电力领域知识图谱技术进展与应用实践.docxVIP

电力领域知识图谱技术进展与应用实践 导读：知识图谱相关技术在开发和应用过程中，通常需要跟行业或者业务领域进行高度融合。但是在行业知识图谱构建过程中，无法把传统行业和IT部门或知识图谱团队进行简单对接，导致数据标注及知识的消化理解比较困难，难以形成如图像识别一样的知识高能力应用。行业知识图谱的构建往往需要行业和技术人员双方彼此的沟通对接，中国电力科学研究院有限公司人工智能应用研究所就充当了一个行业和技术的对接桥梁角色，尝试构建了一套电力领域知识图谱。 01 人工智能应用所简介 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。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、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。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%。本人是来自于智能认知室的技术负责人，智能认知研究室主要做的是图像识别、知识图谱、图计算技术，包括设备的故障诊断等方面的研究。此外，我们所还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、IEEEPES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，借此打造了一个比较好的电力人工智能的学术平台和科研平台，为电力人工智能学术生态奠定了基础。 02 电力知识工程的背景、内核及发展历程 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。我们做过很多知识工程，但以前的知识工程都集中通过专家经验去构建一些专家系统，以实现规则化或者逻辑化的表征。 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。 领域知识图谱作为一个复杂的因果网络，其中设备、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。之前有些电力专家提出过电网天然一张图的思想。从人的角度来讲，人最大的网络是社交网络。从实物的角度讲，电网包括涉及到的电力设备、场站、线路设备的部位部件等，其实也是一个真实存在的庞大天然物联网，因此成为了特别适合用图结构去表征的试验场地。行业专家与学者普遍认为：知识图谱在集中应用简单的场景更加易于成功，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先决条件是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。也就是说，我们能在电力领域需求的知识里面找到一个闭包子集，去特定化相关需求，才能把知识图谱及相关应用做好。 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，进行了知识工程的开发，旨在实现由数据到知识、由感知到认知的提升。然而，传统信息化工程产物仍处于对电力数据和知识简单应用，缺乏对知识体系的全面把握，缺乏对电力业务认知推理，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。另一方面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。 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，并对基于知识图谱智能辅助决策与语音助手开展研究；周帆等人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