基于聲紋識別的電網(wǎng)調(diào)度認(rèn)證系統(tǒng)設(shè)計(jì)

孫麗麗，翟 啟，張延童，翟洪婷，張慶銳

（國網(wǎng)山東省電力公司信息通信公司，山東 濟(jì)南 250001）

0 引言

隨著人工智能技術(shù)成熟和新一代電網(wǎng)系統(tǒng)設(shè)備集成化程度提高，電網(wǎng)系統(tǒng)對管理信息化的要求與日俱增，智能化電網(wǎng)調(diào)度已成為當(dāng)前的研究熱點(diǎn)和實(shí)現(xiàn)形式。調(diào)度系統(tǒng)對“統(tǒng)一集中調(diào)度，各級按權(quán)管理”的需要，導(dǎo)致調(diào)度中心處理的數(shù)據(jù)量不斷增加。雖然智能電網(wǎng)自動調(diào)度平臺系統(tǒng)內(nèi)部已經(jīng)建立相對較完備高效的多級權(quán)限管理控制機(jī)制，能滿足系統(tǒng)日常運(yùn)營的實(shí)時調(diào)度業(yè)務(wù)需求，但系統(tǒng)調(diào)度執(zhí)行過程管理中，各類系統(tǒng)安全性問題不斷產(chǎn)生，例如，調(diào)度系統(tǒng)中可能存在崗位無關(guān)人員或使用系統(tǒng)其他部門人員提供的賬戶，進(jìn)行超出正常權(quán)限范圍操作等問題。此類問題根源在于現(xiàn)有調(diào)度系統(tǒng)主要以人工通過調(diào)度電話專線或者網(wǎng)絡(luò)發(fā)送操作指令的通信形式來實(shí)現(xiàn)［1］，調(diào)度流程中缺乏足夠的人員身份認(rèn)證，對某些特殊調(diào)度指令缺少二次確認(rèn)和真?zhèn)舞b別，對電網(wǎng)安全造成潛在威脅。

在人工智能技術(shù)飛速發(fā)展的今天，聲紋識別等相關(guān)技術(shù)無疑為提高電網(wǎng)調(diào)度效率和保障安全提供了新可能［2］。聲紋識別作為目前所有生物特征驗(yàn)證方法體系中唯一的非接觸與遠(yuǎn)程識別驗(yàn)證的方法，在調(diào)度運(yùn)行領(lǐng)域具有天然優(yōu)勢。近年來，越來越多的調(diào)度系統(tǒng)采用聲紋識別調(diào)度，但實(shí)際上該技術(shù)的應(yīng)用僅僅集中在聲學(xué)模型、語言模型及分析應(yīng)用等幾個方面。文獻(xiàn)［3-4］在小規(guī)模詞語庫場景中進(jìn)行實(shí)驗(yàn)和驗(yàn)證，提出基于高斯混合-隱馬爾可夫模型（gaussian mixture hidden markov model，GMM-HMM）的電力調(diào)度場景下的聲學(xué)模型，但未能全面系統(tǒng)考慮語言模型變化對語音識別系統(tǒng)性能帶來的影響。文獻(xiàn)［5］設(shè)計(jì)一些在小規(guī)模電網(wǎng)語音調(diào)度系統(tǒng)場景下較簡單并且實(shí)用有效的語法規(guī)則，用于電網(wǎng)語音調(diào)度系統(tǒng)中語音命令交互語法規(guī)則設(shè)計(jì)，但該設(shè)計(jì)所提各種語義信息均不夠全面充分。文獻(xiàn)［6］在雙向編碼的TransFormer 模型基礎(chǔ)上提出一種全新的電網(wǎng)調(diào)度場景下語音識別模式，在現(xiàn)有基于BERT的語音識別模型上，刪改一部分語音片段特征并添加關(guān)鍵字特征、命名實(shí)體特征。上述文獻(xiàn)表明：針對現(xiàn)有電網(wǎng)語音調(diào)度系統(tǒng)的研究，大多只關(guān)注調(diào)度語音的表層語義信息，沒有考慮短語音和欺騙性語音等引發(fā)的安全問題。

為此，針對此類電網(wǎng)調(diào)度安全挑戰(zhàn)，提出基于深度卷積神經(jīng)網(wǎng)絡(luò)的聲紋識別技術(shù)和動態(tài)口令技術(shù)，設(shè)計(jì)一種結(jié)合語音識別和聲紋識別技術(shù)的身份驗(yàn)證方法，以提升在電網(wǎng)調(diào)度語音指揮業(yè)務(wù)中調(diào)度員身份聲紋識別準(zhǔn)確率，實(shí)現(xiàn)調(diào)度員身份驗(yàn)證。此外，還結(jié)合調(diào)度指令可行性校驗(yàn)，確保調(diào)度的安全性。

1 聲紋識別技術(shù)相關(guān)研究

1.1 聲紋識別

現(xiàn)有聲紋識別模型多基于身份向量（identity vectors，i-vectors）方法建立。在這些模型中，以無監(jiān)督的方式學(xué)習(xí)映射矩陣T，使得數(shù)據(jù)最大似然化。矩陣T將通用背景模型（universal background model，UBM）的高維統(tǒng)計(jì)信息映射為已知的低維特征信息向量ivectors。通過計(jì)算兩個信息向量ivectors的距離，可以判斷兩個聲紋是否歸屬于同一人。近期，有學(xué)者提出另一種基于xvectors方法的解決方案，這類方法利用深度神經(jīng)網(wǎng)絡(luò)（deep neural networks，DNN）對訓(xùn)練數(shù)據(jù)中的說話人進(jìn)行分類。訓(xùn)練完成后，利用特征嵌入層提取特征信息xvectors。概率線性判別分析（piecewise linear discriminant analysis，PLDA）［7］分類器用于比較特征信息，從而實(shí)現(xiàn)聲紋識別。這些方法大多采用人工設(shè)定的特征，如FilterBank 系數(shù)和梅爾頻率倒譜系數(shù)（mel-frequency cepstral coefficients，MFCC）［8］。上述人工特征均依據(jù)人的表征特征感知能力而設(shè)計(jì)，難以適用于高效的聲紋識別任務(wù)。為解決這一缺陷，將卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural networks，CNN）應(yīng)用在了聲紋識別領(lǐng)域。

CNN 因?yàn)闄?quán)值共享、局部濾波和池化等操作，有助于提高模型健壯性和表征能力，被廣泛應(yīng)用于圖像領(lǐng)域。但是，語音樣本的數(shù)據(jù)量相對于圖像樣本的數(shù)據(jù)量小，因此在使用CNN聲紋識別時，卷積層中的參數(shù)個數(shù)不能太大，否則容易過擬合。此外，CNN在訓(xùn)練樣本數(shù)量較少的情況下，學(xué)習(xí)到的濾波器往往包含噪聲，因此無法有效地表示聲紋信號。為解決這些問題，SincNet［9］減少第一卷積層中需要學(xué)習(xí)的參數(shù)并用Sinc 函數(shù)代替卷積從而實(shí)現(xiàn)帶通濾波器，SincNet比標(biāo)準(zhǔn)CNN收斂速度更快，效果更好。

1.2 短時語音識別

近年來，聲紋識別技術(shù)發(fā)展迅速，各類研究逐漸成熟，人們逐漸將研究方向轉(zhuǎn)向更具有挑戰(zhàn)性的復(fù)雜環(huán)境，例如信道失配、短時語音和背景噪聲等。聲紋識別系統(tǒng)對短時語音識別效果直接影響用戶的體驗(yàn)，短時語音一般指時長5 s 以內(nèi)的語音，超過5 s 的語音錄入會讓用戶反感。然而在實(shí)際應(yīng)用中，現(xiàn)有聲紋識別系統(tǒng)僅能對長度足夠的語音發(fā)揮較好的識別性能［10］，包括支持向量機(jī)（support vector machine，SVM）［11］、基于高斯混合模型（gaussian mixture model，GMM）的聲紋識別模型［12］等，隨著語音長度的縮短，這些聲紋識別系統(tǒng)的性能迅速下降，聲紋模型能從語音中學(xué)習(xí)到的身份信息較少，且從短時語音中提取的特征更易受說話人狀態(tài)、語音內(nèi)容和語調(diào)的影響，在語音數(shù)據(jù)不足的情況下如何充分挖掘語音特征進(jìn)行身份識別成為研究熱點(diǎn)。文獻(xiàn)［13］對比各類網(wǎng)絡(luò)模型的優(yōu)缺點(diǎn)，發(fā)現(xiàn)CNN 在短時語音識別領(lǐng)域的優(yōu)勢。基于卷積神經(jīng)網(wǎng)絡(luò)的聲紋識別系統(tǒng)，以語音語譜圖為輸入，同時利用語音的時域信息和頻域信息，能更好地克服短時語音數(shù)據(jù)量不足的問題，同時運(yùn)算速度更快，可以與用戶進(jìn)行實(shí)時互動。

1.3 欺騙性語音檢測

隨著聲紋識別系統(tǒng)的廣泛使用，欺騙性語音逐漸成為威脅聲紋識別系統(tǒng)安全的因素，欺騙性語音攻擊方式主要有3 種：語音合成（text to speech，TTS）、語音轉(zhuǎn)換（voice conversion，VC）［14］以及錄音重放（recapture）。語音合成技術(shù)是指對給定的文本信息運(yùn)用合成技術(shù)，將其轉(zhuǎn)換為一段音色接近于目標(biāo)說話人的自然語言序列［15］；語音轉(zhuǎn)換技術(shù)則是通過技術(shù)手段對某一個人的自然語音波形進(jìn)行修改變換，使之聽起來與目標(biāo)說話人的聲音相似，達(dá)到難以區(qū)分的程度；錄音重放攻擊指攻擊者事先采集目標(biāo)說話人的音頻，再通過播放設(shè)備重放音頻來欺騙聲紋身份認(rèn)證系統(tǒng)，獲得非法授權(quán)，相比其他兩種欺騙性語音，錄音重放攻擊的成本低廉且沒有技術(shù)門檻，極難被聲紋身份認(rèn)證系統(tǒng)抵擋。

為應(yīng)對欺騙性語音挑戰(zhàn)，尤其是錄音重放攻擊，除在聲紋識別算法上進(jìn)行改進(jìn)外，在身份認(rèn)證系統(tǒng)中引入動態(tài)認(rèn)證也是一種有效手段［16］。動態(tài)身份認(rèn)證加入時間因子作為參數(shù)，使用固定時間間隔隨機(jī)產(chǎn)生的口令代替?zhèn)鹘y(tǒng)的靜態(tài)口令，進(jìn)而避免口令語音泄露帶來的安全問題。動態(tài)身份認(rèn)證系統(tǒng)會設(shè)定時間限制，例如聲紋身份認(rèn)證系統(tǒng)中，以動態(tài)口令生成時間為起點(diǎn)，要求待認(rèn)證用戶必須在規(guī)定時間內(nèi)錄入動態(tài)口令語音，否則不予通過。由于動態(tài)口令的隨機(jī)性，攻擊者無法在短時間內(nèi)獲取包含指定內(nèi)容的目標(biāo)用戶語音。運(yùn)用基于動態(tài)口令的身份驗(yàn)證方法可有效保證系統(tǒng)的可靠性和訪問的安全性［17］。

2 方案設(shè)計(jì)

2.1 調(diào)度認(rèn)證系統(tǒng)構(gòu)建

針對提出的各種基于聲紋識別的身份認(rèn)證挑戰(zhàn)，構(gòu)建一種基于聲紋識別的調(diào)度認(rèn)證系統(tǒng)，解決電網(wǎng)調(diào)度場景中可能存在的多種未知欺騙攻擊和錯誤調(diào)度指令問題。該系統(tǒng)的目標(biāo)是判斷訪問用戶的輸入語音是否為真實(shí)語音以及實(shí)現(xiàn)對未知訪問用戶的身份驗(yàn)證，對調(diào)度人員進(jìn)行訪問控制。此外為避免錯誤擬定指令對電網(wǎng)造成安全威脅，保障調(diào)度系統(tǒng)能夠發(fā)布合規(guī)的調(diào)度指令，該系統(tǒng)會對指令正確性進(jìn)行校驗(yàn)，對調(diào)度指令進(jìn)行有效約束?？紤]電網(wǎng)調(diào)度場景的實(shí)時性需求，該系統(tǒng)應(yīng)實(shí)現(xiàn)高效響應(yīng)用戶的請求，在執(zhí)行身份認(rèn)證的同時給予及時有效的相關(guān)反饋。

文中設(shè)計(jì)的調(diào)度認(rèn)證系統(tǒng)如圖1 所示，主要分為四層架構(gòu)：數(shù)據(jù)層、功能層、接口層和業(yè)務(wù)應(yīng)用層。每一層均包含相應(yīng)的功能組件，各層之間通過層級關(guān)系進(jìn)行數(shù)據(jù)傳輸以及功能連接，層級結(jié)構(gòu)保障整體系統(tǒng)高內(nèi)聚、低耦合的特征。前端業(yè)務(wù)應(yīng)用層主要實(shí)現(xiàn)用戶和系統(tǒng)之間的交互，該層向用戶提供身份認(rèn)證入口，后臺會對采集的語音進(jìn)行身份驗(yàn)證和指令校驗(yàn)，然后向用戶返回“通過”并發(fā)布調(diào)度指令，或者“拒絕”；接口層是應(yīng)用層和功能層的橋梁，根據(jù)當(dāng)前身份認(rèn)證需求提供相應(yīng)的功能接口；功能層主要提供系統(tǒng)核心的聲紋處理功能，實(shí)現(xiàn)語音預(yù)處理、聲紋識別、語音識別和指令校驗(yàn)功能；數(shù)據(jù)層則包括聲紋數(shù)據(jù)庫、隨機(jī)文本庫和調(diào)度術(shù)語庫，實(shí)現(xiàn)對聲紋特征和調(diào)度術(shù)語的存儲，以及動態(tài)口令的生成，為功能層提供數(shù)據(jù)支持。

圖1 基于聲紋識別的調(diào)度認(rèn)證系統(tǒng)架構(gòu)Fig.1 Dispatching authentication system architecture based on voiceprint recognition

提出的基于聲紋識別的調(diào)度認(rèn)證系統(tǒng)的實(shí)現(xiàn)流程如圖2所示。

圖2 調(diào)度認(rèn)證系統(tǒng)的實(shí)現(xiàn)流程Fig.2 The implementation process of dispatching authentication system

調(diào)度認(rèn)證系統(tǒng)的實(shí)現(xiàn)步驟如下：

1）聲紋認(rèn)證階段。待驗(yàn)證人員首先錄入調(diào)度指令語音，聲紋模型提取語音輸入聲紋特征并在聲紋數(shù)據(jù)庫中檢索該聲紋特征，若匹配聲紋成功則進(jìn)入動態(tài)驗(yàn)證環(huán)節(jié)。

2）動態(tài)驗(yàn)證階段?；陔S機(jī)文本庫生成隨機(jī)口令，并展示給待驗(yàn)證人員，待驗(yàn)證人員錄入動態(tài)口令語音，首先將該語音輸入語音識別模型，轉(zhuǎn)換為文本序列，與展示的隨機(jī)口令文本進(jìn)行匹配，同時將該語音輸入聲紋識別模型提取聲紋特征，與步驟1）中提取的聲紋特征進(jìn)行匹配。若兩次匹配均通過則進(jìn)入步驟3）指令檢驗(yàn)階段。

3）調(diào)度指令檢驗(yàn)階段。首先將錄入的調(diào)度指令語音輸入語音識別模型，得到文本序列，并在調(diào)度術(shù)語數(shù)據(jù)庫中檢索該調(diào)度指令內(nèi)容，旨在發(fā)現(xiàn)錄入的調(diào)度指令中存在的問題，例如不合規(guī)術(shù)語和超出閾值的異常數(shù)值，對調(diào)度指令進(jìn)行安全性校驗(yàn)。如果發(fā)現(xiàn)調(diào)度指令存在安全隱患，則不予執(zhí)行并將調(diào)度指令退回，直至調(diào)度人員對指令進(jìn)行修改，通過合規(guī)性校驗(yàn)后，系統(tǒng)再發(fā)布調(diào)度指令。

2.2 人員聲紋認(rèn)證

在電網(wǎng)調(diào)度場景中，為避免指令歧義等隱患引起的安全風(fēng)險，調(diào)度系統(tǒng)通常要求調(diào)度員使用一套統(tǒng)一且嚴(yán)謹(jǐn)?shù)恼{(diào)度術(shù)語體系進(jìn)行聯(lián)系匯報(bào)，這使得調(diào)度指令較為簡練，語音時長較短，同時也導(dǎo)致聲紋識別系統(tǒng)難以獲得大量聲紋信息，無法提取出足夠的聲紋特征［18］。因此在電網(wǎng)調(diào)度系統(tǒng)中，如何從有限的聲紋數(shù)據(jù)中獲取盡可能多的聲紋特征用于聲紋人員認(rèn)證，具有較大的研究價值。

傳統(tǒng)的聲紋識別方法難以從原始語音中提取充足的信息來檢測短時語音，針對該短時語音安全挑戰(zhàn)，引入卷積神經(jīng)網(wǎng)絡(luò)CNN 對聲紋進(jìn)行建模，CNN是近年來語音處理領(lǐng)域中最流行的架構(gòu)之一，其權(quán)重共享、局部感知域和池化層等特征有助于發(fā)現(xiàn)語音信息中魯棒的特征表示，因此引入CNN 可以有效解決短時語音挑戰(zhàn)中語音信息量不足的問題［19］。首先，將說話者的語音信號劃分為短時語音段；然后，從短時語音段生成短時間頻譜圖，并取對數(shù)獲得短時間對數(shù)頻譜圖；接著，將多個短時對數(shù)頻譜圖疊加為一組獲取特征譜圖，以減小樣本大小，并準(zhǔn)確地獲得穩(wěn)定的聲紋特征。最后，將特征譜圖輸入到卷積神經(jīng)網(wǎng)絡(luò)中，預(yù)測出最有可能的說話人，采用卷積神經(jīng)網(wǎng)絡(luò)對聲紋特征進(jìn)行提取，可以充分利用時域和頻域的特征，提高聲紋識別系統(tǒng)的性能［20］。

所設(shè)計(jì)的聲紋認(rèn)證階段主要分為訓(xùn)練、注冊和識別3 個流程。在訓(xùn)練流程中，首先從非相關(guān)人員中采集大量的訓(xùn)練語音，然后將訓(xùn)練語音進(jìn)行預(yù)處理得到語譜圖，最后將語譜圖作為聲紋模型的輸入，訓(xùn)練出用于聲紋識別的通用背景模型，流程如圖3所示。

圖3 聲紋認(rèn)證階段訓(xùn)練流程Fig.3 Voiceprint authentication phase training process

在注冊流程中，首先需要采集相關(guān)調(diào)度人員的注冊語音，將注冊語音預(yù)處理生成語譜圖后，輸入到通用背景模型中得到聲紋嵌入向量，然后將同一個調(diào)度人員的多個聲紋嵌入向量進(jìn)行平均，最終得到屬于每一個調(diào)度人員的聲紋模型，存儲到聲紋數(shù)據(jù)庫中即視為完成注冊，流程如圖4所示。

圖4 聲紋認(rèn)證階段注冊流程Fig.4 Voiceprint authentication phase registration process

在識別流程中，首先對語音信號進(jìn)行預(yù)處理得到語譜圖，然后將語譜圖輸入訓(xùn)練得到的聲紋模型中，得到待識別語音的聲紋嵌入向量，最后與聲紋數(shù)據(jù)庫中的聲紋模型進(jìn)行對比，計(jì)算并評估聲紋嵌入向量與所有聲紋模型的相似性，得到大小為N的余弦距離矩陣（N表示說話人數(shù)量）。使用該余弦距離矩陣中的值作為相似度得分，若數(shù)據(jù)庫存在相似度大于設(shè)定閾值的聲紋特征則判斷為通過，進(jìn)入動態(tài)驗(yàn)證階段，若無高于閾值的聲紋特征則不予通過，流程如圖5所示。

圖5 聲紋認(rèn)證階段識別流程Fig.5 Voiceprint authentication phase identification process

2.3 口令動態(tài)驗(yàn)證

除短時語音安全挑戰(zhàn)外，欺騙性語音也是一個威脅聲紋識別身份認(rèn)證的安全挑戰(zhàn)，欺騙性語音即系統(tǒng)闖入者使用語音合成、錄音重放等方法欺騙聲紋身份認(rèn)證系統(tǒng)，試圖利用虛假語音通過身份認(rèn)證，獲取系統(tǒng)操作權(quán)限，實(shí)行不法行為。如何應(yīng)對欺騙性語音無疑對聲紋身份認(rèn)證系統(tǒng)提出更高的要求。通過技術(shù)合成的人工語音，無法完全模仿目標(biāo)用戶的真實(shí)語音，合成語音與真實(shí)語音在高頻區(qū)分布差別較大，難以合成連貫且自然的語音，先進(jìn)的聲紋識別算法可以識別合成語音與真實(shí)語音的差異，在一定程度上抵御合成語音威脅。而錄音重放的語音取自真實(shí)目標(biāo)用戶的語音，基于聲紋識別技術(shù)的身份驗(yàn)證系統(tǒng)無法識別驗(yàn)證語音是否為系統(tǒng)用戶本人錄入，抑或是錄音重放，因此現(xiàn)有聲紋身份認(rèn)證系統(tǒng)難以抵御此類攻擊。

針對欺騙性語音安全挑戰(zhàn)，文中采用動態(tài)口令驗(yàn)證技術(shù)來解決該問題。聲紋識別技術(shù)可以分為文本有關(guān)型、文本無關(guān)型和文本提示型。3種聲紋識別技術(shù)各有其特色：文本相關(guān)型使用說話人的發(fā)音關(guān)鍵詞和常用語句作為訓(xùn)練文本，識別時，按照固定內(nèi)容發(fā)音，識別性能優(yōu)異，但更容易被盜用真實(shí)用戶語音；文本無關(guān)型的說話人識別方法，無須限制識別時的語音內(nèi)容，使用起來更加靈活方便，但是性能不能得到保證；文本提示型同時具備文本有關(guān)型和文本無關(guān)型的優(yōu)勢，既有良好的識別效率，也能防范欺騙性語音。動態(tài)口令驗(yàn)證技術(shù)屬于文本提示型聲紋識別技術(shù)，每次執(zhí)行身份認(rèn)證時，系統(tǒng)會從預(yù)先設(shè)定的文本庫中隨機(jī)選擇并生成動態(tài)文本，要求說話人依照展示文本發(fā)音，系統(tǒng)同時也會設(shè)置時限，闖入者很難在短時間合成目標(biāo)用戶語音，更不可能提前獲取包含提示文本的目標(biāo)用戶的真實(shí)語音，通過動態(tài)口令驗(yàn)證技術(shù)可以很好地解決欺騙性語音問題。

文中提出的動態(tài)口令驗(yàn)證階段實(shí)現(xiàn)流程如圖6所示。

圖6 動態(tài)驗(yàn)證階段流程Fig.6 Dynamic verification phase process

動態(tài)口令驗(yàn)證階段實(shí)現(xiàn)步驟如下：

1）從文本庫中隨機(jī)生成動態(tài)口令，展示給待驗(yàn)證人員，待驗(yàn)證人員須在規(guī)定時間錄入動態(tài)口令語音，否則驗(yàn)證失敗。

2）將動態(tài)口令語音輸入語音識別模型，得到文本識別結(jié)果，將識別結(jié)果與展示的動態(tài)口令進(jìn)行匹配，若不匹配則要求重新錄入。

3）若識別結(jié)果與動態(tài)口令匹配，則繼續(xù)進(jìn)行聲紋特征提取，將動態(tài)口令語音輸入到聲紋識別模型中，得到聲紋嵌入特征，與之前錄入的調(diào)度指令語音進(jìn)行聲紋特征余弦相似度判決，給出核驗(yàn)結(jié)果；

4）若判決的余弦相似度大于設(shè)定的閾值，則判斷調(diào)度指令語音不屬于欺騙性語音，調(diào)度員身份檢驗(yàn)通過，繼續(xù)執(zhí)行指令校驗(yàn)階段，若相似度低于閾值則不予執(zhí)行。

2.4 指令有效性校驗(yàn)

隨之電網(wǎng)智能化進(jìn)程的推進(jìn)，電網(wǎng)安全問題時有發(fā)生，例如無權(quán)限調(diào)度和錯誤調(diào)度等。這些風(fēng)險時刻威脅著電網(wǎng)系統(tǒng)的正常調(diào)度，加強(qiáng)電網(wǎng)風(fēng)險管控，提高電網(wǎng)調(diào)度操作水平迫在眉睫。針對可能出現(xiàn)的錯誤調(diào)度指令，文中提出了加入指令校驗(yàn)過程的構(gòu)想，調(diào)度指令校驗(yàn)是指當(dāng)系統(tǒng)即將執(zhí)行調(diào)度指令時，先對調(diào)度指令進(jìn)行可行性校驗(yàn)，即檢查指令的合規(guī)性和安全性，當(dāng)發(fā)現(xiàn)調(diào)度指令存在安全隱患或表達(dá)歧義等問題時，系統(tǒng)會退還調(diào)度指令并提示調(diào)度人員更改指令，直至指令通過校驗(yàn)后才被允許發(fā)布。對調(diào)度指令進(jìn)行校驗(yàn)既可以提升電網(wǎng)風(fēng)險管理水平，還能提高電網(wǎng)調(diào)度效率，最大程度上規(guī)避錯誤調(diào)度引起的安全事故。

文中提出的調(diào)度指令校驗(yàn)實(shí)現(xiàn)流程如圖7所示。

圖7 調(diào)度指令校驗(yàn)流程Fig.7 Dispatching instruction verification process

調(diào)度指令校驗(yàn)實(shí)現(xiàn)步驟如下：

1）首先將調(diào)度指令語音輸入語音識別模型和word2vec，輸出文本識別結(jié)果，接著計(jì)算文本中所有單詞的詞嵌入，最后對所有詞嵌入取平均。

2）計(jì)算識別文本詞嵌入和調(diào)度術(shù)語數(shù)據(jù)庫中記錄的所有調(diào)度指令的詞嵌入之間的余弦相似度，得到余弦距離矩陣。

3）若余弦距離矩陣中存在大于設(shè)定閾值的值，即說明該調(diào)度語音是存在記錄在數(shù)據(jù)庫中的合規(guī)調(diào)度指令，判斷允許執(zhí)行；反之，若不存在則要求重新錄入調(diào)度指令語音。

3 結(jié)束語

針對傳統(tǒng)電網(wǎng)調(diào)度系統(tǒng)中缺乏調(diào)度認(rèn)證的問題，結(jié)合電網(wǎng)運(yùn)行特點(diǎn)及調(diào)控需求，設(shè)計(jì)基于聲紋識別的調(diào)度認(rèn)證系統(tǒng)，幫助遠(yuǎn)程識別現(xiàn)場的調(diào)度下令人員的真實(shí)身份，并校驗(yàn)調(diào)度指令的可行性。首先，引入深度學(xué)習(xí)算法模型提取語音特征，有效地抽取輸入語音更深層次的信息，提高模型的運(yùn)算速度，解決短時語音問題；其次，引入動態(tài)口令驗(yàn)證，剔除虛假調(diào)度語音，核驗(yàn)現(xiàn)場人員的真實(shí)身份，解決欺騙性語音問題；最后，對調(diào)度指令進(jìn)行可行性校驗(yàn)和風(fēng)險評估，減少不合規(guī)調(diào)度指令造成的風(fēng)險，提高電網(wǎng)調(diào)度的效率，同時避免重大安全事故。