：
：，尤其涉及一种基于知识图谱的配电网设备智能问答系统构建方法及系统。
背景技术：
：：2.随着智能配电网建设的不断深入，终端设备采集的数据种类和数量不断增长，配电网采用的关系型数据库面临着并发读写性能不高、拓扑分析性能低下的问题。同时，为应对庞大的数据量，配电网建立了许多彼此隔离的信息系统，使得其面临着多源异构数据的筛选、存储和高效利用的挑战。技术实现要素：3.本发明提供了一种基于知识图谱的配电网设备智能问答系统构建方法及系统，以解决现有技术中存在的问题。4.为了实现上述目的，本发明通过如下的技术方案来实现：5.第一方面，本发明提供一种基于知识图谱的配电网设备智能问答系统构建方法，包括：6.s1：根据ieccim标准模型抽取和扩展相关子集，分别对配电网设备中的实体、关系以及标签等进行定义，构建配电网设备语义本体元模型库；7.s2：根据所述配电网设备语义本体元模型库构建画像语义实例模型，所述画像语义实例模型包含单体类设备画像模型、设备容器类画像模型和服务类画像模型，并建立知识图谱构建的模式层；8.s3：根据原始数据结合所述模式层中画像语义实例模型的画像语义实例模型进行实体学习，获得用于构建知识图谱的数据层；9.s4：以所述数据层和修改后的ieccim模型为基础，对数据进行融合，消除代表同一实体的歧义，获取配电网设备的实体和关系信息；10.s5：将所述配电网设备的实体和关系信息存入图数据库中，并根据配电网设备的实体和关系信息，在图数据库中建立关于配电网设备的全景知识图谱，同时将图谱进行可视化；11.s6：遍历所述全景知识图谱并建立相关实体的词表，从而获得配电网设备的相关信息及问答时的实体词典；12.s7：根据所述全景知识图谱和所述实体词典形成基于cim和知识图谱的配电网设备问答系统，实现对配电网设备信息的查询和问答功能。13.可选地，所述s1包括：14.将元模型库中的实体和关系分为三大模块，其中包含单体类设备画像模型、设备容器类画像模型和服务类画像模型；15.构建图谱基本元素实体和标签；16.获取图谱基本元素语义关系。17.可选地，所述s2包括：18.将导电设备划入单体类设备模型中、将设备容器划入设备容器类模型中、将服务标签作为节点划入服务类模型中，其中，导电设备是知识图谱的核心，其关系代表着知识图谱应用时的路径；设备容器在图谱中的应用是与设备的聚集关系产生联系，服务标签代表的是电力服务中导电设备和设备容器所关联的服务性指标。19.可选地，所述s3包括：20.对原始数据进行实体对齐以将同一实体的不同表达方式进行综合，使用唯一标志代表此实体；21.对原始数据进行实体填充。22.可选地，所述s4包括：23.将s3所得数据以csv的形式进行存储，其中，每个csv以所代表的实体概念或实体间关系为命名；24.将实体csv导入图数据库，并以实体的唯一标识为节点名字建立相关节点，节点种类分为三大类——单体设备、设备容器和服务类；25.将类csv导入图数据库建立类节点；26.将代表实体或类间关系的csv导入至图数据库中，将关系的首尾节点连接，并在连线上标明其关联具体关系，构建知识图谱网状结构。27.可选地，所述s5包括：28.利用对接neo4j的python库py2neo驱动知识图谱，对s4中所得的配电网设备全景知识图谱进行遍历，获取单体设备、设备容器和服务类实体的词表和图谱中所有的配电网设备信息，为问答系统提供问答时所需的实体词典和查询时所需的数据。29.可选地，所述s6包括：30.建立数据查询模块，通过数据查询模块读取类名csv获得所需类对应的实体名称table_name，而后获取实体对应的数据路径path，跟随路径寻找对应实体的csv，从中遍历行列，获得所需数据，并存放入列表list中；31.建立问题分类模块，通过问题分类模块将文本进行转化；32.设定问题模板的规则及关键词，其中，电力三元组以实体-关系-目标实体为单位，询问的对象包含三种：一是查找实体，二是查找关系，三是查找标签，并以询问对象为参考进行问题设置，分为单节点问题、双节点问题及多节点问题；33.通过在所提问题中查找问题关键词，判断所提问题是否存在于问题模板中而后获得所查询到的实体和问题类型；34.建立查询问题的解析模块，将获得的实体和问题类型以键值的形式进行存储，根据不同问题类型，利用设定的cypher语句对知识图谱进行查询，利用语义关联关系，获得实体和问题对应目标间的知识图谱路径，最终获得问题类型及cypher语句，以键值的形式存储；35.建立答案查询模块，调用s4中已构建的知识图谱，根据问题模板，对于不同类型的问题给予不同的答案模板，并将存储的答案与模板动态链接，最终获得能够动态更新答案的问题模板；36.根据数据查询模块，获得知识图谱的所有数据；根据所输入的问题，实现对问题的分类，获得实体和问题类型；分类结束后，对问题进行解析，获得cypher语句；最终根据cypher语句在知识图谱中查询最终答案；获得最终答案，并进行输出。37.可选地，所述s7中：38.所述单节点问题用于表示查询时只需要遍历一个节点的信息找到答案；39.所述双节点问题用于表示即查询时只需遍历两个节点的信息才找到答案；40.所述多节点问题用于表示查询时需遍历多个节点信息才可找到答案。41.第二方面，本技术提供一种基于知识图谱的配电网设备智能问答系统构建系统，包括：42.第一单元：用于根据ieccim标准模型抽取和扩展相关子集，分别对配电网设备中的实体、关系以及标签等进行定义，构建配电网设备语义本体元模型库；43.第二单元：用于根据所述配电网设备语义本体元模型库构建画像语义实例模型，所述画像语义实例模型包含单体类设备画像模型、设备容器类画像模型和服务类画像模型，并建立知识图谱构建的模式层；44.第三单元：用于根据原始数据结合所述模式层中画像语义实例模型的画像语义实例模型进行实体学习，获得用于构建知识图谱的数据层；45.第四单元：用于以所述数据层和修改后的ieccim模型为基础，对数据进行融合，消除代表同一实体的歧义，获取配电网设备的实体和关系信息；46.第五单元：用于将所述配电网设备的实体和关系信息存入图数据库中，并根据配电网设备的实体和关系信息，在图数据库中建立关于配电网设备的全景知识图谱，同时将图谱进行可视化；47.第六单元：用于遍历所述全景知识图谱并建立相关实体的词表，从而获得配电网设备的相关信息及问答时的实体词典；48.第七单元：用于根据所述全景知识图谱和所述实体词典形成基于cim和知识图谱的配电网设备问答系统，实现对配电网设备信息的查询和问答功能。49.第三方面，本技术提供一种基于知识图谱的配电网设备智能问答系统构建系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述方法的步骤。50.有益效果：51.本发明提供的基于知识图谱的配电网设备智能问答系统构建方法，利用抽取和扩展后的cim模型，对配电网设备进行了建模及画像，并通过图数据库进行信息存储及利用，能够快速更新数据库内容，实现对设备的精确画像和精细化管理。同时图数据库支持大数据分布式存储和并行计算，提高了信息的存储和处理效率，克服了传统管理方式所存在的并发读写性能不高、拓扑分析性能低下的问题，实现了对配电网设备信息的精细化管理，提升了设备管理质量和运行维护水平。52.在优选的实施方式中，根据实际配电线路数据，对cim模型进行子集的抽取，从而缩小了模型的规模，节省了程序内存运行的空间，提高了模型的初始化效率，使模型能够更加符合电力业务的实际需求，为创建知识图谱提供了指导，明确了实体和语义的关系。同时，该发明还拓展了cim模型的服务类标签，使得模型针对的服务更加多元化和智能化，提高了配电网设备的管理质量。53.在优选的实施方式中，cim模型涵盖了配电网设备相关的属性及业务内容，利用cim模型建立知识图谱，实现了各个信息系统间知识的融合，消除了彼此间的信息隔阂。可以挖掘配电网信息间的深层次关联关系，从而获得对配电网设备的多维度理解，提高配电网运维水平。附图说明54.图1为是本发明实施例中的一种基于知识图谱的配电网设备智能问答系统构建方法的流程图。55.图2是本发明实施例中画像模型分类图。56.图3是本发明实施例中导电设备关系图。57.图4是本发明实施例中配电网全景知识图谱可视化实例图。58.图5是本发明实施例中的一种基于知识图谱的配电网设备智能问答系统构建的模块图。具体实施方式59.下面对本发明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。60.除非另作定义，本发明中使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本发明中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。同样，“一个”或者“一”等类似词语也不表示数量限制，而是表示存在至少一个。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也相应地改变。61.请参见图1，本技术提供的一种基于知识图谱的配电网设备智能问答系统构建方法，包括：62.s1：根据ieccim标准模型抽取和扩展相关子集，分别对配电网设备中的实体、关系以及标签等进行定义，构建配电网设备语义本体元模型库；63.s2：根据配电网设备语义本体元模型库构建画像语义实例模型，画像语义实例模型包含单体类设备画像模型、设备容器类画像模型和服务类画像模型，并建立知识图谱构建的模式层；64.s3：根据原始数据结合模式层中画像语义实例模型的画像语义实例模型进行实体学习，获得用于构建知识图谱的数据层；65.s4：以数据层和修改后的ieccim模型为基础，对数据进行融合，消除代表同一实体的歧义，获取配电网设备的实体和关系信息；66.s5：将配电网设备的实体和关系信息存入图数据库中，并根据配电网设备的实体和关系信息，在图数据库中建立关于配电网设备的全景知识图谱，同时将图谱进行可视化；67.s6：遍历全景知识图谱并建立相关实体的词表，从而获得配电网设备的相关信息及问答时的实体词典；68.s7：根据全景知识图谱和实体词典形成基于cim和知识图谱的配电网设备问答系统，实现对配电网设备信息的查询和问答功能。69.上述的基于知识图谱的配电网设备智能问答系统构建方法，利用抽取和扩展后的cim模型，对配电网设备进行了建模及画像，并通过图数据库进行信息存储及利用，能够快速更新数据库内容，实现对设备的精确画像和精细化管理。同时图数据库支持大数据分布式存储和并行计算，提高了信息的存储和处理效率，克服了传统管理方式所存在的并发读写性能不高、拓扑分析性能低下的问题，实现了对配电网设备信息的精细化管理，提升了设备管理质量和运行维护水平。70.可选地，所述s1包括：71.将元模型库中的实体和关系分为三大模块，其中包含单体类设备画像模型、设备容器类画像模型和服务类画像模型；72.构建图谱基本元素实体和标签；73.获取图谱基本元素语义关系。74.在本可选的实施方式中，如图2所示，类比于cim模型中将电力系统资源划分为设备类、连接节点容器类和电压控制区域类，画像模型将元模型库中的实体和关系分为三大模块，其中包含单体类设备画像模型、设备容器类画像模型和服务类画像模型。75.获得图谱基本元素实体和标签。根据ieccim标准模型，结合配电网设备资产的实际数据及业务需求，对标准模型抽取和扩展相关子集，最终获得如表1所示的电力变压器、馈线、过载率等实体及标签。76.获得图谱基本元素语义关系。根据cim中类与类之间的关系和实际馈线上设备与设备的关系获得如图3举例所示的实体间关系图，确定了画像模型的语义关联关系。77.这样，步骤s1通过对cim模型进行修改，在尽可能不改变cim模型原有结构的前提下，获得了知识图谱画像所需的配电网设备语义本体元模型库。该步骤不仅为画像奠定了基础，同时还能为不同系统间知识交互提供了模板，消除了信息壁垒。78.表1实体及标签信息[0079][0080]可选地，所述s2包括：[0081]将导电设备划入单体类设备模型中、将设备容器划入设备容器类模型中、将服务标签作为节点划入服务类模型中，其中，导电设备是知识图谱的核心，其关系代表着知识图谱应用时的路径；设备容器在图谱中的应用是与设备的聚集关系产生联系，服务标签代表的是电力服务中导电设备和设备容器所关联的服务性指标。[0082]在本可选的实施方式中，导电设备包含如避雷器、分接头、电力变压器、各式各样的开关等独立的电力设备，彼此间的相互关系有继承、关联及聚集关系。导电设备是本知识图谱的核心，其关系代表着知识图谱应用时的路径。[0083]设备容器包含如线路、变电站、电厂等设备容器，其表示的是导电设备的综合体，彼此间也包含有继承、关联和聚集关系，但在图谱中的应用主要是与设备的聚集关系产生联系，从而挖掘设备运维问题与容器间的影响。[0084]服务标签包含如过载率、健康系数、巡检时间等评估或运维检修类指标，代表的是电力服务中导电设备和设备容器所关联的服务性指标，可用于提升配电网设备管理质量。[0085]其中，步骤s2和s1组成本体学习过程，将实体、关系和规则抽取出来，再进行匹配，从而获得模式层，用于后续数据进行实体学习使用。因为参考了cim模型，所以本体学习过程更加简易，术语、关系和概念能够都较为清晰地获取，便于与其余电力知识图谱进行模式层共享与交互。[0086]可选地，所述s3包括：[0087]对原始数据进行实体对齐以将同一实体的不同表达方式进行综合，使用唯一标志代表此实体；[0088]对原始数据进行实体填充。[0089]在本可选的实施方式中，需要说明的是，同一个实体可能由于语言不同、应用场景不同、电力业务不同而存在不同的表达方式。实体对齐就是将同一实体地不同表达方式综合起来，使用唯一标志代表此实体，从而达到精简知识图谱实体数量，提高图谱建立和检索效率地目的。确定实体后，在现有数据的基础上，为了使实体的画像更为具体，需要为实体填充更多的描述，从而让实体更好地被定义和理解。[0090]这样，步骤s3为知识图谱构建提供了数据层，为配电网设备画像提供了扎实的基础，使得图谱能够更好地描述设备的基本信息，提高了知识图谱的可靠性。[0091]可选地，所述s4包括：[0092]将s3所得数据以csv的形式进行存储，其中，每个csv以所代表的实体概念或实体间关系为命名；[0093]将实体csv导入图数据库，并以实体的唯一标识为节点名字建立相关节点，节点种类分为三大类——单体设备、设备容器和服务类；[0094]将类csv导入图数据库建立类节点；[0095]将代表实体或类间关系的csv导入至图数据库中，将关系的首尾节点连接，并在连线上标明其关联具体关系，构建知识图谱网状结构。[0096]在本可选的实施方式中，具体而言，将s3所得数据以csv的形式进行存储。每个csv以所代表的实体概念或实体间关系为命名，其内字段为经过实体学习后实体所拥有的属性信息或实体间关系的具体描述。将实体csv导入图数据库。通过neo4j的load指令，将代表实体概念的csv导入至图数据库中，并以实体的唯一标识为节点名字建立相关节点，节点种类分为三大类——单体设备、设备容器和服务类。将类csv导入图数据库。通过neo4j的load指令，将代表cim模型中类的csv导入至图数据库中，建立类节点，便于查询数据时按类多级搜索，增加知识图谱层次感，有利于大规模数据的快速应用。关系csv导入图数据库。通过neo4j的load指令，将代表实体或类间关系的csv导入至图数据库中，将关系的首尾节点连接，并在连线上标明其关联具体关系，构建知识图谱网状结构，便于挖掘配电网设备间深层次的互联关系。[0097]这样，步骤s4将配电网设备数据传入图数据库中存储，并将各个画像可视化，如图4所示，能够简单、清晰地认识配电网设备全景，使得对配电网设备的理解更加全面。[0098]可选地，所述s5包括：[0099]利用对接neo4j的python库py2neo驱动知识图谱，对s4中所得的配电网设备全景知识图谱进行遍历，获取单体设备、设备容器和服务类实体的词表和图谱中所有的配电网设备信息，为问答系统提供问答时所需的实体词典和查询时所需的数据。[0100]可选地，所述s6包括：[0101]建立数据查询模块，通过数据查询模块读取类名csv获得所需类对应的实体名称table_name，而后获取实体对应的数据路径path，跟随路径寻找对应实体的csv，从中遍历行列，获得所需数据，并存放入列表list中；[0102]建立问题分类模块，通过问题分类模块将文本进行转化；[0103]设定问题模板的规则及关键词，其中，电力三元组以实体-关系-目标实体为单位，询问的对象包含三种：一是查找实体，二是查找关系，三是查找标签，并以询问对象为参考进行问题设置，分为单节点问题、双节点问题及多节点问题；[0104]通过在所提问题中查找问题关键词，判断所提问题是否存在于问题模板中而后获得所查询到的实体和问题类型；[0105]建立查询问题的解析模块，将获得的实体和问题类型以键值的形式进行存储，根据不同问题类型，利用设定的cypher语句对知识图谱进行查询，利用语义关联关系，获得实体和问题对应目标间的知识图谱路径，最终获得问题类型及cypher语句，以键值的形式存储；[0106]建立答案查询模块，调用s4中已构建的知识图谱，根据问题模板，对于不同类型的问题给予不同的答案模板，并将存储的答案与模板动态链接，最终获得能够动态更新答案的问题模板；[0107]根据数据查询模块，获得知识图谱的所有数据；根据所输入的问题，实现对问题的分类，获得实体和问题类型；分类结束后，对问题进行解析，获得cypher语句；最终根据cypher语句在知识图谱中查询最终答案；获得最终答案，并进行输出。[0108]所述s6中：[0109]所述单节点问题用于表示查询时只需要遍历一个节点的信息找到答案；[0110]查找实体即指定标签值或指标值，获取符合条件的单体设备、设备容器的名称。例如：额定电压是220v的设备有哪些。[0111]查找标签，即指定实体，获取单体设备、设备容器的标签值。例如：避雷器1的额定电压是多少。[0112]所述双节点问题用于表示即查询时只需遍历两个节点的信息才找到答案；[0113]查找实体即通过确定实体、关系，寻找目标实体作为答案。例如：生产厂家是戴顿的电气设备有哪些。其中戴顿是实体，生产厂家是与电气设备的关系，将路径另一头的节点总结作为答案。[0114]查找关系即指定两个实体，询问其路径上的关系。例如：运行杆塔1与运行杆塔2之间的关系是什么。[0115]查找标签实际上与查找实体本质相同。例如：过载率大于25％的线路，其线路类型有哪些。本质上是定义到目标线路而后提取出线路类型这一标签。[0116]所述多节点问题用于表示查询时需遍历多个节点信息才可找到答案。[0117]例如：过载率大于25％的线路，其所属大馈线中还存在哪些线路。从实体线路出发，到所属设备容器，再到容器内设备，需遍历至少三个节点信息才可找到答案。[0118]可选地，s7包括：[0119]在前端实现多级查询。查询界面为了更精确、系统地获得数据，需实现多级查询，如导电设备-开关-保护开关-断路器等按cim类继承关系查询。故在前端设置多个下拉菜单，以导电设备、设备容器、服务类三大类为第一级，按照继承关系设置后续级别。[0120]在前端实现问答功能。问答界面利用s6-7所得的答案输出模块，实现对配电网设备信息的问答功能。界面还设有用户常见问题，为用户提供快速的问题咨询模板。同时，在获得答案后，可输出答案相关数据，以excel的形式进行保存并查看，提高了配电网信息的问答查询效率。[0121]综上，本技术首先，根据ieccim标准模型，抽取和扩展相关子集，分别对配电网设备中的实体、关系以及标签进行定义，构建配电网设备语义本体元模型库；其次，以语义本体元模型库为基础，构建包含单体类设备画像模型、设备容器类画像模型和服务类画像模型，从而建立知识图谱构建的模式层；再者，将原始数据结合模式层所定义的语义信息及关系进行实体学习，获得数据层；最后，以数据层为基础，将配电网设备信息以三元组的形式存入图数据库中，实现对数据库的查询及智能问答。本发明通过利用cim和知识图谱的天然契合度，实现了对配电网设备的画像和智能问答，从而突破了传统的关系数据库管理方式，能够更有效地挖掘配电网设备间更深层次的关联关系，帮助电力企业提升对设备的管理效率，更好地发挥配电网设备的价值。[0122]本技术还提供一种基于知识图谱的配电网设备智能问答系统构建系统，包括：[0123]第一单元：用于根据ieccim标准模型抽取和扩展相关子集，分别对配电网设备中的实体、关系以及标签等进行定义，构建配电网设备语义本体元模型库；[0124]第二单元：用于根据所述配电网设备语义本体元模型库构建画像语义实例模型，所述画像语义实例模型包含单体类设备画像模型、设备容器类画像模型和服务类画像模型，并建立知识图谱构建的模式层；[0125]第三单元：用于根据原始数据结合所述模式层中画像语义实例模型的画像语义实例模型进行实体学习，获得用于构建知识图谱的数据层；[0126]第四单元：用于以所述数据层和修改后的ieccim模型为基础，对数据进行融合，消除代表同一实体的歧义，获取配电网设备的实体和关系信息；[0127]第五单元：用于将所述配电网设备的实体和关系信息存入图数据库中，并根据配电网设备的实体和关系信息，在图数据库中建立关于配电网设备的全景知识图谱，同时将图谱进行可视化；[0128]第六单元：用于遍历所述全景知识图谱并建立相关实体的词表，从而获得配电网设备的相关信息及问答时的实体词典；[0129]第七单元：用于根据所述全景知识图谱和所述实体词典形成基于cim和知识图谱的配电网设备问答系统，实现对配电网设备信息的查询和问答功能。[0130]上述的基于知识图谱的配电网设备智能问答系统构建系统可以实现上述基于知识图谱的配电网设备智能问答系统构建方法的各个实施例，且能达到相同的有益效果，此处，不做赘述。[0131]作为可变换的实施方式，如图5所示，上述的系统还可以划分为包括：模式层建立模块100，知识图谱建立模块200，数据查询模块300，问题分类模块400，问题解析模块500，答案查询模块600，答案输出模块700，自动问答模块800。[0132]所述的模式层建立模块100，用于修改cim模型，抽取配电网设备知识中的实体及语义关系，建立画像模型，为实体学习提供基础。[0133]所述的知识图谱建立模块200，用于实体学习，将原始数据进行整合及抽取，并存储于图数据库中，实现配电网设备全景知识图谱画像。[0134]所述的数据查询模块300，用于遍历配电网设备知识图谱，提取出所需信息及关系，实现知识图谱数据查询，为后续应用提供数据。[0135]所述的问题分类模块400，用于分解问题，进行文本转化，识别问题中的实体和关键词，确定问题的类别，从而为问题的解析提供实现遥控遥调类业务流量的异常检测。[0136]所述的问题解析模块500，用于获取问题类别，根据不同类别编写cypher查询语句，为知识图谱信息查询提供检索条件。[0137]所述的答案查询模块600，用于遍历知识图谱，获取问题所对应的答案，并根据不同问题类别建立不同模板，实现动态给予问题答案。[0138]所述的答案输出模块700，综合上述模块，用于输出最终答案，实现自动问答。[0139]所述的自动问答模块800，用于实现多级查询和自动问答，可针对性获取配电网设备信息，实现配电网设备精细化管理并提高管理质量。[0140]本技术实施例还提供一种基于知识图谱的配电网设备智能问答系统构建系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。上述的基于知识图谱的配电网设备智能问答系统构建系统可以实现上述基于知识图谱的配电网设备智能问答系统构建方法的各个实施例，且能达到相同的有益效果，此处，不做赘述。[0141]以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思做出诸多修改和变化。因此，凡本
技术领域：
：中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。当前第1页12当前第1页12
技术领域：
：，尤其涉及一种基于知识图谱的配电网设备智能问答系统构建方法及系统。
背景技术：
：：2.随着智能配电网建设的不断深入，终端设备采集的数据种类和数量不断增长，配电网采用的关系型数据库面临着并发读写性能不高、拓扑分析性能低下的问题。同时，为应对庞大的数据量，配电网建立了许多彼此隔离的信息系统，使得其面临着多源异构数据的筛选、存储和高效利用的挑战。技术实现要素：3.本发明提供了一种基于知识图谱的配电网设备智能问答系统构建方法及系统，以解决现有技术中存在的问题。4.为了实现上述目的，本发明通过如下的技术方案来实现：5.第一方面，本发明提供一种基于知识图谱的配电网设备智能问答系统构建方法，包括：6.s1：根据ieccim标准模型抽取和扩展相关子集，分别对配电网设备中的实体、关系以及标签等进行定义，构建配电网设备语义本体元模型库；7.s2：根据所述配电网设备语义本体元模型库构建画像语义实例模型，所述画像语义实例模型包含单体类设备画像模型、设备容器类画像模型和服务类画像模型，并建立知识图谱构建的模式层；8.s3：根据原始数据结合所述模式层中画像语义实例模型的画像语义实例模型进行实体学习，获得用于构建知识图谱的数据层；9.s4：以所述数据层和修改后的ieccim模型为基础，对数据进行融合，消除代表同一实体的歧义，获取配电网设备的实体和关系信息；10.s5：将所述配电网设备的实体和关系信息存入图数据库中，并根据配电网设备的实体和关系信息，在图数据库中建立关于配电网设备的全景知识图谱，同时将图谱进行可视化；11.s6：遍历所述全景知识图谱并建立相关实体的词表，从而获得配电网设备的相关信息及问答时的实体词典；12.s7：根据所述全景知识图谱和所述实体词典形成基于cim和知识图谱的配电网设备问答系统，实现对配电网设备信息的查询和问答功能。13.可选地，所述s1包括：14.将元模型库中的实体和关系分为三大模块，其中包含单体类设备画像模型、设备容器类画像模型和服务类画像模型；15.构建图谱基本元素实体和标签；16.获取图谱基本元素语义关系。17.可选地，所述s2包括：18.将导电设备划入单体类设备模型中、将设备容器划入设备容器类模型中、将服务标签作为节点划入服务类模型中，其中，导电设备是知识图谱的核心，其关系代表着知识图谱应用时的路径；设备容器在图谱中的应用是与设备的聚集关系产生联系，服务标签代表的是电力服务中导电设备和设备容器所关联的服务性指标。19.可选地，所述s3包括：20.对原始数据进行实体对齐以将同一实体的不同表达方式进行综合，使用唯一标志代表此实体；21.对原始数据进行实体填充。22.可选地，所述s4包括：23.将s3所得数据以csv的形式进行存储，其中，每个csv以所代表的实体概念或实体间关系为命名；24.将实体csv导入图数据库，并以实体的唯一标识为节点名字建立相关节点，节点种类分为三大类——单体设备、设备容器和服务类；25.将类csv导入图数据库建立类节点；26.将代表实体或类间关系的csv导入至图数据库中，将关系的首尾节点连接，并在连线上标明其关联具体关系，构建知识图谱网状结构。27.可选地，所述s5包括：28.利用对接neo4j的python库py2neo驱动知识图谱，对s4中所得的配电网设备全景知识图谱进行遍历，获取单体设备、设备容器和服务类实体的词表和图谱中所有的配电网设备信息，为问答系统提供问答时所需的实体词典和查询时所需的数据。29.可选地，所述s6包括：30.建立数据查询模块，通过数据查询模块读取类名csv获得所需类对应的实体名称table_name，而后获取实体对应的数据路径path，跟随路径寻找对应实体的csv，从中遍历行列，获得所需数据，并存放入列表list中；31.建立问题分类模块，通过问题分类模块将文本进行转化；32.设定问题模板的规则及关键词，其中，电力三元组以实体-关系-目标实体为单位，询问的对象包含三种：一是查找实体，二是查找关系，三是查找标签，并以询问对象为参考进行问题设置，分为单节点问题、双节点问题及多节点问题；33.通过在所提问题中查找问题关键词，判断所提问题是否存在于问题模板中而后获得所查询到的实体和问题类型；34.建立查询问题的解析模块，将获得的实体和问题类型以键值的形式进行存储，根据不同问题类型，利用设定的cypher语句对知识图谱进行查询，利用语义关联关系，获得实体和问题对应目标间的知识图谱路径，最终获得问题类型及cypher语句，以键值的形式存储；35.建立答案查询模块，调用s4中已构建的知识图谱，根据问题模板，对于不同类型的问题给予不同的答案模板，并将存储的答案与模板动态链接，最终获得能够动态更新答案的问题模板；36.根据数据查询模块，获得知识图谱的所有数据；根据所输入的问题，实现对问题的分类，获得实体和问题类型；分类结束后，对问题进行解析，获得cypher语句；最终根据cypher语句在知识图谱中查询最终答案；获得最终答案，并进行输出。37.可选地，所述s7中：38.所述单节点问题用于表示查询时只需要遍历一个节点的信息找到答案；39.所述双节点问题用于表示即查询时只需遍历两个节点的信息才找到答案；40.所述多节点问题用于表示查询时需遍历多个节点信息才可找到答案。41.第二方面，本技术提供一种基于知识图谱的配电网设备智能问答系统构建系统，包括：42.第一单元：用于根据ieccim标准模型抽取和扩展相关子集，分别对配电网设备中的实体、关系以及标签等进行定义，构建配电网设备语义本体元模型库；43.第二单元：用于根据所述配电网设备语义本体元模型库构建画像语义实例模型，所述画像语义实例模型包含单体类设备画像模型、设备容器类画像模型和服务类画像模型，并建立知识图谱构建的模式层；44.第三单元：用于根据原始数据结合所述模式层中画像语义实例模型的画像语义实例模型进行实体学习，获得用于构建知识图谱的数据层；45.第四单元：用于以所述数据层和修改后的ieccim模型为基础，对数据进行融合，消除代表同一实体的歧义，获取配电网设备的实体和关系信息；46.第五单元：用于将所述配电网设备的实体和关系信息存入图数据库中，并根据配电网设备的实体和关系信息，在图数据库中建立关于配电网设备的全景知识图谱，同时将图谱进行可视化；47.第六单元：用于遍历所述全景知识图谱并建立相关实体的词表，从而获得配电网设备的相关信息及问答时的实体词典；48.第七单元：用于根据所述全景知识图谱和所述实体词典形成基于cim和知识图谱的配电网设备问答系统，实现对配电网设备信息的查询和问答功能。49.第三方面，本技术提供一种基于知识图谱的配电网设备智能问答系统构建系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述方法的步骤。50.有益效果：51.本发明提供的基于知识图谱的配电网设备智能问答系统构建方法，利用抽取和扩展后的cim模型，对配电网设备进行了建模及画像，并通过图数据库进行信息存储及利用，能够快速更新数据库内容，实现对设备的精确画像和精细化管理。同时图数据库支持大数据分布式存储和并行计算，提高了信息的存储和处理效率，克服了传统管理方式所存在的并发读写性能不高、拓扑分析性能低下的问题，实现了对配电网设备信息的精细化管理，提升了设备管理质量和运行维护水平。52.在优选的实施方式中，根据实际配电线路数据，对cim模型进行子集的抽取，从而缩小了模型的规模，节省了程序内存运行的空间，提高了模型的初始化效率，使模型能够更加符合电力业务的实际需求，为创建知识图谱提供了指导，明确了实体和语义的关系。同时，该发明还拓展了cim模型的服务类标签，使得模型针对的服务更加多元化和智能化，提高了配电网设备的管理质量。53.在优选的实施方式中，cim模型涵盖了配电网设备相关的属性及业务内容，利用cim模型建立知识图谱，实现了各个信息系统间知识的融合，消除了彼此间的信息隔阂。可以挖掘配电网信息间的深层次关联关系，从而获得对配电网设备的多维度理解，提高配电网运维水平。附图说明54.图1为是本发明实施例中的一种基于知识图谱的配电网设备智能问答系统构建方法的流程图。55.图2是本发明实施例中画像模型分类图。56.图3是本发明实施例中导电设备关系图。57.图4是本发明实施例中配电网全景知识图谱可视化实例图。58.图5是本发明实施例中的一种基于知识图谱的配电网设备智能问答系统构建的模块图。具体实施方式59.下面对本发明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。60.除非另作定义，本发明中使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本发明中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。同样，“一个”或者“一”等类似词语也不表示数量限制，而是表示存在至少一个。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也相应地改变。61.请参见图1，本技术提供的一种基于知识图谱的配电网设备智能问答系统构建方法，包括：62.s1：根据ieccim标准模型抽取和扩展相关子集，分别对配电网设备中的实体、关系以及标签等进行定义，构建配电网设备语义本体元模型库；63.s2：根据配电网设备语义本体元模型库构建画像语义实例模型，画像语义实例模型包含单体类设备画像模型、设备容器类画像模型和服务类画像模型，并建立知识图谱构建的模式层；64.s3：根据原始数据结合模式层中画像语义实例模型的画像语义实例模型进行实体学习，获得用于构建知识图谱的数据层；65.s4：以数据层和修改后的ieccim模型为基础，对数据进行融合，消除代表同一实体的歧义，获取配电网设备的实体和关系信息；66.s5：将配电网设备的实体和关系信息存入图数据库中，并根据配电网设备的实体和关系信息，在图数据库中建立关于配电网设备的全景知识图谱，同时将图谱进行可视化；67.s6：遍历全景知识图谱并建立相关实体的词表，从而获得配电网设备的相关信息及问答时的实体词典；68.s7：根据全景知识图谱和实体词典形成基于cim和知识图谱的配电网设备问答系统，实现对配电网设备信息的查询和问答功能。69.上述的基于知识图谱的配电网设备智能问答系统构建方法，利用抽取和扩展后的cim模型，对配电网设备进行了建模及画像，并通过图数据库进行信息存储及利用，能够快速更新数据库内容，实现对设备的精确画像和精细化管理。同时图数据库支持大数据分布式存储和并行计算，提高了信息的存储和处理效率，克服了传统管理方式所存在的并发读写性能不高、拓扑分析性能低下的问题，实现了对配电网设备信息的精细化管理，提升了设备管理质量和运行维护水平。70.可选地，所述s1包括：71.将元模型库中的实体和关系分为三大模块，其中包含单体类设备画像模型、设备容器类画像模型和服务类画像模型；72.构建图谱基本元素实体和标签；73.获取图谱基本元素语义关系。74.在本可选的实施方式中，如图2所示，类比于cim模型中将电力系统资源划分为设备类、连接节点容器类和电压控制区域类，画像模型将元模型库中的实体和关系分为三大模块，其中包含单体类设备画像模型、设备容器类画像模型和服务类画像模型。75.获得图谱基本元素实体和标签。根据ieccim标准模型，结合配电网设备资产的实际数据及业务需求，对标准模型抽取和扩展相关子集，最终获得如表1所示的电力变压器、馈线、过载率等实体及标签。76.获得图谱基本元素语义关系。根据cim中类与类之间的关系和实际馈线上设备与设备的关系获得如图3举例所示的实体间关系图，确定了画像模型的语义关联关系。77.这样，步骤s1通过对cim模型进行修改，在尽可能不改变cim模型原有结构的前提下，获得了知识图谱画像所需的配电网设备语义本体元模型库。该步骤不仅为画像奠定了基础，同时还能为不同系统间知识交互提供了模板，消除了信息壁垒。78.表1实体及标签信息[0079][0080]可选地，所述s2包括：[0081]将导电设备划入单体类设备模型中、将设备容器划入设备容器类模型中、将服务标签作为节点划入服务类模型中，其中，导电设备是知识图谱的核心，其关系代表着知识图谱应用时的路径；设备容器在图谱中的应用是与设备的聚集关系产生联系，服务标签代表的是电力服务中导电设备和设备容器所关联的服务性指标。[0082]在本可选的实施方式中，导电设备包含如避雷器、分接头、电力变压器、各式各样的开关等独立的电力设备，彼此间的相互关系有继承、关联及聚集关系。导电设备是本知识图谱的核心，其关系代表着知识图谱应用时的路径。[0083]设备容器包含如线路、变电站、电厂等设备容器，其表示的是导电设备的综合体，彼此间也包含有继承、关联和聚集关系，但在图谱中的应用主要是与设备的聚集关系产生联系，从而挖掘设备运维问题与容器间的影响。[0084]服务标签包含如过载率、健康系数、巡检时间等评估或运维检修类指标，代表的是电力服务中导电设备和设备容器所关联的服务性指标，可用于提升配电网设备管理质量。[0085]其中，步骤s2和s1组成本体学习过程，将实体、关系和规则抽取出来，再进行匹配，从而获得模式层，用于后续数据进行实体学习使用。因为参考了cim模型，所以本体学习过程更加简易，术语、关系和概念能够都较为清晰地获取，便于与其余电力知识图谱进行模式层共享与交互。[0086]可选地，所述s3包括：[0087]对原始数据进行实体对齐以将同一实体的不同表达方式进行综合，使用唯一标志代表此实体；[0088]对原始数据进行实体填充。[0089]在本可选的实施方式中，需要说明的是，同一个实体可能由于语言不同、应用场景不同、电力业务不同而存在不同的表达方式。实体对齐就是将同一实体地不同表达方式综合起来，使用唯一标志代表此实体，从而达到精简知识图谱实体数量，提高图谱建立和检索效率地目的。确定实体后，在现有数据的基础上，为了使实体的画像更为具体，需要为实体填充更多的描述，从而让实体更好地被定义和理解。[0090]这样，步骤s3为知识图谱构建提供了数据层，为配电网设备画像提供了扎实的基础，使得图谱能够更好地描述设备的基本信息，提高了知识图谱的可靠性。[0091]可选地，所述s4包括：[0092]将s3所得数据以csv的形式进行存储，其中，每个csv以所代表的实体概念或实体间关系为命名；[0093]将实体csv导入图数据库，并以实体的唯一标识为节点名字建立相关节点，节点种类分为三大类——单体设备、设备容器和服务类；[0094]将类csv导入图数据库建立类节点；[0095]将代表实体或类间关系的csv导入至图数据库中，将关系的首尾节点连接，并在连线上标明其关联具体关系，构建知识图谱网状结构。[0096]在本可选的实施方式中，具体而言，将s3所得数据以csv的形式进行存储。每个csv以所代表的实体概念或实体间关系为命名，其内字段为经过实体学习后实体所拥有的属性信息或实体间关系的具体描述。将实体csv导入图数据库。通过neo4j的load指令，将代表实体概念的csv导入至图数据库中，并以实体的唯一标识为节点名字建立相关节点，节点种类分为三大类——单体设备、设备容器和服务类。将类csv导入图数据库。通过neo4j的load指令，将代表cim模型中类的csv导入至图数据库中，建立类节点，便于查询数据时按类多级搜索，增加知识图谱层次感，有利于大规模数据的快速应用。关系csv导入图数据库。通过neo4j的load指令，将代表实体或类间关系的csv导入至图数据库中，将关系的首尾节点连接，并在连线上标明其关联具体关系，构建知识图谱网状结构，便于挖掘配电网设备间深层次的互联关系。[0097]这样，步骤s4将配电网设备数据传入图数据库中存储，并将各个画像可视化，如图4所示，能够简单、清晰地认识配电网设备全景，使得对配电网设备的理解更加全面。[0098]可选地，所述s5包括：[0099]利用对接neo4j的python库py2neo驱动知识图谱，对s4中所得的配电网设备全景知识图谱进行遍历，获取单体设备、设备容器和服务类实体的词表和图谱中所有的配电网设备信息，为问答系统提供问答时所需的实体词典和查询时所需的数据。[0100]可选地，所述s6包括：[0101]建立数据查询模块，通过数据查询模块读取类名csv获得所需类对应的实体名称table_name，而后获取实体对应的数据路径path，跟随路径寻找对应实体的csv，从中遍历行列，获得所需数据，并存放入列表list中；[0102]建立问题分类模块，通过问题分类模块将文本进行转化；[0103]设定问题模板的规则及关键词，其中，电力三元组以实体-关系-目标实体为单位，询问的对象包含三种：一是查找实体，二是查找关系，三是查找标签，并以询问对象为参考进行问题设置，分为单节点问题、双节点问题及多节点问题；[0104]通过在所提问题中查找问题关键词，判断所提问题是否存在于问题模板中而后获得所查询到的实体和问题类型；[0105]建立查询问题的解析模块，将获得的实体和问题类型以键值的形式进行存储，根据不同问题类型，利用设定的cypher语句对知识图谱进行查询，利用语义关联关系，获得实体和问题对应目标间的知识图谱路径，最终获得问题类型及cypher语句，以键值的形式存储；[0106]建立答案查询模块，调用s4中已构建的知识图谱，根据问题模板，对于不同类型的问题给予不同的答案模板，并将存储的答案与模板动态链接，最终获得能够动态更新答案的问题模板；[0107]根据数据查询模块，获得知识图谱的所有数据；根据所输入的问题，实现对问题的分类，获得实体和问题类型；分类结束后，对问题进行解析，获得cypher语句；最终根据cypher语句在知识图谱中查询最终答案；获得最终答案，并进行输出。[0108]所述s6中：[0109]所述单节点问题用于表示查询时只需要遍历一个节点的信息找到答案；[0110]查找实体即指定标签值或指标值，获取符合条件的单体设备、设备容器的名称。例如：额定电压是220v的设备有哪些。[0111]查找标签，即指定实体，获取单体设备、设备容器的标签值。例如：避雷器1的额定电压是多少。[0112]所述双节点问题用于表示即查询时只需遍历两个节点的信息才找到答案；[0113]查找实体即通过确定实体、关系，寻找目标实体作为答案。例如：生产厂家是戴顿的电气设备有哪些。其中戴顿是实体，生产厂家是与电气设备的关系，将路径另一头的节点总结作为答案。[0114]查找关系即指定两个实体，询问其路径上的关系。例如：运行杆塔1与运行杆塔2之间的关系是什么。[0115]查找标签实际上与查找实体本质相同。例如：过载率大于25％的线路，其线路类型有哪些。本质上是定义到目标线路而后提取出线路类型这一标签。[0116]所述多节点问题用于表示查询时需遍历多个节点信息才可找到答案。[0117]例如：过载率大于25％的线路，其所属大馈线中还存在哪些线路。从实体线路出发，到所属设备容器，再到容器内设备，需遍历至少三个节点信息才可找到答案。[0118]可选地，s7包括：[0119]在前端实现多级查询。查询界面为了更精确、系统地获得数据，需实现多级查询，如导电设备-开关-保护开关-断路器等按cim类继承关系查询。故在前端设置多个下拉菜单，以导电设备、设备容器、服务类三大类为第一级，按照继承关系设置后续级别。[0120]在前端实现问答功能。问答界面利用s6-7所得的答案输出模块，实现对配电网设备信息的问答功能。界面还设有用户常见问题，为用户提供快速的问题咨询模板。同时，在获得答案后，可输出答案相关数据，以excel的形式进行保存并查看，提高了配电网信息的问答查询效率。[0121]综上，本技术首先，根据ieccim标准模型，抽取和扩展相关子集，分别对配电网设备中的实体、关系以及标签进行定义，构建配电网设备语义本体元模型库；其次，以语义本体元模型库为基础，构建包含单体类设备画像模型、设备容器类画像模型和服务类画像模型，从而建立知识图谱构建的模式层；再者，将原始数据结合模式层所定义的语义信息及关系进行实体学习，获得数据层；最后，以数据层为基础，将配电网设备信息以三元组的形式存入图数据库中，实现对数据库的查询及智能问答。本发明通过利用cim和知识图谱的天然契合度，实现了对配电网设备的画像和智能问答，从而突破了传统的关系数据库管理方式，能够更有效地挖掘配电网设备间更深层次的关联关系，帮助电力企业提升对设备的管理效率，更好地发挥配电网设备的价值。[0122]本技术还提供一种基于知识图谱的配电网设备智能问答系统构建系统，包括：[0123]第一单元：用于根据ieccim标准模型抽取和扩展相关子集，分别对配电网设备中的实体、关系以及标签等进行定义，构建配电网设备语义本体元模型库；[0124]第二单元：用于根据所述配电网设备语义本体元模型库构建画像语义实例模型，所述画像语义实例模型包含单体类设备画像模型、设备容器类画像模型和服务类画像模型，并建立知识图谱构建的模式层；[0125]第三单元：用于根据原始数据结合所述模式层中画像语义实例模型的画像语义实例模型进行实体学习，获得用于构建知识图谱的数据层；[0126]第四单元：用于以所述数据层和修改后的ieccim模型为基础，对数据进行融合，消除代表同一实体的歧义，获取配电网设备的实体和关系信息；[0127]第五单元：用于将所述配电网设备的实体和关系信息存入图数据库中，并根据配电网设备的实体和关系信息，在图数据库中建立关于配电网设备的全景知识图谱，同时将图谱进行可视化；[0128]第六单元：用于遍历所述全景知识图谱并建立相关实体的词表，从而获得配电网设备的相关信息及问答时的实体词典；[0129]第七单元：用于根据所述全景知识图谱和所述实体词典形成基于cim和知识图谱的配电网设备问答系统，实现对配电网设备信息的查询和问答功能。[0130]上述的基于知识图谱的配电网设备智能问答系统构建系统可以实现上述基于知识图谱的配电网设备智能问答系统构建方法的各个实施例，且能达到相同的有益效果，此处，不做赘述。[0131]作为可变换的实施方式，如图5所示，上述的系统还可以划分为包括：模式层建立模块100，知识图谱建立模块200，数据查询模块300，问题分类模块400，问题解析模块500，答案查询模块600，答案输出模块700，自动问答模块800。[0132]所述的模式层建立模块100，用于修改cim模型，抽取配电网设备知识中的实体及语义关系，建立画像模型，为实体学习提供基础。[0133]所述的知识图谱建立模块200，用于实体学习，将原始数据进行整合及抽取，并存储于图数据库中，实现配电网设备全景知识图谱画像。[0134]所述的数据查询模块300，用于遍历配电网设备知识图谱，提取出所需信息及关系，实现知识图谱数据查询，为后续应用提供数据。[0135]所述的问题分类模块400，用于分解问题，进行文本转化，识别问题中的实体和关键词，确定问题的类别，从而为问题的解析提供实现遥控遥调类业务流量的异常检测。[0136]所述的问题解析模块500，用于获取问题类别，根据不同类别编写cypher查询语句，为知识图谱信息查询提供检索条件。[0137]所述的答案查询模块600，用于遍历知识图谱，获取问题所对应的答案，并根据不同问题类别建立不同模板，实现动态给予问题答案。[0138]所述的答案输出模块700，综合上述模块，用于输出最终答案，实现自动问答。[0139]所述的自动问答模块800，用于实现多级查询和自动问答，可针对性获取配电网设备信息，实现配电网设备精细化管理并提高管理质量。[0140]本技术实施例还提供一种基于知识图谱的配电网设备智能问答系统构建系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。上述的基于知识图谱的配电网设备智能问答系统构建系统可以实现上述基于知识图谱的配电网设备智能问答系统构建方法的各个实施例，且能达到相同的有益效果，此处，不做赘述。[0141]以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思做出诸多修改和变化。因此，凡本
技术领域：
：中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。当前第1页12当前第1页12
再多了解一些
本文用于创业者技术爱好者查询，仅供学习研究，如用于商业用途，请联系技术所有人。
