李世明

廣東電網(wǎng)有限責任公司 電力調(diào)度控制中心，廣東 廣州 510000

電力作為我國國民經(jīng)濟基礎的重要基礎行業(yè)，其對自身的運行數(shù)據(jù)進行挖掘尤為重要。在電力大數(shù)據(jù)時代的今天，我國電網(wǎng)每天都會產(chǎn)生海量的電力數(shù)據(jù)，但目前對這些數(shù)據(jù)的挖掘和使用卻十分有限，難以高效地輔助調(diào)度人員進行決策[1?2]。

目前知識圖譜在國內(nèi)雖然有一些應用（如百度、搜狗等搜索引擎），但是在針對電力調(diào)度領域的相關研究還非常少[3]。本文旨在搭建一個電網(wǎng)調(diào)度領域的搜索引擎，方便調(diào)度人員進行專業(yè)的知識檢索，從而提高其工作效率。

1 電力系統(tǒng)中數(shù)據(jù)類型與特點

電力系統(tǒng)在工作時每天會產(chǎn)生海量數(shù)據(jù)，這些數(shù)據(jù)包括系統(tǒng)運行時產(chǎn)生的各種信息，也包括各種工作計劃、活動記錄等。這些數(shù)據(jù)按照數(shù)據(jù)規(guī)范由低到高可分為結構化數(shù)據(jù)、半結構化數(shù)據(jù)以及非結構化數(shù)據(jù)。典型的數(shù)據(jù)類型如表1 所示。

表1 電力系統(tǒng)中數(shù)據(jù)分類

從表1 中可以看出，電力系統(tǒng)中的數(shù)據(jù)的來源較多，數(shù)據(jù)結構化程度較高，但數(shù)據(jù)相互之間的關聯(lián)性較低[4]。因此需要通過知識圖譜將電力系統(tǒng)中的各種不同的數(shù)據(jù)進行分析歸類，從中提取業(yè)務知識并建立電力業(yè)務間的知識關聯(lián)，最終實現(xiàn)用自然語言來實現(xiàn)對電網(wǎng)進行描述[5]。

2 知識的抽取與融合

構建知識圖譜需要有4 個步驟，分別是知識抽取、知識融合、知識存儲和知識圖譜搭建。構建步驟如圖1 所示。

圖1 構建知識圖譜的步驟

4 個步驟中首先是知識抽取，其最主要的目的是將數(shù)據(jù)源中的所有數(shù)據(jù)加工為知識三元組，為后期的數(shù)據(jù)綜合利用、最終構成結構化知識打下基礎。采用的知識抽取過程如圖2 所示。

圖2 電力知識抽取流程

其中關鍵步驟為從已有的電力系統(tǒng)知識庫以及互聯(lián)網(wǎng)中搜索到的電力系統(tǒng)知識作為訓練集合，使用訓練集合對神經(jīng)網(wǎng)絡模型進行訓練，最后對模型的精準率進行驗證。

2.1 實體的抽取

采用長短期記憶網(wǎng)絡+條件隨機場(long shortterm memory+conditional random field，LSTM+CRF)

經(jīng)網(wǎng)絡模型進行實體抽取，模型分為3 層，分別為詞嵌層（word embedding）、長短期記憶網(wǎng)絡（long short-term memory， LTSM） 層和條件隨機場（conditional random field，CRF）層。其結構模型如圖3 所示。詞嵌層作為模型的輸入層，主要功能是將句子中的單詞依據(jù)特定規(guī)則進行映射，最后將一個句子變?yōu)樵~向量和字向量。LTSM 是循環(huán)神經(jīng)網(wǎng)絡(recurrent neural network，RNN)的一種變體，在神經(jīng)網(wǎng)絡的訓練過程中，其能夠將以前的信息連接到當前任務中，有效地避免了RNN 在循環(huán)過程中產(chǎn)生的梯度爆炸與消失的問題[6]。CRF 層的主要目的是對LTSM 層的訓練結果，通過已設定約束條件對其進行篩選，提高識別準確度。

圖3 LSTM + CRF 模型

2.2 關系的抽取

脈沖耦合神經(jīng)網(wǎng)絡（pulse coupled neural network，PCNN）模型非常適合于處理自然語言和文本分析、分類等工作[7]，適用于知識抽取中的關系抽取。其主要思想是按照自然語句中實體的數(shù)量對其進行分段，然后分析每段之間實體的距離與位置之間的關系特征，最終得到實體之間的關系。PCNN 的神經(jīng)網(wǎng)絡結構如圖4 所示。

圖4 PCNN 神經(jīng)網(wǎng)絡結構

神經(jīng)網(wǎng)絡的第1 層是向量表達層，在該層中，1 個自然語言的句子會按照句子之中的主體（句中關鍵詞，比如電流、電壓、頻率等）進行分段，對句子中的每個詞與主體的距離進行編碼，得到位置特征，將文本特征與位置特征進行拼接，從而形成向量。第2 層是卷積層，對上述向量進行卷積計算提取特征。再經(jīng)過第3 層最大化池化層與第4 層soft max 分類，最終得到主體之間的關系。

3 電力系統(tǒng)知識圖譜的搭建

3.1 Neoj4 圖數(shù)據(jù)庫

知識的存儲有2 種方式，一種是利用常規(guī)的關系型數(shù)據(jù)庫如SQL Server 或Oracle 進行存儲，另一種是利用圖數(shù)據(jù)模型進行存儲。但由于知識圖譜數(shù)據(jù)的特點，將知識作為數(shù)據(jù)存放在常規(guī)數(shù)據(jù)庫中會導致數(shù)據(jù)庫的規(guī)模變得很大，并且對數(shù)據(jù)的操作和查詢都會變得非常困難[8?9]。因此一般采用圖數(shù)據(jù)庫來存放知識，如NoSQL 數(shù)據(jù)庫，它是一種用圖的關系來描述數(shù)據(jù)之間關系的數(shù)據(jù)庫。在該數(shù)據(jù)庫中，節(jié)點代表實體，邊代表關系或者屬性。Neoj4 是一種較成熟的圖數(shù)據(jù)庫，其具有可擴展性強、數(shù)據(jù)處理效率高以及可支持多核處理器進行并發(fā)運算等特點，并且在使用過程中能夠有效地保障用戶的數(shù)據(jù)安全[10?11]。

3.2 電力系統(tǒng)知識圖譜的搭建

將抽取的電力系統(tǒng)相關知識存入Neoj4 數(shù)據(jù)庫中，形成實體數(shù)據(jù)庫。按照圖5 的框架來搭建電力系統(tǒng)的知識圖譜。

圖5 電力系統(tǒng)知識圖譜框架

在圖數(shù)據(jù)庫Neoj4 中，實體（如1 個變壓器、斷路器等）將被用1 個節(jié)點來進行表達，節(jié)點之間的連線則表示各個實體之間的關系[12?15]。每個節(jié)點和邊都有屬性，屬性值按其描述對象性質可動態(tài)更新。

經(jīng)過上述轉換，可將電力系統(tǒng)中的各種設備的信息轉換為圖的形式存儲于Neoj4 數(shù)據(jù)庫中。在安裝好Neoj4 數(shù)據(jù)庫后，通過Neoj4-import 將區(qū)域電網(wǎng)數(shù)據(jù)與互聯(lián)網(wǎng)中的數(shù)據(jù)導入數(shù)據(jù)庫后，所形成的部分電力系統(tǒng)知識圖譜如圖6 所示。同時，如果日后還需要添加新的知識（新的節(jié)點），可通過Cypher 語言以CREATE 語句方式動態(tài)更新加入到電力系統(tǒng)知識圖譜。

圖6 部分電力系統(tǒng)知識圖譜

3.3 分類器特征值選取

通過分類器訓練進行問句中特征詞、特征詞表映射，從而獲得特征向量。例如對于輸入問句“三峽水電站的年均發(fā)電量是多少？”，經(jīng)分詞處理后，得到詞組“三峽/水電站/的/年均/發(fā)電量/是/多少/？”與特征詞表特征值進行映射，先設置特征向量全部位置為0，在句中有特征值表中的特征詞存在時，設置特征向量中特征詞所在位置為1。因問句中有“年均”、“發(fā)電量”2 個特征詞存在，因而，可得到表2 所示的特征向量。以此類推，將各類訓練問句進行轉換，從而得到所對應的特征向量。

表2 示例問句的特征向量

3.4 知識融合

電力系統(tǒng)中的數(shù)據(jù)的來源是多樣且復雜的，在進行知識抽取的過程中，為了保證抽取知識的有效性，需要對抽取出來的知識進行進一步融合。將知識中表述含義相同但說法不同的主體進行歸一化，例如設備故障報告中提到的“工作正常”和“無故障”的表述，其表達的含義是相同的，只是在說法上不同，因此可以對抽取后的知識進行一次字符串的匹配，將這些相同意義的表述進行歸一化處理，歸一化處理后，重復知識的數(shù)量將大幅下降。

4 抽取模型驗證及系統(tǒng)功能測試

4.1 數(shù)據(jù)預處理

本研究采用谷歌（Google）的詞向量工具Word2Vec，其特點是能將單詞轉化為向量。在實際中，使用詞匯表通常為百萬級以上，處理高維數(shù)據(jù)會消耗大量計算時間、資源；Word2Vec 詞向量可將詞與詞間的關系很好地表示出來，且維度大幅度降低，同時包含的語義信息更多。應用Word2vec 詞向量工具訓練數(shù)據(jù)集，表3 為詞向量訓練參數(shù)。

表3 Word2Vec 訓練參數(shù)

4.2 數(shù)據(jù)集構建

搭建電力系統(tǒng)知識圖譜先要進行數(shù)據(jù)集的構造。相關實體從電力領域專業(yè)詞典中獲取，其中有182 341 個詞語與電力領域相關，有部分數(shù)據(jù)集源自某電網(wǎng)電力系統(tǒng)的電力調(diào)度產(chǎn)生數(shù)據(jù)。該數(shù)據(jù)集包括測試集、訓練集。其中測試集包括句子2 590個，字97 780 個；訓練集包括句子31 590 個，字1 467 550 個。在進行電力關系分類時，從電力領域專業(yè)詞典中獲取實體，通過百度百科進行相關電力信息、詞匯的爬取，并將重復信息去除，從而將出現(xiàn)頻率最高并與實際電力領域相符合的測試集、訓練集實體數(shù)量選取出來，見表4。表5 為電力系統(tǒng)實體關系分類，表6 為測試集、訓練集各實體關系數(shù)量。

表4 訓練集及測試集各實體類別數(shù)量

表5 電力實體關系分類

表6 訓練集及測試集各實體關系數(shù)量

4.3 抽取模型的驗證

通過部分電力調(diào)度數(shù)據(jù)以及網(wǎng)絡建立訓練集與數(shù)據(jù)集。本次所建的訓練集包含48 200 個句子，共2 368 700 個字；測試集包含3 600 個句子，118 700 個字。評價指標為精確率、召回率以及F1值3 大類，訓練參數(shù)設置如表7 所示。2 種抽取的測試結果如表8 和表9 所示，為表明所選模型的優(yōu)勢，在表格中加入了其他幾種神經(jīng)網(wǎng)絡模型訓練的結果作對比。

表7 實體抽取與關系抽取訓練參數(shù)

表8 實體抽取的測試結果%

表9 關系抽取的測試結果%

從表8 和表9 中可以看出，LSTM+CRF 模型與PCNN 模型在測試結果上明顯高于其他神經(jīng)網(wǎng)絡模型，同時也證明本文選擇這2 種神經(jīng)網(wǎng)絡模型的正確性。

4.4 搜索功能測試

以2019—2020 年某變電站的供電數(shù)據(jù)為基礎，數(shù)據(jù)中包含該站所有設備信息、運行信息等結構類數(shù)據(jù)，各種工作報表等半結構數(shù)據(jù)以及缺陷故障分析報告等非結構數(shù)據(jù)。經(jīng)過知識提取并存儲在圖數(shù)據(jù)庫后，形成知識圖譜。在原有電力監(jiān)控系統(tǒng)的基礎上，增加了智能檢索問答以及故障預警及診斷的功能。

智能檢索問答包括標準檢索與實體案例2 個方面，測試結果如圖7 所示。在檢索框中輸入“變壓器接地電阻大于10 Ω”，在后臺的數(shù)據(jù)庫中會按照關鍵詞“變壓器”、“接地電阻”來進行搜索，最終搜索結果包含國家關于接地電阻的標準以及實際故障的案例，有針對性地給從業(yè)人員提供建議。

圖7 智能檢索測試界面

5 結論

1）通過對實體抽取的結果進行對比可以發(fā)現(xiàn)，采用單一神經(jīng)網(wǎng)絡模型抽取的效果沒有采用復合神經(jīng)網(wǎng)絡模型的效率高。

2）采用LSTM+CRF 模型進行實體抽取，PCNN 模型進行關系抽取能夠取得較好的效果。

3）通過瀏覽器實現(xiàn)了電力知識的查詢，提高了工作人員的效率。

知識抽取的方法還有很多，并且由于受實際條件限制，本次研究使用的訓練樣本規(guī)模也較小。以后可向這2 個方向進一步提高知識抽取的效率。