电力领域知识图谱技术进展与应用实践

目 录CONTENTS人工智能应用所简介01.电力知识工程的背景、内核及发展历程02.电力领域知识表示与图谱构建03.电力领域知识图谱的应用实践04.05. 电力领域知识图谱的未来挑战基本情况-职能定位人工智能应用研究所（人工智能所）成立于2018年，是国家电网有限公司唯一人工智能应用技术的重要研究和支撑机构，聚焦电力领域智能感知、大数据、智能平台、智能认知和智能应用五大研究方向，全面支撑电力人工智能应用类技术的科研攻关和推广应用。服务公司发展落实战略部署挖掘应用场景攻关核心技术制定解决方案推动成果转化基本情况-组织机构5平均年龄33岁34%博士比例100%硕士及以上学历下设智能感知研究室、大数据应用研究室、平台技术研究室、智能认知研究室、和智能技术应用研究室5个专业研究室，以及综合管理办公室1个管理部门。截至2020年底，人工智能所拥有员工近70人，平均年龄32.7岁，硕士及以上学历占比100%、博士占比34%。大数据应用研究室智能技术应用研究室智能感知研究室综合管理办公室人工智能所平台技术研究室智能认知研究室承担了中国电机工程学会人工智能专委会、中电联人工智能标准化技术委员会、IEEE PES人工智能分委会、中国人工智能学会智慧能源专委会，以及中国人工智能产业发展联盟（AIIA）挂靠工作。建立了各类电力人工智能科研平台，打造电力人工智能学术生态。6科研平台能源互联网全模仿真中心智能传感联合实验室电力人工智能展示体验中心学术组织基本情况-学术生态电力系统作为一种资产庞杂、知识密集的电能生产与消费系统，支撑着多种能源的转换、互联、传输、交互，涉及发、输、变、配、用等多个领域的系统性知识体系。近年来，随着我国能源互联网企业建设进程的逐步推进，电力领域知识体系愈发呈现出开放式、扁平化、边界模糊化的发展趋势，进一步加剧了电力系统智能认知的复杂性。亟待引入知识图谱这一新兴知识工程技术，以结构化方式刻画电力系统中的概念、实体、事件及其间的关系，推动电力人工智能有序发展。然而，电力领域知识图谱作为一个复杂的因果网络，其中的设备、人员、单位、事件、动作都是普遍关联的。这导致在知识图谱中沿着任意一个实体开展语义推理分析均容易超出预想的知识边界。对此，行业专家与学者普遍认为：知识图谱在知识集中、应用简单的应用场景中更加易于成功，而智能客服、智能推荐等领域的应用成功实例也在一定程度上归功于其知识体系相对封闭。因而，领域知识图谱在电力系统中成功应用的一大前决条件是能对于电力领域知识的需求细化、闭合，即能找到一个有限的知识子集支撑电力领域的特定应用需求。8基本情况-学术生态在过去的三十余年间，电力公司围绕着调度、运检、营销、基建和物资等各业务部门所提报的业务需求，集中力量开发了数量众多的应用系统，旨在实现由数据到知识、由感知到认知的提升。得益于利用知识采集工具的开放式结构，其中大量应用系统为了解决电力系统中的科学和工程问题引入了知识工程技术，特别是对专家系统框架显示出了越发强烈的兴趣。然而，传统信息化工程产物仍处于对电力数据和知识的简单应用，缺乏对知识体系的全面把握，缺乏对电力业务的认知推理，其粗犷式建设模式不再完全适应我国电力公司的发展需求。对内知识得不到贯通应用，对外难以形成辅业公司与外部行业主动支撑，使我国电力公司面临着互联网转型的困难。为了辅助我国电力公司打破知识孤岛，实现业务协同和数据贯通，支撑电网业务与新兴业务发展，专家学者近年来在电力调度、电力运检、电力营销等诸多领域提出了基于领域知识图谱这一新兴认知方法的技术路线和应用案例。9基本情况-学术生态在电力调度方面，专家学者的主流工作仍集中于对自动语音识别（ Automatic Speech Recognition, ASR）、自然语言处理（Natural Language Processing, NLP）和DKG技术的组合应用。例如，闪鑫等人提出基于人工智能的调度控制系统框架，并对基于知识图谱的智能辅助决策与语音助手开展研究；周帆等人基于多源电力调度模型知识构建调度领域知识图谱，进而实现图谱内本体相关问题的自然语言理解与查询语句拼接；刘广一等人利用图数据库对配电网拓扑进行存储，提出“电网一张图”运营指挥系统的平台结构；乔骥等人基于DKG技术实现了故障信息解析判别、智能辅助决策以及多维度人机交互，验证了数据与知识双驱动的电网拓扑数据分析研究在业务中落地应用的可行性；高泽璞等人整合多个低压配电网信息系统中的数据，挖掘各数据之间的关系并构建出低压配电网拓扑结构，实现了对低压配电网信息系统中的户变关系的辨识。10基本情况-学术生态在电力运检方面，由于近三年内电力巡检影像分析等人工智能应用的兴起为DKG的研究应用打下了良好的基础。专家学者以电力设备为核心，领域知识图谱相关研究工作在细分业务点上相对深入。例如，张敏杰等人基于语义网、知识图谱、自然语言处理等技术，提出基于知识图谱的技术框架，以支撑变压器智能管理；赵振兵等人利用螺栓螺母之间的关联组成栓母对，采用深度学习与先验知识结合的方法建立栓母对知识图谱，用以指导栓母对缺陷分类;刘梓权等人利用设备缺陷记录语料构建电力设备缺陷知识图谱，提出利用图搜索进行电力设备缺陷检索的方法；Tang等人提出面对多源异类电力设备数据的设备缺陷知识图谱构建方法，改进图搜索以展示检索结果的期望信息；杨强等人则采用领域知识图谱整合展示电力设备全寿命周期数据，揭示设备实体与业务对象实体之间的关系；汤亚宸等人利用领域知识图谱进行规则推理，实现涉及设备、厂家、站/线、公司、质量事件的高效分析查询。此外，赵振兵等人提出建立具有一定普适性且专业性较强的知识图谱，提升输电线路关键部件视觉检测的能力，是通过DKG实现跨媒体数据在知识层有机互补的创新提议。11基本情况-学术生态在电力营销方面，专家学者的研究工作暂时与其他行业客服的主流技术路线基本一致，基于ASR、NLP与DKG的技术组合实现电力客服业务中智能检索、智能问答、主动外呼能力的整体提升。例如，饶竹一等人提出了基于知识图谱的电力客服知识库构建、检索方法，设计形成智能客服系统技术方案；Cheng等人结合电力客服的业务需求，提出了集成客户本体、数据本体以及推理引擎的三级电力客服知识图谱架构；梁林森等人则针对地方特色开展了智能95598支撑技术研究；谭刚等人针对基KG问答系统中存在的中文问题表达模糊等问题，提出融合领域特征知识图谱的电网客服问答系统，实现了以较低的响应延迟提供高准确率的回答。然而，就总体而言，电力营销领域中的DKG应用数据来源相对封闭，未能凸显互联网化运营理念；认知推理能力有待进一步增强，亟待引入情感分析、多轮对话等技术并使之固化形成业务能力。12基本情况-学术生态由于电力领域知识广泛来源于传统的电力知识工程系统、专家经验知识库等结构化数据与电力标准、制度、法律、法规以及专家、技术人员的经验等半/非结构化数据，涉及多个业务领域，因而其知识也可按照复用程度的差异划分为通用知识和专用知识两大部分。其中，例如部分电力设备的名称、电压等级、容量以及单位组织架构等信息在客服、调度、运检、安质等多个业务领域均有需求，我们称之为电力领域通用知识；而对于例如客服领域中的用户名称、电费、电价等信息相对