马骏 李泽华 沈铭科

摘  要：文章提出了一种基于NL2SQL的电厂设备缺陷数据查询统计方法，将设备缺陷数据查询文本转化成SQL语句执行并返回查询统计结果。利用基于NLP预训练模型，将SQL语句预测模型划分为全局条件逻辑运算符预测、条件比较运算符和条件值预测、条件列预测、指标列聚合操作符和指标列预测等四个组件，并在搭建的电厂设备缺陷数据集上进行了测试验证。测试结果表明模型具有良好的SQL语句预测精度和执行效果。

关键词：NL2SQL;电厂;设备缺陷;数据统计;SQL语句预测

中图分类号：TP311.1                  文献标识码：A文章编号：2096-4706（2021）15-0176-04

Abstract： This paper proposes a method for statistical analysis of power plant equipment defect data based on NL2SQL， which converts the query text of equipment defect data into SQL statements for execution and returns the query statistics results. Using the NLP-based pre-training model， the SQL statement prediction model is divided into four components： global conditional logic operator prediction， conditional comparison operator and condition value prediction， conditional column prediction， indicator column aggregation operator， and indicator column prediction. Test verification is carried out on the built power plant equipment defect data set. The test result shows that the model has good SQL statement prediction accuracy and execution effect.

Keywords： NL2SQL; power plant; equipment defect; data statistics; SQL statement prediction

0  引  言

電厂中由于设备数量众多，运行时间长，因此存在海量的设备缺陷数据。但是设备运维人员往往缺少有效手段进行方便快捷的获取及统计分析数据，宝贵的设备缺陷数据价值无法有效支撑到日常业务中。主要存在以下问题：（1）设备缺陷数据相关系统一般操作烦琐，耗用时间长，查询效率差;（2）电厂对缺陷业务分析需求经常无法提前预测，基层员工需花费大量时间为领导的报表需求进行数据查询搜索和报表整合，增加了领导决策时间;（3）当前设备缺陷数据信息查询，往往基于纯规则模式对用户的查询意图进行定制开发，虽然能够暂时满足部分业务的查询及统计分析的需求，但当要扩展到更多的数据统计分析需求时，往往要进行重新开发，开发周期长、成本高，运维难[1，2]。NL2SQL是一种将自然语言查询语句自动解析为SQL查询语句的技术，让用户可以口语化方式查询业务系统或数据仓库中的结构化数据，解决传统需要进入系统才能查询数据的烦琐过程，并在多个行业领域进行了应用，是一种轻量化、低成本的数据统计分析方式[3-5]。……