面向低壓配電網(wǎng)絡(luò)拓?fù)涞闹R(shí)圖譜構(gòu)建與檢索分析方法

郭 成，徐成現(xiàn)，蔣 維，王 波

（1. 云南電網(wǎng)有限責(zé)任公司 電力科學(xué)研究院，云南 昆明 650217；2. 昆明理工大學(xué) 機(jī)電工程學(xué)院，云南 昆明 650500；3. 成都國(guó)龍信息工程有限責(zé)任公司，四川 成都 610031）

0 引言

隨著人工智能技術(shù)的不斷發(fā)展，以知識(shí)圖譜為基礎(chǔ)的智能檢索分析方法逐漸運(yùn)用于搜索引擎、電商、醫(yī)療、智能電網(wǎng)等領(lǐng)域[1]。通過抽取技術(shù)從各個(gè)領(lǐng)域的數(shù)據(jù)中抽取實(shí)體、屬性、關(guān)系等語(yǔ)義信息，并通過知識(shí)融合、知識(shí)加工等技術(shù)構(gòu)建知識(shí)庫(kù)。通過實(shí)體間的匹配分析實(shí)現(xiàn)用戶所需的檢索分析服務(wù)。另外，知識(shí)圖譜以數(shù)據(jù)結(jié)構(gòu)為基礎(chǔ)，采用本體術(shù)語(yǔ)和語(yǔ)義表達(dá)的格式[2]，有規(guī)范且標(biāo)準(zhǔn)的概念模型。能很好地解決電網(wǎng)系統(tǒng)積累的大量多源異構(gòu)的運(yùn)行數(shù)據(jù)，包括數(shù)字、文字、圖像等；而且，知識(shí)圖譜通過語(yǔ)義鏈接功能增強(qiáng)數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系，可使數(shù)據(jù)表達(dá)更加規(guī)范，結(jié)構(gòu)化更強(qiáng)，能很好地適應(yīng)智能問答、智能檢索、輔助決策等技術(shù)的運(yùn)用場(chǎng)景[3]，同時(shí)對(duì)電網(wǎng)知識(shí)的檢索分析也適用。

近年來，國(guó)內(nèi)外學(xué)者主要將知識(shí)圖譜運(yùn)用于電網(wǎng)調(diào)度、電力設(shè)備檢修等方面。文獻(xiàn)[4]在調(diào)度故障處理領(lǐng)域提出了基于知識(shí)圖譜的電網(wǎng)故障處理輔助決策方法，分析了各個(gè)環(huán)節(jié)的關(guān)鍵技術(shù)，最后實(shí)現(xiàn)了基于知識(shí)圖譜的故障信息解析判別、智能輔助決策及多維度的人機(jī)交互。文獻(xiàn)[5]在電網(wǎng)調(diào)度領(lǐng)域提出基于知識(shí)圖譜的智能輔助決策技術(shù)，給出了電網(wǎng)調(diào)控知識(shí)圖譜的構(gòu)建步驟，并以故障處置預(yù)案知識(shí)圖譜為例給出了智能輔助決策運(yùn)行機(jī)制。針對(duì)電力設(shè)備檢修，文獻(xiàn)[6]在電氣信息采集系統(tǒng)的基礎(chǔ)上建立了故障運(yùn)維知識(shí)圖譜，利用知識(shí)圖譜高效的語(yǔ)義處理能力和快速分析能力，實(shí)現(xiàn)物聯(lián)網(wǎng)新形勢(shì)下電氣信息采集的高效運(yùn)營(yíng)。文獻(xiàn)[7]提出了輸變電設(shè)備運(yùn)維檢修框架，梳理了輸變電設(shè)備的數(shù)據(jù)現(xiàn)狀，構(gòu)建了基于電力設(shè)備運(yùn)維檢修領(lǐng)域的知識(shí)圖譜檢修策略智能推薦系統(tǒng)。

上述研究為本文知識(shí)圖譜構(gòu)建和檢索分析方法提供了重要的參考和依據(jù)。然而，目前的研究尚未形成電網(wǎng)故障處理檢索分析領(lǐng)域知識(shí)圖譜的構(gòu)建方法和實(shí)現(xiàn)方案。本文基于電網(wǎng)告警故障檢索分析的需求，設(shè)計(jì)了面向低壓配電網(wǎng)絡(luò)拓?fù)漕I(lǐng)域的知識(shí)圖譜，并通過子圖匹配的方法實(shí)現(xiàn)電網(wǎng)知識(shí)的檢索分析。

1 知識(shí)圖譜

1.1 知識(shí)圖譜的定義與現(xiàn)狀

知識(shí)圖譜是將實(shí)體和實(shí)體或?qū)嶓w和屬性通過相互關(guān)系鏈接的一個(gè)知識(shí)網(wǎng)絡(luò)，可以對(duì)世間萬(wàn)物之間的關(guān)系進(jìn)行一種形式化描述，其本質(zhì)上是一個(gè)知識(shí)庫(kù)。知識(shí)圖譜的通用表示形式是三元組：（實(shí)體–關(guān)系–屬性）或（實(shí)體–關(guān)系–實(shí)體），如（示范醫(yī)院–應(yīng)用類別為–專變），（某供電所–包含– 62個(gè)用戶）等。三元組是知識(shí)圖譜中的最基本的單元，實(shí)體和屬性在知識(shí)圖譜中以節(jié)點(diǎn)的形式存在，兩者的關(guān)系以節(jié)點(diǎn)之間的連線存在。不同的實(shí)體或?qū)傩灾g存在不同的關(guān)系，通過結(jié)合可形成網(wǎng)狀的知識(shí)圖譜。

圖譜分為通用圖譜和行業(yè)圖譜，對(duì)于通用圖譜而言，其知識(shí)覆蓋面很廣且可應(yīng)用于任何領(lǐng)域，強(qiáng)調(diào)融合實(shí)體越多越好，主要用在智能搜索領(lǐng)域。通用知識(shí)圖譜專業(yè)性不強(qiáng)，干擾大且會(huì)有一詞多義和多詞一義的現(xiàn)象存在，關(guān)系較多而無(wú)法列舉。行業(yè)知識(shí)圖譜則具有一定的行業(yè)意義，以一定的行業(yè)資料進(jìn)行構(gòu)建，可用于特定的行業(yè)。行業(yè)知識(shí)圖譜有很強(qiáng)的專業(yè)性，干擾小且實(shí)體大多是特定的專業(yè)用語(yǔ)，一般不會(huì)存在一詞多義或者多詞一義現(xiàn)象，數(shù)據(jù)模式與實(shí)體屬性比較豐富，應(yīng)用程度廣且針對(duì)性強(qiáng)。

1.2 基于知識(shí)圖譜的檢索框架

本文所提的基于知識(shí)圖譜的電壓合格率檢索方法主要為低壓電網(wǎng)知識(shí)圖譜的構(gòu)建、基于子圖匹配的檢索方法，以及基于評(píng)價(jià)模型的檢索結(jié)果評(píng)價(jià)，其基本框架如圖1所示。

圖1 基于知識(shí)圖譜的低壓配電網(wǎng)電壓合格率檢索框架Fig. 1 Retrieval framework of voltage qualification rate of low-voltage distribution network based on knowledge graph

2 低壓配電網(wǎng)知識(shí)圖譜的構(gòu)建

2.1 低壓配電網(wǎng)知識(shí)類型分析及拓?fù)浣Y(jié)構(gòu)

構(gòu)建低壓配電網(wǎng)電壓合格率檢索知識(shí)圖譜。在電力企業(yè)中低壓配電網(wǎng)缺陷記錄業(yè)務(wù)中的知識(shí)類型主要以非結(jié)構(gòu)化數(shù)據(jù)或半結(jié)構(gòu)化數(shù)據(jù)存在。本文知識(shí)圖譜是利用圖數(shù)據(jù)庫(kù)NEO4J進(jìn)行構(gòu)建，圖數(shù)據(jù)庫(kù)的模型數(shù)據(jù)能夠直觀地表示電網(wǎng)系統(tǒng)的拓?fù)鋵傩裕鐖D2所示。該拓?fù)浣Y(jié)構(gòu)含有3個(gè)廠站，每個(gè)場(chǎng)站由發(fā)電機(jī)（G）、斷路器（開關(guān)）、母線（BusBar）、負(fù)荷（LD）、刀閘（隔離開關(guān)）等設(shè)備組成，各個(gè)場(chǎng)站間用交流線路（LN）進(jìn)行鏈接。

圖2 低壓配電網(wǎng)拓?fù)浣Y(jié)構(gòu)Fig. 2 Low-voltage distribution network topology

2.2 實(shí)體/屬性抽取

實(shí)體/屬性抽取是指從低壓配電網(wǎng)缺陷記錄原始語(yǔ)料中自動(dòng)識(shí)別出實(shí)體或?qū)傩?。?shí)體抽取的常用方法有神經(jīng)網(wǎng)絡(luò)方法和基于規(guī)則與詞典的方法。前者可以自動(dòng)地從記錄語(yǔ)料中對(duì)有效特征進(jìn)行捕獲和表示，從而完成實(shí)體的識(shí)別；而規(guī)則與詞典是用預(yù)先定義好的規(guī)則庫(kù)，然后從語(yǔ)料中抽取出電力設(shè)備實(shí)體名稱，設(shè)備所屬機(jī)構(gòu)名，電壓變化范圍及變化時(shí)間。典型的實(shí)體/屬性抽取方法有條件隨機(jī)場(chǎng)[8]，隱馬爾可夫模型[9]和BILSTM模型[10]等。在電壓合格率檢索中，大部分實(shí)體和屬性可在電網(wǎng)公司積累的缺陷記錄語(yǔ)料中抽取獲得。

本次實(shí)體抽取的主要內(nèi)容是針對(duì)10 kV花橋線及其臺(tái)區(qū)–電壓合格率記錄語(yǔ)料來抽取實(shí)體和屬性，首先標(biāo)注要抽取的詞性。由于電力行業(yè)的實(shí)體和屬性有限，結(jié)合電力工程專業(yè)詞典對(duì)其進(jìn)行相似度計(jì)算和匹配抽取[11]，步驟如下：

步驟1：分詞。先對(duì)10 kV花橋線及其臺(tái)區(qū)–電壓合格率語(yǔ)料進(jìn)行分詞處理。用隱馬爾可夫模型以及常用詞典進(jìn)行分詞，為了提高分詞的準(zhǔn)確率，導(dǎo)入了輔助工具[12]—電力專業(yè)詞典。

步驟 2：詞抽取。將分詞后文本中的實(shí)體/屬性與專業(yè)詞典中的實(shí)體進(jìn)行對(duì)比檢索，通過計(jì)算實(shí)體/屬性的相似度匹配到相對(duì)應(yīng)的那一項(xiàng)，若匹配成功，則抽取出來的實(shí)體或?qū)傩跃涂梢杂脕順?gòu)建知識(shí)圖譜。

步驟3：注釋詞性。用電力工程詞典和常規(guī)語(yǔ)料中的詞性對(duì)文本中的各種詞進(jìn)行詞性注釋[13]，可把對(duì)10 kV花橋線及其臺(tái)區(qū)–電壓合格率語(yǔ)料中的詞分成5類：（1）形如電網(wǎng)公司和設(shè)備的名詞，“Ent”作為其詞性，代表實(shí)體；（2）形如10 kV花橋線及其臺(tái)區(qū)電壓值的量詞，“Pq”作為其詞性，代表屬性；（3）形如電網(wǎng)故障程度的副詞，“Pad”作為其詞性，代表屬性；（4）形如低壓配電網(wǎng)電壓合格率的動(dòng)詞，“Pv”作為其詞性，代表屬性；（5）在以上沒有注釋的詞被抽取出來，可按原來的詞性進(jìn)行再注釋，因其并不表示屬性或?qū)嶓w。

2.3 關(guān)系抽取

文本語(yǔ)料在進(jìn)行實(shí)體/屬性抽取后，形成離散的實(shí)體/屬性，若得到具體的語(yǔ)義信息，需要從電網(wǎng)公司記錄文本語(yǔ)料中抽取出關(guān)系，包括實(shí)體與實(shí)體之間的關(guān)系和實(shí)體與屬性之間的關(guān)系，用關(guān)系將實(shí)體/屬性聯(lián)系，形成網(wǎng)狀的知識(shí)庫(kù)。低壓配電網(wǎng)電壓合格率檢索的知識(shí)圖譜還可以用抽取出的實(shí)體或?qū)傩缘脑~性來約束關(guān)系，如表1所示。

表1 關(guān)系的類型Tab. 1 Types of relationships

抽取關(guān)系的問題可以轉(zhuǎn)化為實(shí)體和屬性的分類，由于監(jiān)督學(xué)習(xí)方法的分類結(jié)果不理想，所以采用半監(jiān)督協(xié)同訓(xùn)練的方法進(jìn)行分類。在分類前，先形成兩兩結(jié)合的待分類詞對(duì)，接著匹配出和表1中某行組成的詞類型，最后對(duì)組成的每一組詞對(duì)進(jìn)行關(guān)系分類。

2.4 構(gòu)建知識(shí)圖譜

構(gòu)建知識(shí)圖譜主要分為數(shù)據(jù)獲取、信息抽取、知識(shí)融合和知識(shí)加工[14]4步。構(gòu)建圖譜的數(shù)據(jù)的來源可分為兩種：一種在網(wǎng)站上可以獲取，這些在網(wǎng)頁(yè)上存在的數(shù)據(jù)，屬于非結(jié)構(gòu)化數(shù)據(jù)；一種是行業(yè)內(nèi)部的數(shù)據(jù)，這些數(shù)據(jù)大多屬于結(jié)構(gòu)化數(shù)據(jù)。

信息抽取是在所需電力行業(yè)的文本語(yǔ)料中抽取實(shí)體和屬性以及關(guān)系并以三元組的形式進(jìn)行儲(chǔ)存。信息抽取后的實(shí)體、屬性和關(guān)系之間的關(guān)系是扁平化的，缺乏邏輯性，所以需要進(jìn)行知識(shí)融合。知識(shí)融合是將多個(gè)知識(shí)庫(kù)的信息進(jìn)行融合，形成知識(shí)庫(kù)的過程，該過程用到的主要技術(shù)有實(shí)體消歧義、共指消解和實(shí)體鏈接等技術(shù)。

許多數(shù)據(jù)在經(jīng)過抽取和融合以后得到一些基本事實(shí)，但這并不是想要的知識(shí)，要獲得網(wǎng)絡(luò)化、結(jié)構(gòu)化的知識(shí)體系，還需經(jīng)質(zhì)量評(píng)估后，把合格的知識(shí)歸入知識(shí)體系中保證知識(shí)庫(kù)的質(zhì)量，這是知識(shí)加工過程。該過程是一個(gè)動(dòng)態(tài)過程，在不斷應(yīng)用知識(shí)圖譜的過程中，評(píng)價(jià)其應(yīng)用效果和數(shù)據(jù)質(zhì)量，并根據(jù)知識(shí)的不斷更新與發(fā)展，還要對(duì)知識(shí)圖譜進(jìn)行更正和實(shí)時(shí)更新。構(gòu)建知識(shí)圖譜的流程如圖3所示。

圖3 知識(shí)圖譜構(gòu)建技術(shù)流程圖Fig. 3 Technical flow chart of knowledge graph construction

低壓配電網(wǎng)知識(shí)圖譜的構(gòu)建可以把電網(wǎng)設(shè)備和臺(tái)區(qū)這些實(shí)體作為節(jié)點(diǎn)，并且把臺(tái)區(qū)和設(shè)備及設(shè)備的一些屬性信息在構(gòu)建知識(shí)圖譜中以拓?fù)潢P(guān)系鏈接。比如設(shè)備的ID、用戶編號(hào)、用戶類別、設(shè)備故障信息、各相電壓合格率或不合格率、各相的最值以及平均值等（如圖4）作為節(jié)點(diǎn)，把節(jié)點(diǎn)與節(jié)點(diǎn)之間的關(guān)系，如“上/下級(jí)”、“電壓值為”、“信息有”、“屬性是”等關(guān)系作為連接節(jié)點(diǎn)與節(jié)點(diǎn)之間的邊。基于知識(shí)圖譜的儲(chǔ)存方式，能夠構(gòu)建全面并且易用的低壓配電網(wǎng)故障處理措施檢索知識(shí)庫(kù)。

圖4 低壓配電網(wǎng)知識(shí)圖譜的構(gòu)建設(shè)計(jì)Fig. 4 Construction and design of knowledge graph of low-voltage distribution network

3 基于子圖匹配的電網(wǎng)故障處理措施檢索方法

提出一種基于子圖匹配的電網(wǎng)故障處置措施檢索算法。首先，針對(duì)電網(wǎng)知識(shí)定義了子圖匹配的相關(guān)概念，提出了檢索子圖構(gòu)建—拆分子檢索—并行子檢索—連接子檢索結(jié)果4個(gè)步驟的檢索算法。

算法包括：

步驟1：由檢索條件生成檢索圖。

步驟2：將原始查詢圖劃分為多個(gè)子檢索。

步驟 3：在圖數(shù)據(jù)庫(kù)中執(zhí)行步驟 2中的子檢索，獲得所有子檢索的結(jié)果。

步驟4：連接子檢索的結(jié)果，生成最終檢索結(jié)果。其次，提出一種基于物理距離與鄰近影響的檢索結(jié)果評(píng)價(jià)體系，能夠?qū)z索結(jié)果進(jìn)行重要性評(píng)價(jià)，讓檢索結(jié)果給予查詢?nèi)藛T更多參考價(jià)值。最后，通過算例分析驗(yàn)證了本方法的可行性。

3.1 子圖匹配定義

（1）檢索圖

檢索圖Q=(EQ,RQ)。包含點(diǎn)集合EQ和邊集合RQ。每一個(gè)檢索點(diǎn)都對(duì)應(yīng)一個(gè)具體的實(shí)體描述，邊表示連接任意兩個(gè)點(diǎn)之間的關(guān)系。

（2）匹配子圖

給定圖譜G=(EG,RG,EG)和檢索子圖Q=(EQ,RQ)，匹配的目的是在圖譜G中找到檢索子圖Q的匹配子圖φ(Q)。即將圖譜G中滿足映射函數(shù)M的子圖定義為匹配子圖φ(Q)。φ將Q中的點(diǎn)EQ映射到G中的點(diǎn)φ(EG)，將Q中的邊RQ映射到G中的邊φ(RG)。

3.2 子檢索劃分

當(dāng)檢索圖的頂點(diǎn)和邊的數(shù)目過多，無(wú)論采用深度優(yōu)先檢索還是廣度優(yōu)先檢索，都會(huì)導(dǎo)致檢索的約束條件過多，從而增加檢索難度甚至使檢索無(wú)法完成。將檢索圖劃分為多個(gè)子檢索圖，使單一的子檢索圖具有頂點(diǎn)數(shù)目少、邊特征單一的特點(diǎn)，進(jìn)而達(dá)到降低檢索難度的目的。因此，將子圖檢索劃分為兩層樹結(jié)構(gòu)，每個(gè)檢索圖包含一個(gè)根節(jié)點(diǎn)、一層子節(jié)點(diǎn)和邊。

如圖5所示，采用上述規(guī)則將檢索子圖Q劃分為子檢索圖Q1、Q2、Q3，Q3，包含節(jié)點(diǎn)c、e、f、h和邊(c，e)、邊(c，f)和邊(c，h)。

圖5 檢索劃分示例Fig. 5 Example of search partition

通過節(jié)點(diǎn)、邊的匹配就能得到檢索Q3的檢索結(jié)果。得到Q2、Q3檢索結(jié)果就能得到Q1檢索結(jié)果，進(jìn)而得到Q的檢索結(jié)果。

3.3 子檢索執(zhí)行

首先，把子檢索圖分解成最小生成樹，在對(duì)邊進(jìn)行匹配時(shí)應(yīng)優(yōu)先匹配最小生成樹的邊；然后選擇根節(jié)點(diǎn)作為優(yōu)先匹配過濾能力強(qiáng)的頂點(diǎn)；接著在傳統(tǒng)VF2[15]算法的基礎(chǔ)上，結(jié)合圖的標(biāo)簽特征進(jìn)行子檢索執(zhí)行。其具體步驟如下：

步驟1：輸入數(shù)據(jù)圖與劃分后的子檢索圖，初始化子檢索結(jié)果集Ci與匹配點(diǎn)對(duì)集合T為空。

步驟2：由根節(jié)點(diǎn)可生成備選匹配點(diǎn)對(duì)集合CT。

步驟3：備選匹配點(diǎn)對(duì)的匹配，如果CT中包含子檢索圖Qi的所有節(jié)點(diǎn)，接著計(jì)算圖的邊是否符合標(biāo)準(zhǔn)，符合標(biāo)準(zhǔn)判斷的結(jié)果存入子檢索結(jié)果集Ci；如果CT中包含子檢索圖Qi的部分頂點(diǎn)，則判斷圖是否數(shù)據(jù)信息錯(cuò)誤，并將信息錯(cuò)誤反饋給數(shù)據(jù)圖。

步驟4：判斷是否完成所有候選匹配點(diǎn)對(duì)的匹配，若沒有完成匹配返回上一步，否則直接進(jìn)行下一步驟。

步驟5：返回結(jié)果集Ci。

3.4 子檢索結(jié)果的連接

子檢索結(jié)果的連接是該算法的最后一步，其目標(biāo)是把所有子檢索的結(jié)果鏈接到一起，生成匹配子圖。包括連接子檢索結(jié)果和檢索結(jié)果評(píng)價(jià)兩個(gè)部分。以檢索電壓是否合格為例，首先按照子檢索劃分方法將檢索Q劃分為Q1(a，b，c)、Q2(b，e，f，g)和Q3(c，e，f，h)，再分別執(zhí)行Q2(b，e，f，g)和Q3(c，e，f，h)子檢索；此后連接所有二級(jí)子檢索結(jié)果，得到Q2、Q3兩個(gè)一級(jí)子檢索的結(jié)果；最后來執(zhí)行Q1(a，b，c)的子檢索，得到Q的檢索結(jié)果。如圖6所示，檢索某個(gè)Q(a，b，c，d，e，f，g，h)的評(píng)分結(jié)果為14.2，則表示該節(jié)點(diǎn)需要重點(diǎn)關(guān)注。

圖6 子檢索結(jié)果的連接Fig. 6 Connection of subretrieval results

由圖6可知，子檢索結(jié)果的連接有兩個(gè)部分，分別是檢索結(jié)果評(píng)價(jià)和子檢索結(jié)果。檢索結(jié)果連接是圖譜檢索的基礎(chǔ)操作，常用的哈希連接可用于本文的數(shù)據(jù)庫(kù)中，當(dāng)且僅當(dāng)Qi和Qj兩個(gè)子檢索有共同的頂點(diǎn)時(shí)才能夠?qū)崿F(xiàn)Qi和Qj的檢索結(jié)果連接。子檢索結(jié)果連接的基本過程如下。

步驟1：將子檢索結(jié)果集C初始化，對(duì)子檢索劃分的檢索集Qi∈(Q1,Q2,…,Qn)按照子檢索執(zhí)行方法執(zhí)行所有的Qi，得到所有子檢索的結(jié)果。

步驟2：對(duì)n各子檢索的檢索結(jié)果進(jìn)行哈希連接，保存匹配度滿足閾值γ的結(jié)果到C中，并將結(jié)果按匹配度排序處理。

步驟3：對(duì)檢索結(jié)果的電壓特性進(jìn)行合格率評(píng)估，得出電壓合格率H。

步驟4：對(duì)存儲(chǔ)在C中的檢索結(jié)果運(yùn)用評(píng)價(jià)模型進(jìn)行評(píng)價(jià)，得出檢索結(jié)果重要度f(wàn)。

步驟5：返回檢索結(jié)果集C，完成檢索。

4 算例分析

4.1 算例基本情況

為了驗(yàn)證基于知識(shí)圖譜的低壓配電網(wǎng)故障處理措施檢索方法的有效性，本文以某電網(wǎng) 35 kV變電站實(shí)際數(shù)據(jù)進(jìn)行試驗(yàn)，算例基本情況如下：

該變電站包含10 kV花橋線，長(zhǎng)41.07 km，共有配變62臺(tái)，其中公變29臺(tái)，專變33臺(tái)，容量共計(jì)6 051 kVA，低壓無(wú)功補(bǔ)償電容器情況不明確，柱上開關(guān)10臺(tái)，圖7是臺(tái)區(qū)分布網(wǎng)絡(luò)結(jié)構(gòu)局部圖。

黃宏斌等 （2018）認(rèn)為企業(yè)的現(xiàn)金流可以真實(shí)反映企業(yè)處于不同生命周期時(shí)的經(jīng)營(yíng)狀況，基于此，按照企業(yè)的現(xiàn)金流特征，可將企業(yè)劃分為初創(chuàng)期、成長(zhǎng)期、成熟期和衰退期。處于不同生命周期下的企業(yè)現(xiàn)金流情況見表2。

圖7 臺(tái)區(qū)分布網(wǎng)絡(luò)結(jié)構(gòu)局部圖Fig. 7 Partial diagram of distribution network structure in zone area

實(shí)驗(yàn)選取某電力企業(yè)20 000條電網(wǎng)故障記錄作為基礎(chǔ)數(shù)據(jù)，構(gòu)建低壓配電網(wǎng)處置措施知識(shí)圖譜如圖8所示，涵蓋了16類超過300臺(tái)設(shè)備的基本信息與日常運(yùn)行數(shù)據(jù)信息，知識(shí)圖譜數(shù)據(jù)庫(kù)中節(jié)點(diǎn)個(gè)數(shù)超過10萬(wàn)個(gè)，能精確地檢索到某臺(tái)區(qū)某裝備的故障。

圖8 低壓配電網(wǎng)知識(shí)圖譜Fig. 8 Knowledge map of low voltage distribution network

4.2 電網(wǎng)故障處理措施檢索結(jié)果與分析

根據(jù)前述基于子圖匹配的電壓合格率檢索方法完成電網(wǎng)故障處理措施檢索與分析。以線路跳閘為例，將其作為電網(wǎng)故障關(guān)鍵詞進(jìn)行檢索，利用知識(shí)圖譜技術(shù)和子圖匹配算法，通過對(duì)關(guān)鍵信息進(jìn)行分析，可以得出發(fā)生該故障的原因以及維修建議等，能減少排查故障的時(shí)間，提高故障維修效率，對(duì)快速搶修電網(wǎng)故障有十分重要的意義。

由知識(shí)圖譜的語(yǔ)義特性可知，通過語(yǔ)義特征描述，檢索時(shí)對(duì)圖譜之間的語(yǔ)義信息進(jìn)行語(yǔ)義相似度計(jì)算，可以得到更準(zhǔn)確的查詢結(jié)果。查詢圖譜與結(jié)果子圖之間的相似度計(jì)算包括基于圖結(jié)構(gòu)和語(yǔ)義信息的相似度計(jì)算兩部分。

（1）基于圖結(jié)構(gòu)的相似度計(jì)算

為實(shí)現(xiàn)圖結(jié)構(gòu)的相似度度量，需要對(duì)查詢圖譜與結(jié)果子圖的結(jié)構(gòu)進(jìn)行定量化分析。根據(jù)圖譜相似度度量的基本理論可知，若存在兩個(gè)圖譜G1中節(jié)點(diǎn)a和圖譜G2中節(jié)點(diǎn)b，若兩圖譜中鄰居結(jié)點(diǎn)相似，則節(jié)點(diǎn)a與節(jié)點(diǎn)b相似；同理，邊的相似度度量為：如果圖譜G1中邊c與圖譜G2中邊d的起點(diǎn)和終點(diǎn)相似，則邊c與邊d相似。本文提到的查詢圖譜與結(jié)果子圖的結(jié)構(gòu)相似度主要通過兩圖節(jié)點(diǎn)相似度和邊相似度構(gòu)成的矩陣來度量，任意節(jié)點(diǎn)或任意邊之間相似度的取值總在[0,1]區(qū)間內(nèi)，若相似度值越接近1，則表示任意節(jié)點(diǎn)或任意邊之間的相似度越高，其子圖匹配的程度越高。

若圖譜G1中有e個(gè)節(jié)點(diǎn)，圖譜G2有f個(gè)節(jié)點(diǎn)，則節(jié)點(diǎn)相似度的矩陣規(guī)模e×f，用xab表示圖譜G1中點(diǎn)a與圖譜G2中點(diǎn)b的相似度，ycd表示圖譜G1與圖譜G2中邊c與d的相似度。其節(jié)點(diǎn)與邊的得分求解公式如下：

式中：SSimX表示圖譜G1與圖譜G2節(jié)點(diǎn)相似度得分矩陣；x1(k),x2(k),…表示經(jīng)過K次迭代后兩圖譜中各點(diǎn)的相似度；SSimY表示圖譜G1與圖譜G2邊相似度得分矩陣；y1(k),y2(k),…表示經(jīng)過K次迭代后兩圖譜中各邊的相似度。

式中：AveSSim表示查詢圖譜與結(jié)果子圖的結(jié)構(gòu)相似度得分；n1表示圖譜G1中節(jié)點(diǎn)數(shù)；n2表示圖譜G2中節(jié)點(diǎn)數(shù)；m1表示圖譜G1中邊的個(gè)數(shù)；m2表示圖譜G2中邊的個(gè)數(shù)。

（2）基于統(tǒng)計(jì)語(yǔ)義信息的相似度計(jì)算

給出查詢圖譜G1=(e1,e2,…,en)，其中ei為查詢圖譜中的詞，結(jié)果子圖G2=(f1,f2,…,fm),其中fj為三元組，本文利用統(tǒng)計(jì)語(yǔ)義模型將查詢圖譜與結(jié)果子圖的語(yǔ)義信息相似度用似然估計(jì)概率p(G1|G2)表示，并根據(jù)概率值的大小判斷語(yǔ)義相似程度，并對(duì)結(jié)果子圖進(jìn)行排序。其中似然估計(jì)概率p(G1|G2)計(jì)算公式如下：

式中：p(ei|G2)是表示圖譜G1的統(tǒng)計(jì)語(yǔ)言模型能產(chǎn)生詞ei的概率，用ei在多個(gè)三元組模型產(chǎn)生概率p(ei|fj)的平均值表示。

查詢圖譜與結(jié)果子圖的相似度靠單一的圖結(jié)構(gòu)或語(yǔ)義相似度不能準(zhǔn)確地度量，因此本文綜合考慮圖結(jié)構(gòu)和語(yǔ)義相似度的計(jì)算，將結(jié)構(gòu)相似度得分ScoreSSim與語(yǔ)義相似度得分Scorep(G｜1G2)進(jìn)行線性聯(lián)合，公式如下：

式中：α是一個(gè)可變參數(shù)，取值為[0,1]，主要用來調(diào)節(jié)兩個(gè)相似度得分在結(jié)果得分中所占比重。通過綜合得分Score的計(jì)算，得到各個(gè)結(jié)果子圖的得分，并對(duì)結(jié)果子圖進(jìn)行排序，得到最優(yōu)的查詢結(jié)果，從而完成基于子圖匹配的電網(wǎng)故障檢索。

采用基于物理距離與鄰近關(guān)系的檢索結(jié)果評(píng)價(jià)模型對(duì)子檢索結(jié)果進(jìn)行分析評(píng)價(jià)。評(píng)價(jià)模型以臺(tái)變?yōu)閱挝贿M(jìn)行實(shí)驗(yàn)。為直觀地展示檢索結(jié)果的重要程度，結(jié)合物理距離與鄰近關(guān)系構(gòu)建檢索結(jié)果評(píng)價(jià)模型。

式中：f[φi(Q)]表示節(jié)點(diǎn)電網(wǎng)故障率的重要程度；G1[φi(Q)]和G2[φi(Q)]表示節(jié)點(diǎn)故障在u和l兩種情況下的物理距離影響函數(shù)；u表示電網(wǎng)故障是由某一現(xiàn)象導(dǎo)致；l表示電網(wǎng)故障是由另一現(xiàn)象導(dǎo)致；T[φi(Q)]表示該節(jié)點(diǎn)的鄰近關(guān)系函數(shù)。式（2）（3）中，L[φi(Q)]表示該節(jié)點(diǎn)的物理距離影響因數(shù)，取值范圍為[0, 1]；H[φi(Q)]表示該節(jié)點(diǎn)的電網(wǎng)的非故障率。

根據(jù)臺(tái)區(qū)物理距離構(gòu)建距離影響因數(shù)L，其取值范圍為[0, 1]，部分臺(tái)區(qū)距離影響因數(shù)如表2所示。

表2 部分臺(tái)區(qū)距離影響因數(shù)Tab. 2 Influence factors of some zone area distance

根據(jù)相鄰臺(tái)變電網(wǎng)故障檢索結(jié)果構(gòu)建鄰近函數(shù)，部分臺(tái)區(qū)鄰近函數(shù)值如表3所示。

表3 部分臺(tái)區(qū)鄰近函數(shù)值Tab. 3 Values of neighbor functions in some zones

構(gòu)建物理距離影響函數(shù)與鄰近函數(shù)構(gòu)建電網(wǎng)故障處理措施檢索結(jié)果重要程度評(píng)價(jià)模型，部分臺(tái)區(qū)電網(wǎng)故障處理措施檢索結(jié)果重要程度評(píng)價(jià)結(jié)果如表4所示。

表4 部分臺(tái)區(qū)評(píng)價(jià)模型數(shù)值Tab. 4 Evaluation model values of some zones

通過重要程度分析，知識(shí)圖譜可以精確地識(shí)別輸入的關(guān)鍵詞，通過計(jì)算相似度進(jìn)行電網(wǎng)故障查詢匹配，但又不局限于關(guān)鍵字符的相似度，并很好地結(jié)合了電網(wǎng)領(lǐng)域的信息，具有較好的針對(duì)性，用傳統(tǒng)的語(yǔ)義解析方法較難實(shí)現(xiàn)。例如，在檢索電壓合格率時(shí)，導(dǎo)致合格率低的原因在很大程度上是其內(nèi)部原因，根據(jù)檢索結(jié)果可以從供電半徑過大、負(fù)載過大、線徑過細(xì)等原因來排查；在對(duì)示范醫(yī)院和武定榮豐石材廠的電網(wǎng)故障處理措施檢索時(shí)其正確率分別達(dá)到85.342%和87.938%，但是其重要程度評(píng)價(jià)值偏高，導(dǎo)致電壓不合格原因在很大程度上是其外部原因，由檢索結(jié)果可以從三相不平衡、無(wú)功不足、功率因數(shù)過低等因素來排查。

5 結(jié)論

基于低壓配電網(wǎng)的故障記錄語(yǔ)料，結(jié)合了知識(shí)圖譜的理念，提出了面向低壓配電網(wǎng)絡(luò)拓?fù)涞闹R(shí)圖譜的構(gòu)建方法和基于知識(shí)圖譜的低壓配電網(wǎng)絡(luò)知識(shí)檢索分析方法。詳細(xì)闡述了低壓配電網(wǎng)知識(shí)類型分析及拓?fù)浣Y(jié)構(gòu)、知識(shí)圖譜的基本步驟實(shí)體/屬性、關(guān)系抽取過程和最終構(gòu)建過程。在構(gòu)建了知識(shí)圖譜的基礎(chǔ)上，采用子圖匹配的方法完成了基于知識(shí)圖譜的低壓配電網(wǎng)故障處理措施檢索分析。最后通過電網(wǎng)公司實(shí)際運(yùn)行數(shù)據(jù)驗(yàn)證了圖譜構(gòu)建方法的可行性及在電網(wǎng)知識(shí)檢索分析的優(yōu)越性。

如果在本文構(gòu)建的知識(shí)圖譜中增加更多電網(wǎng)的運(yùn)行數(shù)據(jù)，如故障數(shù)據(jù)、調(diào)度控制數(shù)據(jù)等，則能進(jìn)一步增加知識(shí)圖譜的運(yùn)用領(lǐng)域，如智能調(diào)控，負(fù)荷預(yù)測(cè)等，這也是電網(wǎng)知識(shí)圖譜的后續(xù)研究重點(diǎn)方向。