面向配电网故障处置的知识图谱研究与应用

摘要：

知识图谱将配电网现有大量半结构化/非结构化文本数据关联,提高配电网故障处置效率,但配电网多源异构文本数据难以用于深度学习模型训练且电力领域文本数据的标注成本较高.该文采用预训练方法构建深度学习模型对故障处置数据进行命名实体识别,利用知识图谱技术对数据进行知识存储和应用,辅助调控人员进行故障处置决策.首先,以配网设备台账数据、故障处置数据、调度规程数据及配网缺陷库数据为对象,提出配电网故障处置知识图谱的构建框架和方法;然后,针对配电网可用于深度学习训练的数据量不足的问题,采用预训练方法构建了实体识别模型,实现了配电网领域非结构化知识的抽取;接着,设计实验证明了该文所构建模型的有效性,模型的F1值达到86.3％,准确率达到95.16％;最后,利用Neo4j图数据库对知识图谱进行高度可视化管理,并给出配电网故障处置知识图谱的应用流程,有效提高配电网调控人员故障处置决策效率和处置效果.

关键词：配电网、深度学习、故障处置、知识图谱、知识抽取、预训练

所属期刊栏目：46

分类号：TM721(输配电工程、电力网及电力系统)

资助基金：国家电网有限公司总部科技项目5400-202128154A-0-0-00

在线出版日期：2022-11-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：3739-3748