概述

针对电力系统营销业务开发基于知识图谱的自动推理分析系统，将知识图谱这一新兴技术引入电力领域，通过结构化方式刻画系统中的概念、实体、事件及关系，为解决行业痛点提供了新思路。 电力领域知识图谱具有复杂因果网络特性，实体间普遍关联易导致语义推理超出预期边界，需找到有限知识子集支撑特定应用需求，使其成功落地。 在电力领域知识表示与图谱构建方面，电力知识来源广泛，涵盖结构化的传统知识工程系统数据，以及半/非结构化的电力标准、专家经验等内容，将按复用程度分为通用知识与专用知识。通用知识如电力设备名称、电压等级等，在多业务领域均有需求；专用知识如客服领域的用户电费信息，应用场景相对局限，且两者边界需结合实际业务统计分析界定。 图谱构建的核心在于本体构建，主要采用自顶向下、自底向上及两者结合的方式。自顶向下式依托业务专家编制或已有结构化知识库获取本体结构；自底向上式则从非结构化数据中提取信息，归纳形成底层结构并逐步向上构建。考虑到电力数据的多样性，实际构建中通常融合两种方式，既传承现有数据库经验，又实现新知识发现。同时，构建过程中还需借助自然语言处理技术完成分词、实体识别等操作，通过知识融合消除歧义、实现实体对齐，最终利用图数据库（如Neo4j）存储多对多关系，结合关系型数据库管理多媒体数据，形成完整的图谱架构。

需求详情

（1）基于NoDKG思想构建电力领域知识图谱应用架构，该架构可整合调度故障处置规定、D5000系统数据等多源信息；（2）以输电架空线路工程台账、工单等数据为基础，构建覆盖设备、缺陷、解决方案等信息的本体架构；（3）融合95598客服知识库、坐席记录等数据构建客户服务知识图谱架构。

技术参数

1. 构建包含不少于10万余个实体、50万余条关系的知识图谱。通过Bi-LSTM-CRF模型实现故障实体识别，结合Bi-LSTM+Attention模型进行关系抽取，助力调度人员快速完成故障判断、原因分析与处置决策，提升故障响应效率；2. 采用Bi-LSTM-CRF、Bi-GRU-CRF等算法完成图谱构建。构建不少于2万余个实体、11万余条关系，可实现工作票智能生成、修试记录比对、故障溯源等功能，大幅减少人工操作，提升运检工作标准化水平；3. 构建约1万个实体、10万余条关系的知识图谱。借助基于置信度传播的概念抽取模型与概率因子图模型，实现客服领域实体识别与关系挖掘，支撑智能问答系统精准响应用户电费查询、故障报修等需求，降低人工客服成本，改善用户服务体验。

项目预期

针对电力系统营销业务开发基于知识图谱的自动推理分析系统，将知识图谱这一新兴技术引入电力领域，通过结构化方式刻画系统中的概念、实体、事件及关系，为解决行业痛点提供了新思路。