一种基于自然语言解析的检修申请自动成票方法

本发明涉及电力检修技术领域，具体涉及一种基于自然语言解析的检修申请自动成票方法。

随着电网规模扩大、新能源迅猛发展，运行特性日益复杂，调控一体化全面施行变电站集中监控无人值守模式，在实际调度运行中，运行人员需要对大量数据、知识规则进行人工关联、分析和处理，特别是大运行“调控一体化”模式下，调度员需要对综合停电申请、运行方式、操作规程等依赖人工经验完成操作任务和操作方案的人工编制，重复性劳动较多，难以及时快速提取重点，不能得到有效的决策支持，缺少操作方案智能化编制手段。

因此，迫切需要利用人工智能领域技术结合电网知识特性，研究挖掘调控操作自动化、程序化、智能化方案，提高计划编制效率，降低停电风险，最小化停电检修对电网运行的负面影响。

本发明的目的在于提供一种基于自然语言解析的检修申请自动成票方法，以解决现有技术中的技术问题。

为解决上述技术问题，本发明具体提供下述技术方案：

一种基于自然语言解析的检修申请自动成票方法，包括如下步骤：

读取调控检修工作历史记录作为样本，并对样本数据进行清洗过滤操作，完成检修申请记录和检修操作记录的关联对应；

利用自然语言处理技术对所述样本数据进行多维度分析，形成调控领域语料库；

学习电力系统相关知识，对所述样本数据进行分类并完成结构化存储录入，建立调控语言特征点模型集；

基于所述调控语言特征点模型集进行检修申请的快速解析处理，对所述检修申请记录进行打包分组；

校核检修工作安全措施的完整性，推导操作方案以及操作命令，自动生成操作票。

可选的，所述工作历史记录包括：电网历史停电检修申请数据、检修申请关联调度操作票及操作命令、电网设备模型、变电站主接线图及正常运行方式。

可选的，所述利用自然语言处理技术对所述样本数据进行多维度分析，形成调控领域语料库包括：

简化后续检修申请的解析处理过程的步骤指分词识别、命名实体识别、词性标注的词法分析，依存关系分析的语法分析，词义消歧、意图识别、语义表示的语义分析，以及结合设备特征点与检修工作特征点进行操作命令生成的语用分析。

可选的，所述校核安全措施完整性具体包括：

校核安全措施项，所述安全措施项包括设备的停电是否需要停电、是否需要停保护、是否需要停重合闸、开关是否需要旁带、是否需要核相、是否需要定相、是否需要保护、是否需要测量向量以及是否影响其他设备供电。

可选的，所述步骤利用自然语言处理技术对所述样本数据进行多维度分析，形成调控领域语料库，简化后续检修申请的解析处理过程，包括：

逐条解析历史检修申请记录，对停电检修申请中的检修内容、停电范围进行解析处理，提取设备类型、电压等级、厂站、设备编号及名称、保护型号的结构化信息；

采用基于马尔可夫模型的三元语法模型，通过标准语料库对提取结构化信息后余下内容进行分词，通过计算各种分词方法对应的联合分布概率，到最大概率对应的分词方法，即到最优分词；

根据样本经自然语言处理得到的最优分词，在标准语料库的基础上构建调控领域语料库，提炼电力检修工作的特征点。

可选的，所述步骤学习电力系统相关知识，分类并完成结构化存储录入，建立调控语言特征点模型集，包括：

获取电网设备基础模型，学习设备接线方式、运行方式、台帐参数信息；

学习调度规程种电网各类接线方式、运行方式下操作的多种规定，并进行结构化拆分后录入规则库，且定期更新调度规整规则库；

学习保护细则中保护相关操作的各类规定，以及线路、母线的保护配置等，结构化拆分录入规则库；

根据电力系统相关知识及调控领域语料库，按照电压等级、设备类型、接线方式、检修工作类别形成调控语言特征点模型集。

可选的，所述步骤基于调控语言特征点模型集进行检修申请的快速解析处理，以实现检修申请的打包分组，包括：

基于调控语言特征点模型集，对检修申请中的停电范围和检修内容进行解析；

汇总所有检修申请单，结合检修目的、检修时间，对检修申请单自动打包分组。

可选的，所述步骤校核检修工作安全措施的完整性，推导操作方案以及操作命令，自动生成操作票，包括：

根据检修的工作内容特征点，自动解析所需的安全措施；

根据解析出来的安全措施的要求，结合接线方式、运行方式，以及设备的调度权归属、电压等级，生成相应的操作命令。

可选的，所述学习调度规程种电网各类接线方式、运行方式下操作的多种规定包括通用的规则、特定接线方式规则、特定设备的规则。

本发明与现有技术相比较具有如下有益效果：

本发明通过对电网调控运行操作的深入研究，通过获取检修申请票，结合电力调控语境进行自然语言处理，自动分析提取检修申请中的有效内容，依据检修工作规则知识库进行匹配，分析真实的停电范围、工作步骤，实现对检修申请的分组打包，结合操作规则知识库，对常规检修申请，实现根据检修申请自动生成操作票。

为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图引伸获得其它的实施附图。

图1为本发明提供的一种实施例的方法流程图；

图2为本发明提供的一种实施例的实施流程图。

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，本发明提供了一种基于自然语言解析的检修申请自动成票方法，包括如下步骤：

步骤100、读取调控检修工作历史记录作为样本，并对样本数据进行清洗过滤操作，以完成检修申请记录和检修操作记录的关联对应。

其中，样本数据主要电网历史停电检修申请数据、检修申请关联调度操作票及操作命令、电网设备模型、变电站主接线图及正常运行方式。

步骤200、利用自然语言处理技术对样本数据进行多维度分析，形成调控领域语料库，简化后续检修申请的解析处理过程；主要指分词识别、命名实体识别、词性标注的词法分析，依存关系分析的语法分析，词义消歧、意图识别、语义表示的语义分析，以及结合设备特征点与检修工作特征点进行操作命令生成的语用分析。

步骤300、学习电力系统相关知识，分类并完成结构化存储录入，建立调控语言特征点模型集；

步骤400、基于调控语言特征点模型集进行检修申请的快速解析处理，以实现检修申请的打包分组。

步骤500、校核检修工作安全措施的完整性，推导操作方案以及操作命令，自动生成操作票，主要包括设备的停电是否需要停电、是否需要停保护、是否需要停重合闸、开关是否需要旁带、是否需要核相、是否需要定相、是否需要保护、是否需要测量向量、是否影响其他设备供电的安全措施项。

其中步骤200的实现方法包括：

逐条解析历史检修申请记录，对停电检修申请中的检修内容、停电范围进行解析处理，提取设备类型、电压等级、厂站、设备编号及名称、保护型号的结构化信息。

采用基于马尔可夫模型的三元语法模型，通过标准语料库对提取结构化信息后余下内容进行分词，通过计算各种分词方法对应的联合分布概率，到最大概率对应的分词方法，即到最优分词。

根据样本经自然语言处理得到的最优分词，在标准语料库的基础上构建调控领域语料库，提炼电力检修工作的特征点。

其中步骤300的实现方法包括：

获取电网设备基础模型，学习设备接线方式、运行方式、台帐参数信息；

学习调度规程种电网各类接线方式、运行方式下操作的多种规定，并进行结构化拆分后录入规则库，且定期更新调度规整规则库。

学习保护细则中保护相关操作的各类规定，以及线路、母线的保护配置等，结构化拆分录入规则库。

根据电力系统相关知识及调控领域语料库，按照电压等级、设备类型、接线方式、检修工作类别形成调控语言特征点模型集。

其中步骤400的实现方法包括：

基于调控语言特征点模型集，对检修申请中的停电范围和检修内容进行解析。

汇总所有检修申请单，结合检修目的、检修时间，对检修申请单自动打包分组。

其中步骤500的实现方法包括：

根据检修的工作内容特征点，自动解析所需的安全措施。

根据解析出来的安全措施的要求，结合接线方式、运行方式，以及设备的调度权归属、电压等级，生成相应的操作命令。

作为本发明的一种优选方案，学习调度规程种电网各类接线方式、运行方式下操作的多种规定包括通用的规则、特定接线方式规则、特定设备的规则。

如不直接接入生产控制大区进行迭代完善，也可采用接入其他未作为分析构建专家模型的历史数据作为测试样本，进行迭代完善。

本发明基于人工智能领域中的自然语言处理技术，结合电网知识特性，深入研究调控检修工作种检修业务流程以及调度操作方案编制规则，基于电网拓扑的接线方式、运行方式，根据检修目的，对各类检修工作过程中的方式安排、保护配合等相关工作进行智能判断，保证生成操作方案的准确性和工作措施安排的合理性，辨识检修申请的停电范围、工作内容，实现对检修申请的分组打包，实现多条检修工作的智能组合，缩短停电窗口期，并根据电网拓扑确定运行方式调整策略自动生成操作方案，针对操作安全措施的完整性进行校核，在提高计划编制效率同时保证了操作的准确性和工作措施安排的合理性，减少重复性人工劳作。

如图2所示，以下提供本发明一种基于自然语言解析的检修申请自动成票方法的一种具体实施例，具体实施过程如下：

1)对接至少为期一年电网历史停电检修申请数据、检修申请关联调度操作票及操作命令、电网设备模型、变电站主接线图及正常运行方式，对每一条检修申请记录进行初步处理分析，过滤未执行或无实际操作票关联记录；

2)逐条解析历史检修申请记录，对停电检修申请中的检修内容、停电范围进行解析处理，提取设备类型、电压等级、厂站、设备编号及名称、保护型号等结构化信息，结构化信息不进行分割分词；通过标准语料库对提取结构化信息后余下内容进行分词，分词使用三元语法向前追溯，通过计算各种分词方法对应的联合分布概率，到最大概率对应的分词方法，即到最优分词；

3)例如，“断开110kV跃立站跃连线121开关，拉开110kV跃立站跃连线线路侧1014刀闸，拉开110kV跃立站跃连贰线线路侧1034刀闸；

4)计算机判断出刀闸编号需要分切，并将其分割为1014、1034两个编号；

5)最终将设备定位为“跃立站/110kV.1014刀闸”、“跃立站/110kV.1034刀闸”两个设备；

6)根据样本经自然语言处理得到的最优分词，在标准语料库的基础上构建调控领域语料库，提炼电力检修工作特征点；

7)获取电网设备基础模型，学习设备的接线方式、运行方式、台帐参数等信息；

8)学习调度规程种电网各类接线方式、运行方式下操作的各种规定，包括通用的规则、特定接线方式规则、特定设备的规则，进行结构化拆分后录入规则库，因电网运行方式及操作规范的调整，需定期更新调度规整规则库；

9)学习保护细则中保护相关操作的各类规定，以及线路、母线的保护配置等，例如：各个电压等级保护运行的规定；旁带、单电源等方式下包含运行的要求；母线、主变、中性点的运行方式；线路、母线的保护配置等，将保护细则进行分解，按照电压等级和运行方式结构化拆分形成保护细则的规则库；

10)根据电力系统相关知识及调控领域语料库，按照电压等级、设备类型、接线方式、检修工作类别等形成调控语言特征点模型集；

11)提炼得到电力系统基础特征点，例如：电压等级，包括1000kV、750kV、500kV、330kV、220kV、110kV、66kV、35kV；接线方式，包括3/2接线、双母线带旁路、双母线、单母线带旁路、单母线、内桥接线、外桥接线等；

12)提炼得到设备相关特征点，例如：设备类型，包括断路器、隔离开关、接地刀闸、主变、母线、线路、电压互感器、站用变、电容器、电抗器等；设备状态，包括：运行、热备用、冷备用、检修；设备操作，包括各类逐项令、综合令；设备参数，厂家、型号、阻抗值等；

13)分析检修设备及安全措施，得到检修目的及要求；汇总所有检修申请单，结合检修目的、检修时间，对检修申请单自动打包分组；

14)例如，采用一例非样本数据内的历史检修记录及操作方案进行本方法测试，针对检修申请“201x/02/02跃立站110kV跃连线121开关及线路退出运行”、“201x/02/02立站110kV跃连线1014刀闸检修”两张停电检修申请单进行解析处理；

15)首先根据检修时间检索检修申请，为检修申请打包分组做初步过滤，继而完成检修申请合并，依据除了时间相同或相近，还要求检修设备之间有互相影响停送电的拓扑关系，本例中检修设备中包含同样的设备，自然可以合并；

16)得到整体检修任务中的相关设备，包括：跃连线、跃立站/110kV.121开关、跃立站/110kV.1014刀闸；

17)提取厂站、设备相关的信息，包括：跃立站站名；相关设备都是属于同一调度管辖单位；线路管辖单位：高压输电；

18)根据检修的工作内容特征点，自动解析所需的安全措施；

19)根据解析出来的安全措施的要求，结合接线方式、运行方式，以及设备的调度权归属、电压等级等，生成相应的操作命令；

20)经观察对比，自动生成的信息和实际操作票系统中的信息，除了高压输电的汇报人这类需要根据实际情况临时填写的信息之外，信息完全一致，符合操作方案生成的要求。

以上实施例仅为本申请的示例性实施例，不用于限制本申请，本申请的保护范围由权利要求书限定。本领域技术人员可以在本申请的实质和保护范围内，对本申请做出各种修改或等同替换，这种修改或等同替换也应视为落在本申请的保护范围内。