[摘 要]文章提出了一種創(chuàng)新的電網(wǎng)基礎(chǔ)設(shè)施工程知識圖譜構(gòu)建方法，該方法結(jié)合了雙向長短期記憶網(wǎng)絡(luò)和依存關(guān)系模型，以實(shí)現(xiàn)對電網(wǎng)基建工程相關(guān)非結(jié)構(gòu)化文本數(shù)據(jù)的有效提取和結(jié)構(gòu)化表示。通過該方法，能夠從設(shè)計(jì)說明、審核報(bào)告和設(shè)備測試報(bào)告等非結(jié)構(gòu)化數(shù)據(jù)中，以及項(xiàng)目竣工驗(yàn)收所需的設(shè)備清單等半結(jié)構(gòu)化資料中，提取關(guān)鍵信息并構(gòu)建知識圖譜。該知識圖譜不僅提高了電網(wǎng)基建工程數(shù)據(jù)的可訪問性和可操作性，而且為電網(wǎng)的智能化管理和維護(hù)提供了有力的數(shù)據(jù)支持。試驗(yàn)結(jié)果表明，該方法在數(shù)據(jù)挖掘準(zhǔn)確率、分類準(zhǔn)確率及挖掘效率方面均表現(xiàn)出色，為電網(wǎng)基建工程的信息化和智能化發(fā)展提供了新的思路和工具。

[關(guān)鍵詞]電網(wǎng)基建工程；知識圖譜；雙向長短期記憶網(wǎng)絡(luò)；依存關(guān)系模型

[中圖分類號]TP311.13 [文獻(xiàn)標(biāo)志碼]A [文章編號]2095–6487（2024）12–0167–03

Research on Construction and Application of Knowledge Map of Power Grid Infrastructure Engineering

YAO Jun

[Abstract]This article proposes an innovative method for constructing a knowledge graph of power grid infrastructure engineering， which combines a bidirectional long short-term memory network and a dependency relationship model to effectively extract and structurally represent unstructured text data related to power grid infrastructure engineering. Through this method， key information can be extracted from unstructured data such as design specifications， audit reports， and equipment testing reports， as well as semi-structured data such as equipment lists required for project completion and acceptance， and a knowledge graph can be constructed. this knowledge graph not only improves the accessibility and operability of power grid infrastructure project data， but also provides strong data support for intelligent management and maintenance of the power grid. The experimental results show that this method performs well in data mining accuracy， classification accuracy， and mining efficiency， providing new ideas and tools for the informationization and intelligent development of power grid infrastructure projects.

[Keywords]power grid infrastructure engineering； knowledge graph； bidirectional long short-term memory network； dependency relationship model

1 電網(wǎng)基建工程數(shù)據(jù)及其建模

1.1 基建工程知識圖譜的數(shù)據(jù)來源與實(shí)體選取

本研究以我國電力工程建設(shè)項(xiàng)目為背景，選取特定的工程項(xiàng)目作為研究案例，運(yùn)用ETL技術(shù)進(jìn)行深入分析。ETL技術(shù)能夠揭示文本數(shù)據(jù)中實(shí)體與概念之間的復(fù)雜關(guān)聯(lián)性。從項(xiàng)目管理的視角出發(fā)，著重于項(xiàng)目的關(guān)鍵信息，包括項(xiàng)目名稱、實(shí)施地點(diǎn)、設(shè)計(jì)工藝等要素。在數(shù)據(jù)處理過程中，將項(xiàng)目內(nèi)的每項(xiàng)設(shè)備及其屬性視為獨(dú)立的節(jié)點(diǎn)進(jìn)行分析，這些屬性包括但不限于材料的名稱、編碼及采購成本等。利用“位于”“電壓等級”“包含”“采用”等詞匯來描述項(xiàng)目節(jié)點(diǎn)與其他節(jié)點(diǎn)之間的聯(lián)系。通過上述方法，構(gòu)建一個(gè)涵蓋基礎(chǔ)設(shè)施工程知識的圖譜基礎(chǔ)，并據(jù)此提供相關(guān)數(shù)據(jù)支持。

1.2 基建工程相關(guān)數(shù)據(jù)及其預(yù)處理

當(dāng)前，在電力行業(yè)，建設(shè)工程的全流程文檔管理已經(jīng)實(shí)現(xiàn)了分層存儲。以一個(gè)新建變電站項(xiàng)目為例，其施工階段所涉及的文檔類型見表1。

在建筑設(shè)計(jì)說明、設(shè)備屬性參數(shù)、審核報(bào)告等關(guān)鍵文檔中，Word、PDF、Excel這3種格式的文件因其廣泛的應(yīng)用和龐大的數(shù)據(jù)量而顯得尤為重要。具體步驟如下：①利用開源工具（如Python-Docx、xlrd、PDFMiner等）來提取這些文檔中的數(shù)據(jù)。②對提取的文本進(jìn)行轉(zhuǎn)換和編碼，將其轉(zhuǎn)化為適合計(jì)算機(jī)處理的矢量格式，以便進(jìn)行后續(xù)的自然語言處理。例如，對于“提高供電可靠度”這一短語，若將其拆分為6個(gè)字，每個(gè)字可以表示為一個(gè)六維的詞向量，如“提”可表示為[1，0，0，0，0，0]。

3 電網(wǎng)基建工程知識圖譜的構(gòu)建方法

文章提出了一種基于資源描述框架（以下簡稱“RDF”）的數(shù)據(jù)模型，并將其應(yīng)用于工程領(lǐng)域。RDF所表達(dá)的知識通常以三元組的形式呈現(xiàn)，其中主體為實(shí)體，謂詞為屬性，而屬性則用于連接兩個(gè)實(shí)體或關(guān)聯(lián)屬性值與實(shí)體。若將三元組中的主體和客體視作圖中的節(jié)點(diǎn)，謂詞視作連接節(jié)點(diǎn)的邊，則RDF的知識庫可被視為一種圖結(jié)構(gòu)模型。為應(yīng)對大規(guī)模知識庫在存儲與檢索方面的難題，圖數(shù)據(jù)庫Neo4j通過屬性圖模型有效處理節(jié)點(diǎn)、屬性及邊等元素，顯著提升了存儲層的訪問效率，突破了傳統(tǒng)關(guān)系數(shù)據(jù)庫的性能瓶頸。此外，該系統(tǒng)支持跨部門和多用戶共享，以滿足不同部門間基礎(chǔ)設(shè)施項(xiàng)目數(shù)據(jù)的互聯(lián)互通需求。

4 算法試驗(yàn)

4.1 數(shù)據(jù)集收集

本研究聚焦于某市電力公司新建的110 kV變電站項(xiàng)目。本研究通過實(shí)證分析已構(gòu)建的工程項(xiàng)目知識庫，涵蓋了包括非結(jié)構(gòu)化的設(shè)計(jì)說明、審計(jì)報(bào)告、設(shè)備測試報(bào)告及半結(jié)構(gòu)化的設(shè)備清單等資料。在數(shù)據(jù)預(yù)處理階段，最終整理出2 983條中文文本記錄和154條詳細(xì)表格數(shù)據(jù)。

4.2 大數(shù)據(jù)挖掘準(zhǔn)確率對比試驗(yàn)

為了評估本項(xiàng)目所提出技術(shù)的效能，本研究實(shí)施了不同的策略：①方案1，應(yīng)用傳統(tǒng)的計(jì)算機(jī)數(shù)據(jù)庫來管理電力基礎(chǔ)設(shè)施生命周期中的大數(shù)據(jù)；②方案2，采用分階段的分類管理方法，對電力基礎(chǔ)設(shè)施項(xiàng)目的全生命周期管理大數(shù)據(jù)進(jìn)行對比分析，并在3 h內(nèi)完成測試；③方案3，文章研究方法。

如圖1所示，隨著試驗(yàn)數(shù)據(jù)集的增加，方案1大數(shù)據(jù)挖掘的精度起初為60%。但隨后有所降低。方案2大數(shù)據(jù)挖掘的精度雖高于方案1，但提升幅度僅為10%。而本研究提出的算法在處理10×10³規(guī)模的大數(shù)據(jù)集時(shí)，預(yù)測精度為24%，但當(dāng)數(shù)據(jù)集規(guī)模增長到40×10³時(shí)，其預(yù)測精度已超越了方案1與方案2。對于100×10³規(guī)模的大數(shù)據(jù)集，該算法的挖掘精度更是達(dá)到了93%，因此，該方法在精確度上是領(lǐng)先的。

4.3 大數(shù)據(jù)訓(xùn)練集分類精度對比試驗(yàn)

在對電力基礎(chǔ)設(shè)施建設(shè)項(xiàng)目的裝備生命周期管理數(shù)據(jù)進(jìn)行預(yù)處理后，提出了一種數(shù)據(jù)驅(qū)動的電力工程全生命周期管理大數(shù)據(jù)集。隨后，對各類資料的分類精度進(jìn)行了比較分析，在對30×10³規(guī)模的數(shù)據(jù)集進(jìn)行訓(xùn)練時(shí)，方案1的訓(xùn)練案例準(zhǔn)確率達(dá)到了58%，方案2的準(zhǔn)確率為37%。

采用基于大數(shù)據(jù)的數(shù)據(jù)挖掘算法，在訓(xùn)練樣本中實(shí)現(xiàn)了77%的正確率。此外，在對規(guī)模達(dá)到100萬乘以10³的大型電力基礎(chǔ)設(shè)施裝備生命周期管理大數(shù)據(jù)進(jìn)行訓(xùn)練時(shí)，該方法的識別精度分別達(dá)到了64%和92%。這表明，在處理大規(guī)模數(shù)據(jù)集時(shí)，該方法能夠提供更高的分類準(zhǔn)確度。

4.4 大數(shù)據(jù)挖掘效率對比試驗(yàn)

為了驗(yàn)證大數(shù)據(jù)挖掘效率，設(shè)定在相同的時(shí)長（100 s）內(nèi)進(jìn)行測試。

在對50×10³規(guī)模的數(shù)據(jù)集進(jìn)行訓(xùn)練時(shí)，方案1的處理耗時(shí)為43 s，方案2為61 s，而本研究方法則為25s。當(dāng)訓(xùn)練數(shù)據(jù)集規(guī)模擴(kuò)大至100×10³時(shí)，方案1、方案2、研究方法的處理時(shí)間分別增加至60 s、85 s及30 s。這些數(shù)據(jù)表明，文章提出的算法在訓(xùn)練時(shí)間上更為高效，從而證明了其處理速度的優(yōu)越性。試驗(yàn)結(jié)果進(jìn)一步顯示，在數(shù)據(jù)挖掘的準(zhǔn)確率、分類的準(zhǔn)確率及挖掘效率方面，文章所提出的算法均表現(xiàn)出色，是目前最優(yōu)的解決方案。

5 結(jié)束語

本研究成功構(gòu)建了一個(gè)基于雙向LSTM網(wǎng)絡(luò)和依存關(guān)系模型的電網(wǎng)基建工程知識圖譜，有效整合了電網(wǎng)基建工程的多維數(shù)據(jù)。該圖譜支持復(fù)雜查詢和決策支持，顯著提高了數(shù)據(jù)的可訪問性和可操作性，為電網(wǎng)的智能化管理提供了數(shù)據(jù)支持。研究結(jié)果展示了知識圖譜在電網(wǎng)基建工程中的應(yīng)用潛力，為未來電網(wǎng)信息化和智能化發(fā)展提供了新的工具和思路。

參考文獻(xiàn)

[1] 魏惠敏，王秀芳，趙超，等.電網(wǎng)基建工程數(shù)據(jù)中心助推數(shù)字化移交方案研究[J].科學(xué)技術(shù)創(chuàng)新，2024（8）：58-61.

[2] 劉超，尹凡，胡亞偉，等.國家電網(wǎng)小型基建工程限上項(xiàng)目安全管理的思考[J].農(nóng)電管理，2023（12）：58-59.

[3] 張錦元.基于K–均值聚類電網(wǎng)基建工程造價(jià)中前期費(fèi)用整合方法[J].中國管理信息化，2023，26（23）：88-91.

[4] 阮永麗，屈軍.電網(wǎng)基建工程全過程造價(jià)管控研究[J].云南電力技術(shù)，2023，51（5）：13-16.