(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211225243.6 (22)申请日 2022.10.09 (71)申请人 昆明能讯科技有限责任公司 地址 650000 云南省昆明市经开区云大西 路104号云电科技园二期昆明能讯科 技有限责任公司 (72)发明人 李晓帆　 (74)专利代理 机构 昆明今威专利商标代理有限 公司 53115 专利代理师 赛晓刚 (51)Int.Cl. G06F 16/36(2019.01) G06F 16/31(2019.01) G06F 40/289(2020.01) G06N 5/04(2006.01)G06Q 10/06(2012.01) G06Q 50/06(2012.01) (54)发明名称 基于大数据知识图谱的配电网设备评价方 法及存储介质 (57)摘要 一种基于大数据知识图谱的配电网设备评 价方法及存储介质， 包括： 1)将配网设备报修工 单数据使用NLP自然语言处理算法处理为实体与 关系的三元 组； 2)将三元组数据导入图数据库建 立知识图谱； 3)通过图谱社区发现与图谱推理算 法寻找配电网设备和故障实体间的关系； 4)根据 每个设备与故障的直接与间接关系， 构建设备评 价算法。 本发明解决了配电网设备评价不够直 观， 评价指标过于主观且不同设备的指标各不相 同， 体系过于复杂的问题， 将所有设备的故障情 况统一构建图谱， 通过图谱设备实体与故障实 体、 消缺实体 之间的关系， 以此为评价指标， 大大 简化了设备评价指标， 且 更加具象化、 自动化、 客 观化， 具有思路清晰， 实用价值高， 适合推广使用 的优点。 权利要求书1页 说明书4页 附图1页 CN 115525772 A 2022.12.27 CN 115525772 A 1.一种基于大 数据知识图谱的配电网设备评价方法， 其特 征在于， 包括以下步骤： 步骤S10， 将配网设备报修工单数据使用NLP自然语言处理算法处理为实体与关系的三 元组； 步骤S20， 将三元组数据导入neo 4j图数据库建立知识图谱； 步骤S30， 通过图谱社区发现与图谱推理算法寻找配电网设备和故障实体间的关系； 步骤S40， 根据每 个设备与故障的直接与间接关系， 构建 设备评价 算法。 2.如权利要求1所述的基于大数据知识图谱的配电网设备评价方法， 其特征在于， 在步 骤S10中， 使用t ransformer模型识别实体， 使用CN N模型抽取实体间的关系。 3.如权利要求1所述的基于大数据知识图谱的配电网设备评价方法， 其特征在于， 步骤 S40还包括： 根据故障的类型以及故障与设备间的关系， 设直接故障次数为DN， 直接故障系数为a， 间接故障次数为 IDN， 间接故障系数为b， 间接关系间隔为RN， 其中： 直接故障系数a为： 最近一年发生直接故障次数DNY/最近五年发生直接故障的次数 DNFY， 间接故障系数为b为： 最近一年发生间接故障次数IDNY/最近五年发生间接故障的次数 IDNFY， 设备评价公式为： score＝a ·DN+bRN·IDN,通过计算公式得到对一设备的最终评价分 数， 如果设备最近一 年没有发生过故障， 则评分为0 。 4.如权利要求3所述的基于大数据知识图谱的配电网设备评价方法， 其特征在于， 步骤 S40还包括： 将所有设备的分数用最大最小值法进行归一化处理， 归一化公 式为： 其 中xmin为最小评分， xmax为最大评分， 将 评分控制在0到1的范围之间， 分数越高则危险程度越 高。 5.如权利要求1 ‑4任一项所述的基于大数据知识图谱的配电网设备评价方法， 其特征 在于， 通过知识图谱表示设备与故障之间的关系， 形成实体、 关系的三元组。 6.如权利要求1 ‑4任一项所述的基于大数据知识图谱的配电网设备评价方法， 其特征 在于， 通过图谱检索出的设备与故障之间的关系， 构建 设备状态评价 算法。 7.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序能 够被处理器执行以实现如权利要求 1‑6中任一项 所述的基于大数据知识图谱的配电网设备 评价方法的步骤。权　利　要　求　书 1/1 页 2 CN 115525772 A 2基于大数据知识图谱的配电网 设备评价方法及存储介质 技术领域 [0001]本发明属于知识图谱分析应用技术领域， 尤其涉及一种基于大数据知识图谱的配 电网设备评价方法及存 储介质。 背景技术 [0002]随着社会的发展与科学的进步， 人们对安全可靠供电的要求越来越高， 为满足日 益增长的高供电需求， 电网规模逐渐扩 大， 设备日益增多， 随之而来的设备运行风险逐渐显 现。 在电网设备的长期运行过程中， 由于外力破坏、 运行环境以及结构老化等因素影响， 其 各种技术性能都会出现不同程度地降低， 影响整个电力系统的正常运行和电网设备运维的 经济性。 因此， 必须站在尽可能减少电网运行风险的高度， 建立起科学合理的电网设备运行 状态评价与风险评估模型， 实现风险预控， 增强设备检修的针对性和有效性， 保障电力系统 的安全稳定运行。 [0003]近年来， 随着电力企业对设备运维与管理要求的不断提高及设备状态评价理论的 深人研究， 电网设备的状态评价与状态检修受到了高度关注， 尤其是以监测系统、 人工检测 等状态检测分析为基础的电网设备状态评价理论和方法逐渐成为如今电力企业进行设备 运维与管理工作的核心。 然而常常会因为受到系统内部和 零部件之间存在的结构多样化、 内在强耦合 性、 复杂的运行环境 等问题.会导 致实际的问题非常的棘手。 [0004]同时， 目前电力企业所采用的电网设备评价方法中， 设备部件权重 的制定往往依 赖人的主观因素， 缺乏定性与定量相结合的、 科 学的分析 结果作为依据。 发明内容 [0005]本发明的目的在于提供一种更客观准确的设备评价方法， 将不同设备发生过的故 障与间接故障等联系起来， 进行统一评价。 本发明使用知识图谱结合报修大数据分析算法 的电网设备状态评价方法， 将设备与故障之间的关系 具象化， 而且可以找出它们之间的隐 藏关系， 使设备状态评价有更多的客观依据， 评价更为准确， 且不需人工主观干预， 自动化 程度更高。 [0006]本发明的技 术方案为： [0007]一种基于大 数据知识图谱的配电网设备评价方法， 主 要包括以下步骤： [0008]步骤S10， 将配网设备报修工单数据使用NLP自然语言处理算法处理为实体与关系 的三元组， 将配网设备报修工单数据使用python语言中的第三方库transformer模型将工 单中的设备和故障实体识别出来。 使用百度paddle框架封装的transfomer模型lac进行实 体以及关系识别； [0009]步骤S20， 将提取出的设备与故障实体与设备与故障间的关系融合成实体关系三 元组， 并通过neo4j自带的neo4j ‑admin import方法将三元组嵌入neo4j图谱数据库， 具体 语句为： neo4j ‑admin import‑‑database＝neo4j ‑‑nodes“import/sto.csv ” ‑‑nodes “import/con.csv ” ‑‑relationships “import/rel.csv ” ‑‑ignore‑empty‑strings‑‑skip‑说　明　书 1/4 页 3 CN 115525772 A 3