孙玉芹, 肖静婷, 王海超

(上海电力大学数理学院, 上海 201306)

随着能源互联网的不断发展,电力领域知识体系逐渐呈现出开放式、扁平化、边界模糊的特点,进一步加剧了电力系统智能化的复杂性。因此电力运检领域知识图谱[1-3]的构建是一个亟待研究的问题。通过构建电力运检领域的知识图谱,以结构化方式刻画电力运检中的概念、实体、事件及其间的关系,对海量的电力运检数据进行深度挖掘、相关性分析等智能化分析,获取数据之间的相互关联、归属以及同义关系,实现数据可视化。

电力运检是为了提高电力系统的抗风险能力,使其安全稳定地运转。具体工作内容是通过制定检修计划,定期对电力设备进行检查维护、维修调试以及改造换代,在发生诸如恶劣天气引发的电力设备突然瘫痪等突发状况时能够及时处理,阻断电力事故的进一步扩大,使得损失最小化。将知识图谱与电力运检相结合构建电力运检自动问答系统,通过理解问答,在知识图谱中进行搜索、推理得到答案,帮助运检人员快速查找问题,确定故障原因得到故障应急方案和巡检方案等,从而最大程度地提高了电力运检的灵活性。

知识抽取、知识融合、知识加工和知识更新是构建知识图谱的重要部分[4]。知识抽取也称信息抽取,分为实体抽取、属性抽取和关系抽取。命名实体识别又可称为专名识别,就是知识抽取中的实体抽取和属性抽取两部分,它从数据源中抽取出具有特定意义或指代性强的实体[5],在通用领域实体主要包括人名、地名、机构名等;在专业领域通常指该领域内的专有名词,是构建知识图谱任务中的一个关键基础步骤。……