基于知識圖譜的操作票智能擬票技術研究

蔣奇　蔣羽鵬　孫若峰　薛博水　金瑞瓊　白揚

摘要：基于變電站典型票、標準票及歷史票庫數據，結合自然語言處理技術及機器學習技術對操作票內容進行提取，獲得操作任務、操作設備、操作動作及狀態信息，構建操作票知識圖譜，基于圖搜索模式快速生成調度操作票，提高開票效率及開票的規范性、準確性。該技術能夠靈活運用于各變電站操作票系統中，通用性強，大幅度減少人工重復數據錄入及維護工作。

關鍵字：變電站;操作票;知識圖譜;智能擬票技術

0 引言

電網調度操作通過操作票形式下達，先由調度員按照調度規程，根據運行方式與經驗開出操作票，再經調度、運行方式、保護等部門校核后才能生效。操作票制度是電力系統運行管理中防止誤操作的一種有效安全措施，操作票的正確填寫、審核及執行是決定是否發生誤操作的重要因素。目前通用的操作票擬票方法主要采用在系統中存儲典型票及標準票，針對某一項調度任務，由調度人員根據經驗判斷調取典型票或標準票進行修改生成。操作票開票工作量大，工作效率低，且易受個人主觀因素影響，容易出錯，未能達到智能電網建設下調控運行效率及準確性的要求。針對目前操作票開票、審核自動化程度低等現象，研究操作票智能擬票技術，實現操作任務自動識別，自動推理生成準確規范的操作項，縮短開票時間，減輕變電站開票及審核人員工作負荷，確保電力調度的安全性。

在智能電網建設的背景下，智能擬票技術成為變電站研究的重點方向之一，并取得了一定的研究成果。文獻[1]通過研究各類接線模式下的操作設備間隔結構與接線特點，基于任務設備、設備拓撲連接關系建立間隔樹，依據狀態優先級構建設備—端—單元狀態約束，以端信息、可操作設備間隔、間隔狀態、初/終狀態和連接關系等建立五要素任務模板，自動生成操作票任務。文獻[2]建立基于五防規則及典型設備操作規則的系統知識庫，以此生成設備拓撲表，采用設備狀態推理算法結合設備操作規則構建推理機。文獻[3]研究調度操作專家系統，利用電網業務知識庫模型自動推理生成調度操作任務和調度指令。文獻[4]運用動態操作規則模板思想，根據所選定的設備自動實施安全校核工作和拓撲分析工作，自動完成操作規則推理及操作序列匹配驗證。

上述研究表明，目前的智能擬票技術重點在于研究自動推理技術，但主要采用基于規則、模板的方式，此類方式不能進行靈活調整，通用性及適用性能力存在一定欠缺，且需要大量的人工維護工作。本文研究基于知識圖譜的操作票智能擬票技術，將變電站線路作為核心節點，建立設備連接關系，以初始節點—中間節點—終止節點的完整連接路徑作為操作序列，采用基于圖搜索的方式快速生成操作票。

1 智能擬票技術實現思路

基于變電站典型票、標準票數據，利用自然語言處理技術提取出操作票文本中的操作任務、操作設備、操作動作、設備狀態等實體信息，分析總結各操作任務的差異性、操作設備的邏輯關聯關系，基于設備拓撲關系及設備狀態數據構建知識圖譜及推理機制，構建操作票生成模型，自動生成操作票。

1操作票內容分析模型

1.1 BERT模型

BERT模型基于Transformer 的雙向編碼器表征，通過大規模無標注預料訓練，從而獲得文本的語義表示。BERT模型以文本中各個字/詞的原始詞向量作為輸入，輸出是文本中各個字/詞融合了全文語義信息后的向量表示，如下圖所示：

從上圖中可以看出，BERT模型的輸入除字向量外，還包含文本向量及位置向量兩部份。文本向量用于刻畫文本的全局信息，并與單字/詞的語義信息相融合。由于出現在文本不同位置的字/詞所攜帶的語義信息存在差異，BERT模型對不同位置的字/詞分別附加一個不同的向量以作區分。最后，BERT模型將字向量、文本向量和位置向量的加和作為模型輸入。

1.2 操作票內容提取

基于BERT模型構建操作票語義分析模型，首先獲取典型票、標準票庫數據初始數據集，通過NLP數據增強方式對初始數據集進行數據增強處理，獲得基本語料。數據增強的目的是通過變換生成現有訓練樣本的變體，從而創建更多的訓練數據，這些變換往往可以反映現實世界中會發生的變化，常用的數據增強方法有：回譯、同義詞替換、隨機刪除、隨機詞序打亂集中等。再利用BERT模型對語料進行訓練，獲得文本分詞及詞性標注序列。對于文本：檢查110kv微機母線差動保護裝置 金張線ⅱ段母線側1362隔離開關位置指示正確。漢字拆分結果為：檢 查 1 1 0k v 微 機 母 線 差 動 保 護 裝 置 金 張 線 i i 段 母 線 側1 3 6 2 隔 離 開 關 位 置 指 示 正 確。對應的詞性標注序列為：b_v e_v b_ms m_ms m_ms m_ms e_msb_nr m_nr m_nr m_nr m_nr m_nr m_nr m_nr m_nr e_nr s_s b_ns m_ns e_ns b_ms e_ms b_ns e_ns s_f b_mr m_mr m_mr e_mr b_nr m_nr m_nr e_nr b_nz m_nz m_nz e_nz b_ad e_ad。其中“b”表示詞的開頭，“m”表示詞的中間，“e”表示詞的結尾，“ms”表示千伏等級，“nr”表示設備名稱，“ns”表示線路名稱，“mr”表示設備編號，“nz”表示專業術語，“s_s”表示空格，“s-f”表示方位。

2 操作票知識圖譜及推理機制

2.1 操作票知識圖譜

將經過BERT模型分詞后的語料中的詞逐一在電力專業詞典中進行檢索，檢索出操作任務、操作動作、操作設備、設備狀態等信息，并將之作為知識圖譜的實體。結合變電站不同電壓等級的接線方式，設備拓撲結構，構建操作票知識圖譜。以某地區變電站為例，將該變電站抽象圖譜表示，每個節點代表站中主要設備，設備關系之間由邊相連。下圖中每個節點代表一段母線，將每段母線上的設備（主變、斷路器等設備）與母線節點相連。母線上所連的各個分支對應連接母線的i或ii節點。

2.2 基于設備狀態的推理機制

通過對典型票、標準票內容提取，將設備狀態抽象為一個節點，始末節點分別代表始末狀態，中間的相連節點構成一條路徑，這條路徑上的節點內容具體代表每一個操作步驟。在對大量的操作票分析中發現，對于某一項操作任務，其中的某一部分操作順序可發生變換，路徑表示為一個操作票模板。在變電站設備接線圖中，i段母線和ii段母線是對稱的，從而具有相同的操作，操作內容是相似的，但母線上所連接的分支線路數量不一定相同，所以將這一組操作抽象為一個節點，視具體的母線而翻譯。

從相關接口采集實時設備狀態數據，根據調度任務明確需要操作的設備、當前設備的運行狀態，基于電網操作規程及操作經驗等規則約束，推理出操作步驟路徑。

3 圖搜索操作票自動生成模型

操作票生成模型就是通過圖搜索從知識圖譜中匹配出實體與路徑完全一致的記錄。在生成一項調度任務時，根據不同的操作票類型，A代表冷備用，B代表檢修，C代表熱備用，D代表運行，獲取對應的操作票類型，代表一組操作的節點要翻譯成一個列表，列表內元素具體的數量視情況而定要翻譯的部分用逗號分隔開。

上圖表示查詢一條由檢修轉冷備用的操作票模板，9代表要操作的設備具體是哪個。

4 結論

隨著電力系統規模的日益擴大，新設備新技術層出不窮，電網結構和運行方式日趨多元，使得各種操作票開票變得更加復雜、頻繁，變電站工作人員的工作量和工作強度與日劇增，需要做大量的日常性的重復工作。操作票的準確性是電網安全運行的基礎。目前，大多數操作票擬票方法仍采用在系統中存儲典型票/標準票，開票時進行人工調取、修改后生成，操作票開票的規范性及標準性依賴調度人員的經驗，開票效率及準確性低，安全風險高。

本文提出了基于知識圖譜的操作票智能擬票技術。利用自然語言處理技術及機器學習技術，建立算法模型，從大量的典型/標準票中提取出操作任務、操作設備、操作動作、設備狀態等實體信息，并結合電網設備接線方式，設備拓撲結構構建操作票知識圖譜。通過設備狀態信息的實時采集與推理機制，通過圖搜索快速生成智能操作票，提高開票規范性，以減輕工作人員的工作量和勞動強度，提升工作效率，提高電網調控的精益化管理水平和電網安全運行水平。

參考文獻

[1] 張東英，楊俊威，黃建陽，王衛.操作票任務自動生成通用方法[J].電力系統自動化，2018，42（24）：169-175.

[2] 譚晶，夏佾，竇昊翔，鄭銘洲.基于規則推理的智能變電站操作票自動生成方法[J].電網與清潔能源，2019，35（07）：55-65.

[3] 李治，張臻，張燁，尹天華.基于自然語言分析及專家系統的智能調度操作票系統研究與應用[J].河北電力技術，2019，38（06）：44-47.

[4] 郝方舟，羅林歡，孫奇珍.配網智能操作票生成方法研究與應用[J].無線互聯科技，2019，16（17）：123-124.

[5] 林文彬.南寧監控中心智能操作票系統的開發及應用[J].電子元器件與信息技術，2018（10）.

[6] 陸承宇，羅華峰，丁峰，劉俊宏，鮑威.基于隱馬爾可夫模型的智能站操作票內容提取技術的研究[J].能源工程，2019（02）：23-27.

[7] 曾利. 基于專家系統的智能操作票系統的研究[D].西南交通大學，2017.

[8] 董開河.基于智能變電所拓撲操作票專家系統知識表達方法綜述[J].化工管理，2015（30）：46.

[9] 曹冬梅.電力公司電網調度智能操作票系統的研究與應用[J].電氣時代，2019（02）：69-71.

[10] 于海洋. 電網調度智能操作票系統的開發[D].東北石油大學，2018.

[11] 高三山，孟文.一種基于Q-學習的智能操作票推理方法[J].中國科技論文，2018，13（02）：126-130.

[12] 楊細平. 基于網絡拓撲圖形智能操作票應用研究[D].華北電力大學（北京），2017.