面向变压器智能运检的知识图谱构建和智能问答技术研究

TP391.1%TM41; 针对电力公司在开展变压器设备运检过程中存在的非结构化文本数据难以利用、全口径数据难以深度融合、设备知识应用深度较浅等难题,基于语义网、知识图谱、自然语言处理等人工智能技术,对开展设备智能管理的关键技术进行了研究,提出了支撑变压器智能管理的智能技术框架,包括非结构化文本智能识别与提取、以设备为中心的设备知识表示与存储、设备知识服务应用三部分;形成了设备语义提取模型、设备语义相似度计算模型、基于深度神经网络的智能问答模型等三个智能模型;总结了该技术在变压器设备状态评价报告自动化审核、设备信息灵活查询、基于设备故障知识的辅助诊断三个场景的应用成果;提出了基于知识的设备智能...

Full description

Saved in:
Bibliographic Details
Published in全球能源互联网 Vol. 3; no. 6; pp. 607 - 617
Main Authors 张敏杰, 徐宁, 胡俊华, 王宇飞, 李晨, 徐剑波, 张诗玉
Format Journal Article
LanguageChinese
Published 善智互联(北京)网络科技有限公司,北京市 海淀区 100089%国网浙江省电力有限公司电力科学研究院,浙江省 杭州市 310014%国网浙江省电力有限公司,浙江省 杭州市 310007%北京大数据研究院,北京市 海淀区 100089 01.11.2020
Editorial Office of Journal of Global Energy Interconnection
Subjects
变压器故障辅助诊断
智能运检
智能问答
知识图谱
智能运检
变压器故障辅助诊断
知识图谱
智能问答
Online AccessGet full text

Cover

More Information
Summary:TP391.1%TM41; 针对电力公司在开展变压器设备运检过程中存在的非结构化文本数据难以利用、全口径数据难以深度融合、设备知识应用深度较浅等难题,基于语义网、知识图谱、自然语言处理等人工智能技术,对开展设备智能管理的关键技术进行了研究,提出了支撑变压器智能管理的智能技术框架,包括非结构化文本智能识别与提取、以设备为中心的设备知识表示与存储、设备知识服务应用三部分;形成了设备语义提取模型、设备语义相似度计算模型、基于深度神经网络的智能问答模型等三个智能模型;总结了该技术在变压器设备状态评价报告自动化审核、设备信息灵活查询、基于设备故障知识的辅助诊断三个场景的应用成果;提出了基于知识的设备智能技术下一步研究的方向.
ISSN:2096-5125
DOI:10.19705/j.cnki.issn2096-5125.2020.06.008