曾麗君?劉玉璽

摘要：隨著新一代信息技術(shù)的不斷應(yīng)用，電力數(shù)據(jù)量不斷增加，這些數(shù)據(jù)包含重要的電力價值信息。因此，對電力數(shù)據(jù)進(jìn)行分析和利用有助于降低電力運營的風(fēng)險。本文引入知識圖譜，建立了電力數(shù)據(jù)知識圖譜，分析了電力數(shù)據(jù)各實體的數(shù)據(jù)價值。并以電力故障停電事件為案例，探討了電力數(shù)據(jù)知識圖譜的應(yīng)用場景和結(jié)果。研究表明，建立電力數(shù)據(jù)知識圖譜有助于壓縮電力運營成本，并推動電力業(yè)務(wù)流程的效率。

關(guān)鍵詞：電力數(shù)據(jù)；知識圖譜； 典型應(yīng)用

電力能源對國家經(jīng)濟(jì)和人們正常社會活動具有重要影響，為人們的經(jīng)濟(jì)活動提供基本條件。電力數(shù)據(jù)作為電力業(yè)務(wù)運行的基本結(jié)果，具有重要的價值，能夠展現(xiàn)電力網(wǎng)絡(luò)、電力設(shè)備運行以及電力資源利用等狀態(tài)，是不可或缺的基本電力要素。因此，對電力數(shù)據(jù)的分析和處理以獲得電力價值是人們不斷研究和探索的重要方向。隨著時間的不斷積累，電力數(shù)據(jù)的收集和處理復(fù)雜度不斷增加。目前，電力數(shù)據(jù)的收集處理呈現(xiàn)零散化和局部化的趨勢，通常在各地數(shù)據(jù)中心進(jìn)行處理和分析。然而，由于電力設(shè)備的網(wǎng)絡(luò)化覆蓋程度還未廣泛深入到偏遠(yuǎn)地區(qū)，一些基礎(chǔ)數(shù)據(jù)存在丟失和遺漏情況，數(shù)據(jù)分析的地域性較強，可能影響決策的實施。隨著電力智能化終端的不斷升級，網(wǎng)絡(luò)化覆蓋程度日益提高，電力運行中的數(shù)據(jù)量也日益增加，數(shù)據(jù)的集中收集和處理難度不斷提高。因此，需要更高效地利用信息化手段，規(guī)范化和機(jī)構(gòu)化地處理數(shù)據(jù)，以進(jìn)一步提升電力數(shù)據(jù)的分析能力和價值。

知識圖譜在不斷發(fā)展中廣泛應(yīng)用，能夠全面化、結(jié)構(gòu)化地為數(shù)據(jù)處理提供手段。知識圖譜的關(guān)鍵要素主要包括實體、關(guān)系和屬性，能夠存儲各實體元素并相互關(guān)聯(lián)。在電力領(lǐng)域，學(xué)者們對知識圖譜的分析和應(yīng)用進(jìn)行了探索和應(yīng)用。學(xué)者李冬在電力調(diào)控中加入知識圖譜進(jìn)行分析，能夠為決策提供參考。學(xué)者沈文首次將電力圖譜的框架進(jìn)行了研究和設(shè)計，標(biāo)志著知識圖譜的發(fā)展進(jìn)入了實用階段。另外，學(xué)者喬振將知識圖譜運用到電力故障監(jiān)測中，并對故障數(shù)據(jù)分析做了應(yīng)用嘗試，這也是知識圖譜的第一次實踐運用，對后續(xù)研究具有重要指導(dǎo)意義。

本文通過收集和分析電力相關(guān)的能耗數(shù)據(jù)以及電力經(jīng)營數(shù)據(jù)，整合電力系統(tǒng)內(nèi)的大數(shù)據(jù)，形成知識架構(gòu)，進(jìn)而提出電力數(shù)據(jù)知識圖譜的構(gòu)建和驗證，并對電力數(shù)據(jù)知識圖譜進(jìn)行應(yīng)用的分析，以提高數(shù)據(jù)的處理和分析效率。這樣的應(yīng)用有望為電力領(lǐng)域的決策和發(fā)展提供重要支持和指導(dǎo)。

一、基于電力數(shù)據(jù)知識圖譜構(gòu)建相關(guān)技術(shù)

電力數(shù)據(jù)知識圖譜的構(gòu)建需要從電力一、二類設(shè)備中采集基礎(chǔ)數(shù)據(jù)，并提取相應(yīng)的知識，然后通過識別電力數(shù)據(jù)的能耗和經(jīng)營數(shù)據(jù)信息，綜合形成對象的知識。利用這些知識進(jìn)行分析和處理，自動識別數(shù)據(jù)的價值，并預(yù)測數(shù)據(jù)的趨勢。一般的流程包括以下幾個步驟。

（一）電力數(shù)據(jù)采集

電力數(shù)據(jù)采集是數(shù)據(jù)處理和分析的前提，是從電力一、二類設(shè)備中提取的一手?jǐn)?shù)據(jù)。這些基本數(shù)據(jù)信息包括電力設(shè)備信息、經(jīng)營數(shù)據(jù)信息、設(shè)備診斷信息、故障預(yù)警信息等。一旦獲得這些原始數(shù)據(jù)，就需要對其進(jìn)行規(guī)范化處理，以形成電力原始數(shù)據(jù)集。

（二）知識數(shù)據(jù)的加工

對于電力數(shù)據(jù)采集的原始數(shù)據(jù)集，需要進(jìn)行加工處理。加工的手段主要包括數(shù)據(jù)中的價值分析，即知識提取分析，以及數(shù)據(jù)的處理審核，也就是知識的處理過程。接著，有價值的數(shù)據(jù)需要進(jìn)行分類和提取，最后進(jìn)行數(shù)據(jù)的融合，并將融合后的知識加入知識圖譜中。這樣可以更好地整合、分析和利用電力數(shù)據(jù)，從而提供更多有價值的信息和見解。

（三）知識圖譜及價值服務(wù)

知識圖譜將采集到的有價值數(shù)據(jù)作為知識點進(jìn)行表示，其模型使用實體、屬性、聯(lián)系等要素來描述。價值服務(wù)是從眾多知識數(shù)據(jù)中提供的一些與電力設(shè)備信息、經(jīng)營數(shù)據(jù)信息、設(shè)備診斷信息，以及故障預(yù)警信息等緊密相關(guān)的知識服務(wù)。

二、電力數(shù)據(jù)知識圖譜搭建方法

電力數(shù)據(jù)知識圖譜的構(gòu)建主要涉及流程層和數(shù)據(jù)層兩方面。流程層主要包括流程中的實體、屬性和關(guān)系，并對其進(jìn)行描述的一種架構(gòu)。數(shù)據(jù)層主要是采用高效的方法對數(shù)據(jù)進(jìn)行實體的選擇和關(guān)系的確定。流程層和數(shù)據(jù)層之間相互關(guān)聯(lián)、相互聯(lián)系，共同構(gòu)成了電力數(shù)據(jù)知識圖譜。

（一）流程層搭建

電力數(shù)據(jù)的價值分析主要關(guān)注電力設(shè)備信息、經(jīng)營數(shù)據(jù)信息、設(shè)備診斷信息以及故障預(yù)警信息等。將本文電力數(shù)據(jù)分析分為以上四個部分，并對應(yīng)分析每個部分的實體、關(guān)系和屬性，也就是實現(xiàn)流程層的搭建。詳細(xì)模塊實體聯(lián)系如下：

電力設(shè)備信息模塊：電力設(shè)備信息模塊的主要實體有設(shè)備讀數(shù)、設(shè)備溫度、設(shè)備運行時間、環(huán)境濕度等，對應(yīng)的聯(lián)系有設(shè)備溫度影響設(shè)備讀數(shù)和設(shè)備運行時間，環(huán)境濕度影響設(shè)備讀數(shù)和設(shè)備運行時間。

經(jīng)營數(shù)據(jù)信息：經(jīng)營數(shù)據(jù)信息主要實體有基礎(chǔ)設(shè)施及維護(hù)成本、電量售價、使用電量、銷售利潤、經(jīng)營指標(biāo)等，對應(yīng)的聯(lián)系有維護(hù)成本影響電量售價和銷售利潤，電量售價影響使用電量、銷售利潤和經(jīng)營指標(biāo)。

設(shè)備診斷信息：設(shè)備診斷主要是指電力設(shè)備檢修等的診斷，主要實體有電力設(shè)備運行狀態(tài)、電力設(shè)備上線時間，電力設(shè)備的精度，電力設(shè)備的損耗程度等，電力設(shè)備的上線時間、損耗程度影響著電力設(shè)備的精度和運行狀態(tài)。

故障預(yù)警信息：故障預(yù)警是設(shè)備的智能化研判結(jié)果，主要實體有故障類型、故障時間、故障等級、故障環(huán)節(jié)，故障維修成本等，故障類型，等級，環(huán)節(jié)影響故障的維修成本，故障發(fā)生時間影響故障的等級和維修成本等。

（二）數(shù)據(jù)層搭建

電力數(shù)據(jù)的數(shù)據(jù)層搭建主要是數(shù)據(jù)模型的搭建，電力數(shù)據(jù)知識圖譜包括實體元素、關(guān)系元素以及知識集合。因此，可用集合來表示知識圖譜，定義kg表示知識圖譜集合，Et為圖譜中的實體元素集合，R為圖譜中的所有實體的關(guān)系元素集合，Kl為各實體與關(guān)系提取的知識集合。如式（1）所示。

Kg={Et，R，Kl }? ? （1）

數(shù)據(jù)層的搭建主要是從流程層中的各實體中提取實體之間的關(guān)系元素，并進(jìn)行知識的融合和不斷地更新。

1.實體提取

對于電力數(shù)據(jù)知識圖譜有基本的實體，屬性作為支撐，不同的實體均有對應(yīng)的屬性和攜帶信息，然后通過流程相連，也就是實體下有一個流程，流程下包括屬性和屬性信息。屬性可以有多個，但一個屬性對應(yīng)的實體和流程是唯一的。本文電力數(shù)據(jù)的知識圖譜主要實體關(guān)注電力設(shè)備信息、經(jīng)營數(shù)據(jù)信息、設(shè)備診斷信息以及故障預(yù)警信息等。知識提取主要采用機(jī)器學(xué)習(xí)算法進(jìn)行識別和抽取，具體流程和方法如下：電力設(shè)備信息、經(jīng)營數(shù)據(jù)信息、設(shè)備診斷信息以及故障預(yù)警信息均為名詞實體，本文選取深度雙向編碼模型也就是bert模型，來對各電力數(shù)據(jù)的實體進(jìn)行提取。流程如下：

①通過標(biāo)簽定義的方式形成實體的原始集合，作為輸入來對雙向模型進(jìn)行訓(xùn)練，標(biāo)簽主要是依據(jù)實體的特征進(jìn)行定義，標(biāo)簽主要包含實體頭部特性，實體中部特性，實體尾部特性以及其他非實體特性。

②選取電力數(shù)據(jù)的原始數(shù)據(jù)，一般為設(shè)備中可導(dǎo)出的excel文件，主要是對文件內(nèi)的表頭以及元組名進(jìn)行識別，識別成功后，提取實體及關(guān)聯(lián)數(shù)據(jù)。

③選取故障預(yù)警信息的原始數(shù)據(jù)集，其中包括序號、時間、設(shè)備名、類型、描述、級別、當(dāng)前值、報警值、恢復(fù)值、用戶、響應(yīng)時間等。對這些實體進(jìn)行識別提取，并標(biāo)注，如實體頭部信息日、設(shè)、類、級、報、當(dāng)、恢等，尾部信息間、名、型、別、值等。對2200條記錄進(jìn)行特征標(biāo)簽，在樣本中選擇1900個作為訓(xùn)練集，其他300作為驗證集。模型驗證可選擇時間、設(shè)備名、類型、級別、當(dāng)前值、報警值以及恢復(fù)值等結(jié)果。

2.關(guān)系提取

電力數(shù)據(jù)知識圖譜的包含的基本關(guān)系R可用式（2）來表示。

R=（NS→[RN：P]→NE）?（2）

記NS為頭特征實體、NE為尾特征實體，RN為關(guān)系名，P為實體的屬性。箭頭指向說明關(guān)系的指向。各實體之間通過機(jī)器學(xué)習(xí)雙向編碼模型識別進(jìn)行提取。

3.知識融合

知識融合是電力數(shù)據(jù)知識圖譜中關(guān)鍵的環(huán)節(jié)，也就是將各實體中基本釋義相近的結(jié)合成單個實體統(tǒng)一表示，如式（3）所示。

E={E1，E2，…，En } （3）

式中，記E1，E2，…，En表示n個釋義接近的實體，E為結(jié)合后的整實體。

對于電力數(shù)據(jù)知識圖譜的構(gòu)建中，知識融合的方法存在部分問題：如對于實體的選取中，各實體的名稱還存在一定的差異，存在有實體名簡稱以及實體名的相近名稱等，如在告警信息的提取中，存在設(shè)備名－變量名、事件類型－告警類型、等級－級別、日期時間－告警時間等。這些實體均為同一實體，只是名稱有所變化，此種情況對于規(guī)則的制定情況比較復(fù)雜，也難以制定統(tǒng)一規(guī)則，因此知識融合可以采用聚類算法開展，也就是首先遍歷原始數(shù)據(jù)中的各個實體信息，通過相似度評估來統(tǒng)計實體之間的相似度，并設(shè)定相似度比較值，高于比較值的實體被認(rèn)定為相近實體進(jìn)行融合，相似度Sm計算如式（4）所示。

式中：X為實體1經(jīng)過拆分單個名詞統(tǒng)計到單詞的出現(xiàn)頻率，y為實體2經(jīng)過拆分單個名詞統(tǒng)計到單詞的出現(xiàn)頻率，X、Y均是一個向量。相似度越高，表明X和Y實體相似度越高。

4.知識更新

由于信息網(wǎng)絡(luò)的不斷覆蓋，電力數(shù)據(jù)的維度和廣度不斷擴(kuò)大，因此數(shù)據(jù)量也變得十分龐大。為了保證電力數(shù)據(jù)知識圖譜模型的分析有效性，需要及時進(jìn)行知識的更新。目前，電力數(shù)據(jù)的維度有限，但隨著智能化電力設(shè)備及設(shè)施的不斷開發(fā)和建設(shè)，一些其他數(shù)據(jù)的價值也不斷凸顯。因此，需要對電力數(shù)據(jù)知識圖譜的數(shù)據(jù)層進(jìn)行相應(yīng)的調(diào)整和變更。新加入的實體及屬性信息也需要經(jīng)過知識融合后才能形成完整的知識圖譜。同時，需要對不適用的關(guān)系和流程進(jìn)行更新和剔除，以確保知識圖譜的時效性和準(zhǔn)確性。

（三）電力數(shù)據(jù)知識圖譜的可視化

通過高性能Neo4j數(shù)據(jù)庫對本文電力知識圖譜進(jìn)行頁面展現(xiàn)，可以集中展示電力數(shù)據(jù)知識圖譜中的實體、屬性和聯(lián)系。這種展示不僅能清晰展現(xiàn)電力數(shù)據(jù)知識圖譜的結(jié)構(gòu)，還可以支持快速的查找功能。特別是針對設(shè)備狀態(tài)和告警信息，快速查找功能可以幫助快速定位問題并有效處理，進(jìn)一步提高工作效率。

三、電力數(shù)據(jù)知識圖譜的典型應(yīng)用

本文以電力數(shù)據(jù)中的設(shè)備故障告警事件為案例，以分析和建議電力數(shù)據(jù)知識圖譜在該事件中的應(yīng)用，并進(jìn)一步分析結(jié)果。在2020年湖南省某村鎮(zhèn)突然出現(xiàn)大面積斷電的事件中，當(dāng)?shù)毓╇姽狙杆俳M織了排查工作，并成立臨時保障小組，進(jìn)行了指導(dǎo)、勘察、排除和檢修等一系列環(huán)節(jié)。經(jīng)過6個小時的排查和檢修，最終成功恢復(fù)了供電。事故的原因在于該鄉(xiāng)鎮(zhèn)的300多臺電力終端中有一臺發(fā)生故障，導(dǎo)致了全線停電。從上述案例中可以看出，雖然供電公司響應(yīng)及時，但是排查問題的速度需要進(jìn)一步提高，無法在規(guī)定的2小時內(nèi)完成供電的恢復(fù)，從而造成了該地工業(yè)產(chǎn)業(yè)方面的損失。為了快速解決此類事件，可以通過電力數(shù)據(jù)知識圖譜來分析設(shè)備狀態(tài)和故障告警信息，從而快速定位到故障終端，并進(jìn)行維修和通電操作，以減少工業(yè)企業(yè)的損失。

本文基于終端搭建的停電事件數(shù)據(jù)知識圖譜，通過收集上表終端設(shè)備中的各類信息，通過收集終端設(shè)備中的各類信息，可以快速識別出可疑終端Vm74。盡管這臺終端沒有出現(xiàn)設(shè)備告警信息，但是通過知識圖譜結(jié)合設(shè)備運行狀態(tài)、設(shè)備溫度、設(shè)備使用時間和設(shè)備讀數(shù)時延等多種信息進(jìn)行綜合評判，人們可以找到運行狀態(tài)、溫度、使用時間等異常的終端，并根據(jù)算法權(quán)重計算風(fēng)險指數(shù)，發(fā)現(xiàn)Vm74設(shè)備溫度達(dá)到了33.4度，設(shè)備讀數(shù)延遲達(dá)到了11.3秒，綜合風(fēng)險指數(shù)達(dá)到了90%。因此，Vm74成為了需要關(guān)注維修的重要設(shè)備。這與實際事故檢修的結(jié)果一致，識別率較高。

四、結(jié)束語

本文基于電力數(shù)據(jù)的發(fā)展現(xiàn)狀，旨在研究電力數(shù)據(jù)的潛在價值，并利用知識圖譜與電力數(shù)據(jù)相結(jié)合，搭建了電力數(shù)據(jù)知識圖譜。通過對電力關(guān)鍵指標(biāo)數(shù)據(jù)的分析，能夠快速定位電力數(shù)據(jù)的影響因素。同時，通過一個電力停電故障的實例，分析了電力數(shù)據(jù)知識圖譜在提升電力業(yè)務(wù)效率方面的有效性。