藺家駿，閆瑋丹，胡俊華，鄭一鳴，邵先軍，郭炳延

（1.國網(wǎng)浙江省電力有限公司電力科學(xué)研究院，杭州 310011； 2.浙江大學(xué) 電氣工程學(xué)院，杭州 310027； 3.國網(wǎng)浙江省電力有限公司，杭州 310007）

0 引言

近年來，在實(shí)現(xiàn)“雙碳”目標(biāo)、構(gòu)建以新能源為主體的新型電力系統(tǒng)等國家重要決策部署下［1-3］，國家電網(wǎng)有限公司處在智能化發(fā)展的重要時(shí)期，綠色低碳和數(shù)字化轉(zhuǎn)型是其關(guān)鍵因素。

國家電網(wǎng)有限公司是重資產(chǎn)服務(wù)型企業(yè)，電力設(shè)備規(guī)模不斷增大，運(yùn)行、管理數(shù)據(jù)量也呈指數(shù)增長，電力大數(shù)據(jù)迎來新機(jī)遇、新挑戰(zhàn)。國家電網(wǎng)有限公司設(shè)備部提出“加快構(gòu)建國網(wǎng)特色現(xiàn)代設(shè)備管理體系”的戰(zhàn)略規(guī)劃，以支撐國家電網(wǎng)有限公司更為安全、更高質(zhì)量、更有效率、更可持續(xù)發(fā)展。

電力運(yùn)檢作為電網(wǎng)運(yùn)行中重要的一環(huán)，運(yùn)檢是運(yùn)維和檢修的簡稱，電力運(yùn)檢主要負(fù)責(zé)變電站內(nèi)設(shè)備和輸電設(shè)備的運(yùn)行操作、檢查維修、日常維護(hù)、更換等工作［4］，例如拉閘停送電、設(shè)備日常巡視、事故處理、設(shè)備年檢等。提高電力運(yùn)檢工作的智能化、數(shù)字化是國家電網(wǎng)有限公司發(fā)展的當(dāng)務(wù)之急。

電力運(yùn)檢每年會(huì)產(chǎn)生大量不同類型的數(shù)據(jù)，如停電記錄清單等表格數(shù)據(jù)、故障報(bào)告等文字?jǐn)?shù)據(jù)、在線監(jiān)測系統(tǒng)產(chǎn)生的圖片/視頻數(shù)據(jù)、油色譜監(jiān)測系統(tǒng)產(chǎn)生的時(shí)序數(shù)據(jù)。電力運(yùn)檢數(shù)據(jù)呈現(xiàn)異構(gòu)化、多樣化、復(fù)雜化、孤島化，多種模態(tài)數(shù)據(jù)間的潛在關(guān)系沒有得到深入挖掘，且運(yùn)檢工作對(duì)專家經(jīng)驗(yàn)依賴較大，工作人員查找資料耗時(shí)較長。因此，解決電力運(yùn)檢在數(shù)據(jù)充分挖掘利用［5］、智能化運(yùn)維方式完善、多模態(tài)知識(shí)庫空缺等方面存在的問題對(duì)電網(wǎng)建設(shè)具有重要意義。

知識(shí)圖譜（Knowledge Graph，KG）作為人工智能四大技術(shù)之一，既包含豐富的語義信息，又包含圖的拓?fù)浣Y(jié)構(gòu)信息，定義為利用圖狀結(jié)構(gòu)組織和使用類型不相同的大規(guī)模數(shù)據(jù)的形式化領(lǐng)域知識(shí)，與電力運(yùn)檢領(lǐng)域現(xiàn)狀高度契合［6］，依托其模態(tài)豐富、儲(chǔ)備豐富的運(yùn)行數(shù)據(jù)，多模態(tài)知識(shí)圖譜（Multi-modal Knowledge Graph，MMKG）在電力運(yùn)檢領(lǐng)域有極高的發(fā)展前景。

本文從電力運(yùn)檢現(xiàn)狀出發(fā)，基于實(shí)際運(yùn)檢作業(yè)的需求和MMKG 技術(shù)的特點(diǎn)，分析了在電力運(yùn)檢領(lǐng)域發(fā)展MMKG 的可行性，介紹了MMKG 構(gòu)建技術(shù)，總結(jié)了其能發(fā)揮作用的綜合智能問答系統(tǒng)和故障處置兩大類應(yīng)用場景，提出了具體的應(yīng)用思路，并深入分析了未來在電力運(yùn)檢領(lǐng)域發(fā)展MMKG 技術(shù)將面臨的困難與挑戰(zhàn)，為電力運(yùn)檢智能化、信息化、數(shù)字化發(fā)展提供可能的思路與方向。

1 研究背景

本節(jié)介紹電力運(yùn)檢領(lǐng)域的發(fā)展現(xiàn)狀和KG 的基礎(chǔ)應(yīng)用背景，分析KG 技術(shù)與電力運(yùn)檢領(lǐng)域的契合度，介紹MMKG 在電力領(lǐng)域的已有應(yīng)用，說明其在電力運(yùn)檢領(lǐng)域有極大的發(fā)展前景。

1.1 電力運(yùn)檢發(fā)展現(xiàn)狀

隨著社會(huì)用電量的不斷提升，更加要求用電的安全穩(wěn)定和實(shí)時(shí)智能等［7］。目前，電力運(yùn)檢積累了大量數(shù)據(jù)，涵蓋多種模態(tài)，電力運(yùn)檢數(shù)據(jù)具備文本結(jié)構(gòu)復(fù)雜、語義模糊、專業(yè)名詞含量高等特征，傳統(tǒng)的數(shù)據(jù)分析方法難以對(duì)其進(jìn)行準(zhǔn)確的文本挖掘。圖片數(shù)據(jù)大多來自監(jiān)控?cái)z像頭，目前主要用于依托計(jì)算機(jī)視覺（Computer Vision，CV）技術(shù)的缺陷檢測、設(shè)備狀態(tài)感知等。

電力運(yùn)檢產(chǎn)生的大量歷史運(yùn)行數(shù)據(jù)、案例報(bào)告等黃金數(shù)據(jù)有極高的挖掘價(jià)值，其蘊(yùn)含的時(shí)序信息、專家經(jīng)驗(yàn)等對(duì)日常運(yùn)檢工作有極高的指導(dǎo)價(jià)值，然而目前只能通過人工翻閱、關(guān)鍵詞檢索等傳統(tǒng)手段獲取其中信息，黃金數(shù)據(jù)淪為僵尸數(shù)據(jù)。且人工主觀決策對(duì)運(yùn)檢人員的專業(yè)能力有極高要求，電力運(yùn)檢領(lǐng)域設(shè)備類型眾多、故障信息多變、運(yùn)行規(guī)程繁雜，通常需要專家參與，無法保障故障處置的實(shí)時(shí)性、高效性，亟須更加智能化、自動(dòng)化、數(shù)字化的手段幫助提高現(xiàn)場作業(yè)的智能化水平，降低人力成本。

1.2 KG發(fā)展現(xiàn)狀

KG 分 為 通 用KG（General Knowledge Graph，GKG）和領(lǐng)域KG（Domain Knowledge Graph，DKG）。GKG 往往包含大量數(shù)據(jù)，數(shù)據(jù)范圍廣但不精細(xì)，更適用于搜索引擎，難以支撐一個(gè)行業(yè)的功能需求，而DKG 僅針對(duì)某一個(gè)專業(yè)領(lǐng)域或一個(gè)具體方向，根據(jù)該領(lǐng)域的業(yè)務(wù)邏輯進(jìn)行構(gòu)建，DKG 要求該領(lǐng)域有較為完備的知識(shí)體系及較為準(zhǔn)確的深度和廣度，電力運(yùn)檢規(guī)程完整、要求嚴(yán)謹(jǐn)、數(shù)據(jù)龐大，符合構(gòu)建DKG的要求。

KG 依據(jù)數(shù)據(jù)來源的類型分為單模態(tài)KG 和MMKG，大數(shù)據(jù)時(shí)代各領(lǐng)域數(shù)據(jù)量均呈爆發(fā)式增長，KG 以其強(qiáng)大語義信息處理能力、多模態(tài)知識(shí)融合能力、增量更新能力和推理計(jì)算能力，為多領(lǐng)域多模態(tài)的大規(guī)模數(shù)據(jù)提供了智能化、數(shù)字化產(chǎn)業(yè)應(yīng)用的新方法，已廣泛應(yīng)用于金融、醫(yī)學(xué)、影視、軍事等領(lǐng)域，成為各大搜索引擎、各領(lǐng)域智能問答系統(tǒng)、人工智能（AI）助手依托的知識(shí)庫。典型KG 見表1。表中YAGO 為大型多語言語義知識(shí)庫；XLORE 為大型中英文知識(shí)圖譜。

表1 典型KGTable 1 Typical KG

1.3 MMKG在電力的應(yīng)用現(xiàn)狀

KG 起初主要被用來處理文字?jǐn)?shù)據(jù)，隨著CV［8］和多模態(tài)學(xué)習(xí)［9］（Multi-modal Learning，ML）技術(shù)的不斷發(fā)展，越來越多的學(xué)者發(fā)現(xiàn)圖片數(shù)據(jù)對(duì)KG 的正面影響，將圖片數(shù)據(jù)融入KG 以實(shí)現(xiàn)KG 補(bǔ)全、模態(tài)互補(bǔ)，已有工作證明加入圖像數(shù)據(jù)的KG 在分類、補(bǔ)全任務(wù)中有重要作用［10-11］。

MMKG 是指數(shù)據(jù)來源為多源異構(gòu)數(shù)據(jù)、多種模態(tài)數(shù)據(jù)互聯(lián)互通的KG，目前較為典型的MMKG 有Dbpedia［12］，Wikidata［13］，IMGpedia［14］，實(shí)現(xiàn)了3 個(gè)KG間的實(shí)體對(duì)齊，包含數(shù)字與圖像特征的MMKG［15］等。隨著各專業(yè)領(lǐng)域?qū)MKG 的需求，構(gòu)建MMKG技術(shù)正在飛速發(fā)展［16-19］。

KG 在電力領(lǐng)域中的應(yīng)用正處于起步階段，構(gòu)建的DKG 多為純文本KG，基于MMKG 做電力功能的研究也比較少。張敏杰等［20］依托自然語言處理技術(shù)，構(gòu)建了變壓器運(yùn)檢KG，實(shí)現(xiàn)了基于智能問答的3 個(gè)應(yīng)用功能。趙振兵等［21］構(gòu)建了栓母對(duì)KG，結(jié)合門控圖神經(jīng)網(wǎng)絡(luò)模型，驗(yàn)證了KG 作為先驗(yàn)知識(shí)對(duì)栓母對(duì)缺陷分類任務(wù)的作用。劉梓權(quán)等［22］構(gòu)建了電力設(shè)備缺陷KG，利用圖搜索進(jìn)行缺陷記錄檢索，驗(yàn)證了KG 較傳統(tǒng)語義分析方法的高效性。楊強(qiáng)［23］針對(duì)設(shè)備全壽命周期管理需求，研究基于KG技術(shù)的展示平臺(tái)，驗(yàn)證了KG 的可行性。湯亞宸等［24］研究了基于DKG 的規(guī)則推理技術(shù)，實(shí)現(xiàn)涉及設(shè)備、事件等5 個(gè)關(guān)鍵因素的分析與檢索。趙振兵等［25］分析了航拍輸電線路目標(biāo)檢測的現(xiàn)狀，提出在該任務(wù)中融入KG 技術(shù)，結(jié)合深度學(xué)習(xí)模型的發(fā)展前景。綜上所述，MMKG 在電力運(yùn)檢領(lǐng)域很多應(yīng)用方向的研究尚處于空白或剛起步階段。

2 MMKG構(gòu)建技術(shù)

本節(jié)介紹針對(duì)電力運(yùn)檢數(shù)據(jù)的MMKG 構(gòu)建技術(shù)，主要介紹多模態(tài)數(shù)據(jù)采集與預(yù)處理、多模態(tài)知識(shí)抽取與多模態(tài)知識(shí)融合方法，并給出部分電力運(yùn)檢領(lǐng)域MMKG示例。

2.1 多模態(tài)數(shù)據(jù)采集與預(yù)處理

將收集到的大量文本數(shù)據(jù)分為結(jié)構(gòu)化、半結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)，結(jié)構(gòu)化數(shù)據(jù)包括電網(wǎng)實(shí)時(shí)及歷史運(yùn)行數(shù)據(jù)、設(shè)備資產(chǎn)信息數(shù)據(jù)庫、電網(wǎng)設(shè)備屬性等信息。半結(jié)構(gòu)化數(shù)據(jù)，包括電力知識(shí)百科或電力專業(yè)詞庫中關(guān)于配電網(wǎng)評(píng)價(jià)的數(shù)據(jù)等；非結(jié)構(gòu)化數(shù)據(jù)指長文本或短文本數(shù)據(jù)，包含配電網(wǎng)運(yùn)行管理規(guī)定、評(píng)估導(dǎo)則、配電網(wǎng)歷史評(píng)價(jià)案例等。

除文本外的其他模態(tài)數(shù)據(jù)，例如圖像/視頻數(shù)據(jù)、振動(dòng)信號(hào)、故障錄波等主要來自智能感知設(shè)備的采集，這些數(shù)據(jù)由于采集周期短，儲(chǔ)備較大［26］，但其形式多種多樣，且無效數(shù)據(jù)較多，需要經(jīng)過數(shù)據(jù)預(yù)處理才能使用。無效數(shù)據(jù)主要包含由于人員主觀因素、智能設(shè)備誤差等原因?qū)е碌臄?shù)據(jù)關(guān)鍵因素缺失、重復(fù)數(shù)據(jù)、歧義數(shù)據(jù)等。因此數(shù)據(jù)預(yù)處理工作的重點(diǎn)是進(jìn)行數(shù)據(jù)質(zhì)量的檢測與修復(fù)，主要手段包括數(shù)據(jù)清洗［27］、數(shù)據(jù)集成［28］、數(shù)據(jù)轉(zhuǎn)換［29］、數(shù)據(jù)降噪降維［30］等，以得到高質(zhì)量的數(shù)據(jù)集。

2.2 多模態(tài)知識(shí)抽取

知識(shí)抽取分為實(shí)體抽取和關(guān)系抽取2 部分，主流方法有基于傳統(tǒng)規(guī)則和模板的知識(shí)抽取、基于統(tǒng)計(jì)機(jī)器學(xué)習(xí)的知識(shí)抽取、基于深度學(xué)習(xí)的知識(shí)抽取［31］。在電力運(yùn)檢MMKG 構(gòu)建任務(wù)中，知識(shí)抽取任務(wù)需要首先進(jìn)行實(shí)體抽取，完成對(duì)不同模態(tài)數(shù)據(jù)中關(guān)鍵性語義的抽取，確定關(guān)鍵詞對(duì)，完成本體構(gòu)建，再根據(jù)業(yè)務(wù)邏輯進(jìn)行關(guān)系抽取，完成單模態(tài)之間的KG 關(guān)系構(gòu)建。針對(duì)電力數(shù)據(jù)特點(diǎn)，在電力領(lǐng)域多模態(tài)知識(shí)抽取任務(wù)中主要采用基于深度學(xué)習(xí)的方法。

2.3 多模態(tài)知識(shí)融合

由于電力運(yùn)檢數(shù)據(jù)采集設(shè)備種類多樣，數(shù)據(jù)來源復(fù)雜，數(shù)據(jù)間的關(guān)聯(lián)關(guān)系沒有可直接利用的映射，知識(shí)存在嚴(yán)重的冗余［32］。知識(shí)融合技術(shù)通過對(duì)多源異構(gòu)數(shù)據(jù)進(jìn)行實(shí)體消歧［33］、實(shí)體對(duì)齊［34］、知識(shí)加工、知識(shí)整合等操作，達(dá)到多模態(tài)數(shù)據(jù)的多維度融合，消除冗余信息，生成對(duì)應(yīng)模態(tài)數(shù)據(jù)間的關(guān)聯(lián)關(guān)系，即映射［35］。目前，DKG 主要采用相似度計(jì)算的方法對(duì)不同模態(tài)的數(shù)據(jù)進(jìn)行融合，分別對(duì)不同模態(tài)的數(shù)據(jù)進(jìn)行語義標(biāo)簽抽取，針對(duì)文本數(shù)據(jù)可以采取自然語言處理（NLP）算法實(shí)現(xiàn)自動(dòng)抽取方法。針對(duì)圖片數(shù)據(jù)采用半自動(dòng)抽取，用少量人工標(biāo)簽指導(dǎo)模型抽取。視頻數(shù)據(jù)可采用非自動(dòng)化抽取，即人工標(biāo)注。計(jì)算3 種標(biāo)簽的語義相似度，將匹配程度最高的1 組圖片和視頻數(shù)據(jù)鏈接到文本數(shù)據(jù)上，形成多模態(tài)數(shù)據(jù)集。多模態(tài)知識(shí)融合流程如圖1所示。

圖1 多模態(tài)知識(shí)融合流程Fig.1 Multimodal knowledge fusion process

知識(shí)融合能夠?qū)崿F(xiàn)數(shù)據(jù)互聯(lián)，將來自多個(gè)模態(tài)的知識(shí)整合在同一個(gè)網(wǎng)絡(luò)中，實(shí)現(xiàn)模態(tài)互補(bǔ)、知識(shí)消歧，提高KG 的豐富度和質(zhì)量［31］，滿足下游任務(wù)需求。電力運(yùn)檢領(lǐng)域MMKG 構(gòu)建完成后如圖2 所示。MMKG構(gòu)建整體流程如圖3所示。

圖2 電力運(yùn)檢領(lǐng)域MMKG部分示例Fig.2 Applications of MMKG in power operation and inspection

圖3 電力運(yùn)檢領(lǐng)域MMKG構(gòu)建流程Fig.3 Construction process of MMKG for power operation and inspection

3 MMKG在電力運(yùn)檢中的應(yīng)用場景分析

本節(jié)詳細(xì)分析了MMKG 在電力運(yùn)檢綜合智能問答系統(tǒng)與故障處置兩大應(yīng)用場景的應(yīng)用前景，介紹了現(xiàn)有功能和技術(shù)，提出MMKG 的優(yōu)勢與應(yīng)用思路。

3.1 電力運(yùn)檢綜合智能問答系統(tǒng)

目前，電力領(lǐng)域應(yīng)用最為廣泛的智能問答系統(tǒng)為95598 平臺(tái)的智能助手，負(fù)責(zé)當(dāng)?shù)赜脩舻墓╇娨蓡?、電力政策解釋等。文獻(xiàn)［36-37］基于95598記錄的真實(shí)問答數(shù)據(jù)研究針對(duì)電力領(lǐng)域的命名實(shí)體識(shí)別算法，建立了電力服務(wù)領(lǐng)域?qū)Ｓ弥R(shí)庫，為位置、故障和解決方案等因素的準(zhǔn)確識(shí)別提供了數(shù)據(jù)基礎(chǔ)，但未構(gòu)建DKG，僅做到實(shí)體識(shí)別，沒有對(duì)實(shí)體間關(guān)系做深入研究。楊志明等［38］構(gòu)建了配電網(wǎng)運(yùn)檢領(lǐng)域知識(shí)庫實(shí)現(xiàn)基于智能辨識(shí)的知識(shí)問答功能。盛慧等［39］基于KG 與語音識(shí)別技術(shù)研究了電網(wǎng)運(yùn)檢智能AI 助手，實(shí)現(xiàn)信息匯集、智能研判、異常警告、輔助指揮等功能，可以支撐運(yùn)檢人員對(duì)電力運(yùn)檢專業(yè)知識(shí)的學(xué)習(xí)。綜上所述，智能問答系統(tǒng)在電力領(lǐng)域能夠取代部分人工工作，具有極高的應(yīng)用前景，但上述文獻(xiàn)僅對(duì)文本數(shù)據(jù)進(jìn)行了處理，未挖掘多種模態(tài)間的數(shù)據(jù)關(guān)系。

電力運(yùn)檢領(lǐng)域由于需要專業(yè)知識(shí)的指導(dǎo)，發(fā)布了很多作業(yè)指導(dǎo)書、標(biāo)準(zhǔn)導(dǎo)則等技術(shù)文件，多為長文本數(shù)據(jù)，導(dǎo)致工作人員翻閱、查找資料時(shí)需要耗費(fèi)大量的時(shí)間，雖然根據(jù)關(guān)鍵詞檢索能夠定位到相關(guān)片段，但會(huì)將所有存在這個(gè)詞的片段沒有優(yōu)先級(jí)地輸出，需要工作人員主觀尋找相關(guān)性最高的片段，耗時(shí)較長，且難以將圖片、視頻、拓?fù)鋱D、運(yùn)行數(shù)據(jù)等多模態(tài)數(shù)據(jù)與文字?jǐn)?shù)據(jù)聯(lián)系起來，是初級(jí)運(yùn)檢人員入門時(shí)的一大困難。因此基于初級(jí)運(yùn)檢人員的專業(yè)知識(shí)結(jié)構(gòu)化培訓(xùn)與學(xué)習(xí)需求、實(shí)際運(yùn)檢作業(yè)中的知識(shí)查詢、智能問答需求，將電力運(yùn)檢專業(yè)知識(shí)構(gòu)建成MMKG，以此為知識(shí)依托，搭建電力運(yùn)檢智能問答綜合系統(tǒng)，實(shí)現(xiàn)基于語義解析的檢索與問答功能，根據(jù)用戶提問返回清晰、準(zhǔn)確的答案能夠有效地解決問題，比起各類文件與手冊更加智能，提高電力運(yùn)檢領(lǐng)域全范圍信息化、數(shù)字化程度。

該場景的技術(shù)難點(diǎn)在于如何將多種模態(tài)的數(shù)據(jù)融合起來，解決不同數(shù)據(jù)源帶來的歧義問題，高效組織電力數(shù)據(jù)?；贛MKG 的電力運(yùn)檢綜合智能問答系統(tǒng)架構(gòu)如圖4所示。

圖4 基于MMKG的電力運(yùn)檢綜合智能問答系統(tǒng)架構(gòu)Fig.4 Architecture of the intelligent query answering system for power operation and inspection based on MMKG

3.2 電力運(yùn)檢故障處置

目前基于KG 在電力運(yùn)檢故障處置方向的研究主要分為2個(gè)方向。

（1）對(duì)DKG 構(gòu)建框架的研究。文獻(xiàn)［5］以電網(wǎng)故障處置預(yù)案文本為數(shù)據(jù)源，結(jié)合神經(jīng)網(wǎng)絡(luò)模型對(duì)電力領(lǐng)域進(jìn)行實(shí)體識(shí)別，重點(diǎn)解決了電力數(shù)據(jù)知識(shí)抽取問題，構(gòu)建了電網(wǎng)故障處置KG。文獻(xiàn)［40］也在知識(shí)抽取任務(wù)上進(jìn)行了研究，以電網(wǎng)調(diào)度領(lǐng)域文本為數(shù)據(jù)源，構(gòu)建了雙向長短期記憶網(wǎng)絡(luò)-卷積神經(jīng)網(wǎng)絡(luò)-條件隨機(jī)場（BiLSTM-CNN-CRF）電網(wǎng)調(diào)度領(lǐng)域?qū)嶓w識(shí)別模型。

（2）研究基于KG 的故障處置相關(guān)功能實(shí)現(xiàn)。文獻(xiàn)［41］設(shè)計(jì)了關(guān)于故障處理的DKG 構(gòu)建框架，但其數(shù)據(jù)為單模態(tài)。文獻(xiàn)［42］以功能缺陷文本為數(shù)據(jù)源，基于雙向長短期記憶網(wǎng)絡(luò)-條件隨機(jī)場（BiLSTM-CRF）信息抽取模型與KG 技術(shù)實(shí)現(xiàn)電力系統(tǒng)二次設(shè)備功能缺陷處理智能平臺(tái)。這些研究都取得了較好的成果，為后續(xù)研究提供了參考和方向，但沒有充分利用多模態(tài)數(shù)據(jù)，只依據(jù)文本數(shù)據(jù)實(shí)現(xiàn)故障處置存在一定的局限性，具有極高的發(fā)展空間。

3.2.1 故障溯源

目前對(duì)電力運(yùn)檢領(lǐng)域的研究多為故障診斷，通過對(duì)設(shè)備多個(gè)指標(biāo)、參數(shù)的監(jiān)控與分析，判定設(shè)備是否處于故障狀態(tài)，并確定故障類型［43-44］，缺少對(duì)故障等級(jí)的判定，對(duì)故障部位和原因的挖掘由于缺少對(duì)歷史案例間聯(lián)系的研究而不夠深入。

文獻(xiàn)［45-46］在電力調(diào)度領(lǐng)域用信息差異圖解決系統(tǒng)故障組件溯源的問題，但其研究重點(diǎn)在數(shù)據(jù)的時(shí)序?qū)?，挖掘告警信息在時(shí)間序列上的前后信息差異，未深入挖掘多種模態(tài)數(shù)據(jù)間的聯(lián)系。而電力運(yùn)檢領(lǐng)域的故障溯源對(duì)多模態(tài)數(shù)據(jù)融合分析的需求很高，引入MMKG 技術(shù)能夠完善整個(gè)故障溯源任務(wù)的邏輯鏈，實(shí)現(xiàn)全周期、全流程的自動(dòng)化。

由于電力設(shè)備種類、部件類型多樣，部件間邏輯結(jié)構(gòu)復(fù)雜，發(fā)生故障時(shí)存在連鎖反應(yīng)和并發(fā)故障，導(dǎo)致運(yùn)檢人員在進(jìn)行故障類型判斷時(shí)具有諸多困難，以往的運(yùn)檢工作需要運(yùn)檢人員具備大量的知識(shí)儲(chǔ)備和案例經(jīng)驗(yàn)，在運(yùn)檢人員發(fā)現(xiàn)設(shè)備異常時(shí)，按工作規(guī)范要求需填寫故障報(bào)告，描述故障實(shí)際情況，并歸納故障類型，具有一定的滯后性、主觀性。同時(shí)，一些較少見到的設(shè)備缺陷或變化性較大的故障，會(huì)受到運(yùn)檢人員知識(shí)和經(jīng)驗(yàn)程度的影響，難以準(zhǔn)確判定故障的嚴(yán)重程度等級(jí)，無法全面地識(shí)別設(shè)備故障風(fēng)險(xiǎn)，并評(píng)估其運(yùn)行狀態(tài)。并且由于故障現(xiàn)象通常由運(yùn)檢人員手動(dòng)錄入，不會(huì)完全按照運(yùn)檢部門詳細(xì)的分類導(dǎo)則文件填寫，因此經(jīng)常存在描述與故障不匹配、描述有偏差、針對(duì)同一個(gè)故障存在描述方式不同的情況，對(duì)后續(xù)專家檢修、存檔都有很大影響。

因此，將故障案例、運(yùn)維規(guī)范等信息和規(guī)則構(gòu)建成MMKG，實(shí)現(xiàn)對(duì)運(yùn)檢工作人員主觀的故障描述與故障圖片的識(shí)別，自動(dòng)定位故障設(shè)備、故障部位，自動(dòng)輸出故障類型或給出故障類型置信度，并判斷故障等級(jí)，實(shí)現(xiàn)故障溯源功能，減少運(yùn)檢人員翻閱資料或詢問專家的時(shí)間，并能夠降低運(yùn)檢人員主觀描述對(duì)判定故障類型造成的影響，提高電力運(yùn)檢的實(shí)時(shí)性、智能化，在實(shí)際運(yùn)檢工作中具有重要作用。

該場景的技術(shù)難點(diǎn)在于數(shù)據(jù)規(guī)模的不均衡，電力領(lǐng)域發(fā)展至今，安全性逐步提高，重大故障頻率降低，其數(shù)據(jù)為典型的小樣本數(shù)據(jù)，如何對(duì)小樣本數(shù)據(jù)進(jìn)行高精度分析與處理是一大難題。

3.2.2 推理決策

目前，故障處置中關(guān)于決策的部分工作仍由國家電網(wǎng)有限公司相關(guān)人員依靠人工知識(shí)或經(jīng)驗(yàn)進(jìn)行判斷。王駿東等［47］在調(diào)度領(lǐng)域?qū)崿F(xiàn)了輔助決策功能，將調(diào)度規(guī)則、故障預(yù)案和專家經(jīng)驗(yàn)構(gòu)建成KG，具備智能問答、案例匹配等功能，但要深入掌握電力設(shè)備故障的內(nèi)在規(guī)律和各個(gè)部件的實(shí)際維修策略仍存在一定難度。

隨著社會(huì)的發(fā)展，對(duì)供電可靠性要求較高，因此設(shè)備發(fā)生故障后應(yīng)盡量縮短處置時(shí)間，且輔助決策的判定需要一定的可解釋性。引入MMKG 技術(shù)，通過故障溯源功能反饋的信息和實(shí)施決策場景的實(shí)際情況完成對(duì)決策最優(yōu)解的推理，同時(shí)推理出該故障的風(fēng)險(xiǎn)等級(jí)和風(fēng)險(xiǎn)分析結(jié)果，例如發(fā)生該故障且不做及時(shí)處理后會(huì)引發(fā)哪些連鎖反應(yīng)，KG 的邏輯表達(dá)為推理結(jié)果提供可解釋性［47］，實(shí)現(xiàn)基于智能問答的友好交互輔助決策功能，為運(yùn)檢提供快速、準(zhǔn)確、可解釋的決策支持。基于MMKG 的電力運(yùn)檢故障處置流程如圖5所示。

圖5 基于MMKG的電力運(yùn)檢故障處置流程Fig.5 Fault handling process in power operation and inspection based on MMKG

該場景的技術(shù)難點(diǎn)在于知識(shí)推理的精度，電力領(lǐng)域作為至關(guān)重要的專業(yè)領(lǐng)域，其對(duì)智能算法的精準(zhǔn)度要求較高，決策的準(zhǔn)確性直接影響電網(wǎng)的安全運(yùn)行，因此必須保障推理算法的精確度達(dá)標(biāo)。

4 MMKG在電力運(yùn)檢中的挑戰(zhàn)

本節(jié)在第3節(jié)的基礎(chǔ)上提出在電力運(yùn)檢領(lǐng)域發(fā)展MMKG的3個(gè)挑戰(zhàn)，并對(duì)未來發(fā)展提供思路。

4.1 數(shù)據(jù)融合

KG 的構(gòu)建需要大量的數(shù)據(jù)支撐，電力運(yùn)檢領(lǐng)域每年產(chǎn)生的數(shù)據(jù)量非常大，但在數(shù)據(jù)處理階段面臨多個(gè)難題。從電力系統(tǒng)中獲取的知識(shí)通常具有碎片性、異構(gòu)性、多樣化［48］，且具有知識(shí)交互壁壘，需要大量精力和專業(yè)知識(shí)去整合電力數(shù)據(jù)。

（1）電力知識(shí)存在一定的歧義和冗余，歧義使得KG 的實(shí)體、概念在構(gòu)建過程中出現(xiàn)屬性描述混亂或重復(fù)、實(shí)體間關(guān)系錯(cuò)綜復(fù)雜，可能會(huì)導(dǎo)致圖譜描述沖突、邏輯混亂，進(jìn)而導(dǎo)致知識(shí)推理準(zhǔn)確度降低；冗余導(dǎo)致KG 內(nèi)存在大量無用的實(shí)體和關(guān)系，增加了KG的存儲(chǔ)空間和無用的計(jì)算量。

（2）電力數(shù)據(jù)抽取時(shí)存在噪聲，會(huì)稀釋數(shù)據(jù)信息內(nèi)容和數(shù)據(jù)質(zhì)量。

（3）電力數(shù)據(jù)與通用數(shù)據(jù)間存在知識(shí)交互壁壘，數(shù)據(jù)處理時(shí)需要一定的專業(yè)知識(shí)，導(dǎo)致通用數(shù)據(jù)中與電力存在聯(lián)系的部分?jǐn)?shù)據(jù)無法直接應(yīng)用在KG 中。如何將混亂、復(fù)雜的數(shù)據(jù)處理成能夠支撐構(gòu)建可更新、邏輯清晰、可解釋的電力DKG 數(shù)據(jù)，如何打破通用數(shù)據(jù)與電力數(shù)據(jù)間的知識(shí)交互壁壘，是在電力運(yùn)檢領(lǐng)域發(fā)展多模態(tài)時(shí)序KG 的必由之路。因此，針對(duì)長文本的知識(shí)抽取、多模態(tài)知識(shí)表示、多模態(tài)實(shí)體消歧、將時(shí)序、空間、事件等多維度數(shù)據(jù)融入電力DKG將成為未來發(fā)展的研究熱點(diǎn)。

4.2 小樣本算法

目前，KG 技術(shù)雖然已經(jīng)在電力運(yùn)檢中實(shí)現(xiàn)初步應(yīng)用，但現(xiàn)有的模型對(duì)訓(xùn)練數(shù)據(jù)的質(zhì)量要求很高［49］，電力數(shù)據(jù)往往數(shù)量多但質(zhì)量不高，且存在數(shù)據(jù)分布不均衡現(xiàn)象，訓(xùn)練模型的代價(jià)是巨大的數(shù)據(jù)處理工作量，導(dǎo)致現(xiàn)有模型廣泛推廣的可能性不高。另外，現(xiàn)有的功能實(shí)現(xiàn)方式中為滿足實(shí)際應(yīng)用場景中的復(fù)雜功能需求，對(duì)計(jì)算和存儲(chǔ)設(shè)備的要求較高，導(dǎo)致現(xiàn)有算法速度不高，部署在實(shí)際應(yīng)用現(xiàn)場的系統(tǒng)中時(shí)體現(xiàn)為響應(yīng)時(shí)間較長，不能滿足一些對(duì)實(shí)時(shí)性要求較高的任務(wù)需求。因此提高對(duì)少量高質(zhì)量數(shù)據(jù)的利用率，提高算法在大規(guī)模數(shù)據(jù)中的計(jì)算速度是電力運(yùn)檢領(lǐng)域應(yīng)用MMKG 實(shí)現(xiàn)推理、故障溯源等功能的必要研究方向，目前模型微調(diào)、數(shù)據(jù)增強(qiáng)、遷移學(xué)習(xí)等方法是小樣本學(xué)習(xí)的熱點(diǎn)，由于電力領(lǐng)域數(shù)據(jù)特殊性與多源異構(gòu)性，模型微調(diào)與數(shù)據(jù)增強(qiáng)不適合全部場景，遷移學(xué)習(xí)將會(huì)成為在電力領(lǐng)域應(yīng)用的重要研究方向。

4.3 知識(shí)推理

知識(shí)推理是根據(jù)KG 中大量已有的數(shù)據(jù)來推斷新的實(shí)體和關(guān)系或推理出錯(cuò)誤的已有關(guān)系，實(shí)現(xiàn)KG 的補(bǔ)全或去噪，滿足任務(wù)需求?，F(xiàn)有知識(shí)推理方法主要有基于規(guī)則的推理、基于分布式特征表示的推理和基于神經(jīng)網(wǎng)絡(luò)和強(qiáng)化學(xué)習(xí)的推理［34］，針對(duì)DKG 的知識(shí)推理方法的準(zhǔn)確度還有待提高。電力運(yùn)檢領(lǐng)域無時(shí)無刻不在產(chǎn)生新數(shù)據(jù)，如何將新數(shù)據(jù)與舊數(shù)據(jù)動(dòng)態(tài)［50］、實(shí)時(shí)地聯(lián)系起來，推理出它們之間的關(guān)系是未來知識(shí)推理發(fā)展的一大挑戰(zhàn)。因此KG 的動(dòng)態(tài)更新、基于時(shí)序信息的實(shí)時(shí)演化、基于小樣本的精準(zhǔn)推理等方向會(huì)是未來幾年電力領(lǐng)域發(fā)展MMKG技術(shù)的研究熱點(diǎn)。

5 結(jié)束語

本文從電力運(yùn)檢領(lǐng)域的實(shí)際需求出發(fā)，分析MMKG 技術(shù)與電力運(yùn)檢任務(wù)的適配度，介紹了構(gòu)建MMKG 的基礎(chǔ)技術(shù)，從電力運(yùn)檢綜合智能問答系統(tǒng)和電力運(yùn)檢故障處置兩大應(yīng)用場景詳細(xì)分析了應(yīng)用MMKG 能夠解決的問題和具體應(yīng)用思路，提出在電力運(yùn)檢領(lǐng)域發(fā)展MMKG 要面對(duì)的三大難題與挑戰(zhàn)，為后續(xù)的研究工作提供思路。

MMKG 以其豐富的數(shù)據(jù)類型、完整的邏輯關(guān)系、可解釋性與可推理性在電力運(yùn)檢領(lǐng)域有巨大的應(yīng)用潛力，一旦發(fā)展成熟便能夠帶來巨大的社會(huì)效益和經(jīng)濟(jì)效益。