(19)中华 人民共和国 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 202111558666.5 (22)申请日 2021.12.20 (71)申请人 国网湖南省电力有限公司 地址 410004 湖南省长 沙市新韶东路398号 申请人 国网湖南省电力有限公司检修公司 　 国家电网有限公司 (72)发明人 范琪　瞿旭　刘卫东　李国栋　 宋华伟　章健军　伍艺佳　于艺盛　 颜碧炎　李斌　漆展　林文哲　 王庚平　任伟　谭庆科　 (74)专利代理 机构 湖南兆弘专利事务所(普通 合伙) 43008 代理人 谭武艺 (51)Int.Cl. G06Q 10/00(2012.01)G06Q 50/06(2012.01) G06F 16/901(2019.01) G06F 40/242(2020.01) G06F 40/295(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06N 5/02(2006.01) G06N 5/04(2006.01) G06N 20/00(2019.01) (54)发明名称 一种变电站设备告警智能决策方法及系统 (57)摘要 本发明公开了一种变电站设备告警智能决 策方法及系统， 本发明包括获取变电站的多源异 构的多种设备状态数据的样本； 生成统一结构化 状态数据， 进行知识抽取建立故障推理知识规则 库； 将设备状态词典中的设备状态、 设备关系词 典中的设备关系采用分布式表示学习方法方法 进行编码， 并设计评分函数和损失函数优化分布 式表示学习方法方法， 实现一套典型处置方案的 编码方法R； 针对任意时刻的设备状态数据用编 码方法R编码后在故障推理知识规则库查找确定 对应的典型处置方案并生 成状态分析报告。 本发 明可有效用于指导和辅助运行人员 快速对告警 或异常信号作出准确的判断， 提高电站运维管理 水平。 权利要求书2页 说明书6页 附图5页 CN 114298339 A 2022.04.08 CN 114298339 A 1.一种变电站设备告警智能决策 方法， 其特 征在于， 包括： 1)获取变电站的多源异构的多种设备状态数据的样本； 2)将多源异构的多种设备状态数据的样本进行 数据治理， 生成统一结构化状态数据； 3)基于预先构建的设备状态词典、 设备关系词典作为知识支持， 将统一结构化状态数 据进行知识抽取， 建立故障推理知识规则库； 4)将设备状态词典中的设备状态、 设备关系词典中的设备关系 采用分布式表示学习方 法方法进行编码， 并设计评分函数和损失函数优化分布式表示学习 方法方法， 最终实现一 套典型处置方案的编码方法R； 5)针对任意时刻的设备状态数据， 将该设备状态数据利用编码方法R转化为状态向量， 并根据转化得到的状态向量， 在故障推理知识 规则库查找确定对应的典型 处置方案并生成 状态分析报告。 2.根据权利要求1所述的变电站设备告警智能决策方法， 其特征在于， 步骤1)中多源异 构的多种设备状态数据的设备包括一次设备、 二次设备、 辅助设备， 多种设备状态数据包括 告警信息、 台账信息、 故障信息 。 3.根据权利要求2所述的变电站设备告警智能决策方法， 其特征在于， 步骤2)中的数据 治理包括 缺失处理和异常处 理。 4.根据权利要求3所述的变电站设备告警智能决策方法， 其特征在于， 步骤2)中生成统 一结构化状态数据具体是指将多种设备状态按照 指定的顺序进行排列汇聚， 得到统一结构 化状态数据， 所述统一结构化状态数据中包 含多种表示设备状态的字段及其对应的数据。 5.根据权利要求 4所述的变电站设备告警智能决策 方法， 其特 征在于， 步骤3)包括： 3.1)以one ‑hot的编码方法将设备状态词典中的设备状态、 设备关系词 典中的设备关 系转化为一 维向量x， 以词嵌入的方法构 造自编码器对一维向量x进 行学习， 将一 维向量x压 缩为低维向量h以利于区分不同的词； 3.2)将设备状态词典中的设备状态视为实体、 设备关系词典中的设备关系视为关系， 将低维向量h作为输入、 低维向量h对应的实体类型作为输出， 训练一个基于机器学习网络 的设备状态实体识别模型， 并通过训练好的设备状态实体识别模型来对统一结构化状态数 据进行知识抽取， 分别抽取出其中的实体和关系， 并将实体和关系以知识三元组的方式建 立故障推理知识规则库， 所述知识三元组包括实体1 ‑关系‑实体2、 实体 ‑属性‑属性值两种 三元组， 实体1 ‑关系‑实体2表示两个不同的实体及其之间的关系， 实体 ‑属性‑属性值表示 某个实体及其对应的属性以及属性 值； 3.3)将所有的知识三元组根据表示 为有向图， 完成故障推理知识规则库的构建。 6.根据权利要求5所述的变电站设备告警智能决策方法， 其特征在于， 步骤3.2)中的设 备状态实体识别模型为双向循环神经网络， 所述双向循环神经网络包括依次相连的词嵌入 层、 双向循环神经网络编码 器Bi‑LSTM以条件随机场层CRF， 所述词嵌入层 包括输入层、 隐藏 层和输出层， 所述输入层用于将输入的V个词x1～xV进行词嵌入得到V个输出的y1～yV， 所述 双向循环神经网络编码器Bi ‑LSTM用于对词嵌入层的V个输出的y1～yV进行编码后输出到条 件随机场层CRF， 所述条件随机场层CRF用于对双向循环神经网络编码器Bi ‑LSTM的输出赋 予对应的字符标签。 7.根据权利要求6所述的变电站设备告警智能决策方法， 其特征在于， 步骤4)中的评分权　利　要　求　书 1/2 页 2 CN 114298339 A 2函数的函数表达式为： 上式中， fr(h， t)表示头实体h和尾实体t的评分， h和t分别为一组头实体和尾实体， r为 头实体h和尾实体t之间的关系边， L1表示L1范数， L2表示L2范数； 步骤4)中的损失函数的函 数表达式为： L＝∑(h， r， t)∈S∑(h′， r′， t′)∈S′max(0， fr(h， t)+γ ‑fr(h′， t′))， 上式中， L表示损失函数， (h， r， t)∈S为头实体h和尾实体t在关系边r下的邻接点集， (h′， r′， t′)∈S′为头实体h ′和尾实体t ′在关系边r ′下的邻接点集， max为取最大值， fr(h， t)表示头实体h和尾实体t的评分， fr(h′， t′)表示头实体h ′和尾实体t ′的评分， γ为样本影 响半径的倒数。 8.根据权利要求7所述的变电站设备告警智能决策方法， 其特征在于， 步骤4)中在故障 推理知识规则库查找设置采用图搜索的方法查找， 所述图搜索的方法为深度优先或广度优 先的图搜索方法。 9.一种变电站设备告警智能决策系统， 包括相互连接的微处理器和存储器， 其特征在 于， 该微处理器被编程或配置以执行权利要求 1～8中任意一项 所述变电站设备告警智能决 策方法的步骤。 10.一种计算机可读存储介质， 其特征在于， 该计算机可读存储介质中存储有用于被计 算机设备执行以实施权利要求1～8 中任意一项所述变电站设备告警智能决策方法的计算 机程序。权　利　要　求　书 2/2 页 3 CN 114298339 A 3