知识融合

SDH光传输系统是支撑大电网安全运行的关键电力通信设施,当前对于实时严重告警的排查主要依赖通信调度人员的经验开展关联分析,该模式存在排查速度慢、业务协同差等不足。为了解决以上问题,提出了一种面向SDH光传输系统告警的领域知识图谱构建方法。针对告警文本中实体嵌套和边界难以确定的问题,构建BERT+Bi-LSTM+CNN模型进行命名实体识别。采用Multi-Attention+TextRNN模型进行关系抽取,并基于GCN+Self-Attention进行知识图谱融合。以某线路的通信设备告警文本为实验对象,采用所提出的方法进行知识抽取和融合,实体识别准确率达到91.42%,知识融合的hits@1能达到38.1%,验证了针对SDH光传输系统告警场景的领域知识图谱构建方法的有效性。

电力人工智能是人工智能的相关理论、技术和方法与电力系统的物理规律、技术与知识融合创新形成的“专用人工智能”。 数据驱动的人工智能技术是支撑新一代电力系统的重要手段新一代电力系统系统的显著特征是高比例可再生能源、高比例电力电子装备接入电网、多能互补综合能源和信息物理深度融合智能化。随着新能源、电动汽车、需求响应等技术的广泛应用和电力市场化发展，开放性、不确定和复杂化问题突出，机理方法难以建模；大电网广域互联和交直流混联需要数据支撑的新的稳定运行机理。电力系统的监控、量测系统产生的数据，与外部相关数据融合，提供了良好的数据基础。 能源电力领域的数字时代已经到来，能源生产、传输和消费各环节中多要素广泛接入和融合共享，形成一种新型的开放式和生态式系统，人工智能将为数字化的能源电力赋予新动能。

为了解决国网数据知识资源分散，关联程度不高，多模态数据难以融合和有效利用，电网领域数据的知识化服务能力不足等问题，开展基于认知计算的人工智能知识服务平台能力研究，建立多源数据处理规范、形成电网数据的知识本体设计规则，进行数据的知识化构建，提供基于不同业务诉求的场景化知识处理和服务能力。 本研究主要从以下几个方面展开：通过技术研究和开发建设拟建立一种通过知识工程方法的认知计算的人工智能电网知识资源统一表达方式和标准化技术，以此为基础实现建立电网全产业链数据链接，提供设备、数据、服务互联互通的数据标准化处理能力；研究电网知识资源的知识本体设计技术，实现电力多源异构数据的知识化关联融合和有效应用，建立涵盖公司设备全业务数据知识的接入、处理、构建与应用的设备知识图谱本体，同时形成面向电力领域的本体构建规则；研究电网资源知识融合过程中针对其中的设备、资产、组织结构等进行实体建模；针对参数、描述等进行属性建模；针对实体间的关联，进行关系建模；针对监控产生的日志、操作等，进行事件建模；提供基于事件的业务场景化知识服务能力；通过电网业务知识服务能力构建，从分析电力知识数据来源、数据形式出发，对电力知识存储方式以及电力知识查询语言进行归约，同时使用机器学习、深度学习以及自然语言处理技术从非结构化电力文本中进行信息抽取，抽取出具体的结构化电力数据，经过知识融合加工实现了知识图谱可视化与应用以及智能知识检索能力。相关技术成果有效地支撑了电网业务的智能数据知识化融合和电力业务场景新型知识服务能力，全面助力提升公司数据资源管理效率、经营效益和服务水平。

大型电站煤粉锅炉是一个多变量多目标的复杂耦合系统，其燃烧状态、解耦控制、协调优化是制约锅炉总体性能提升的技术瓶颈。但传统技术难以准确反映锅炉燃烧过程动态特性，炉整场温度分布无法连续实时获取，控制系统控制变量单一且时间带后，燃烧优化主要依赖试验结果与人员经验，锅炉不能连续稳定保持良好的运行状态，同时在锅炉效率提高与NOx生成量降低之间无法合理兼顾。项目提出了基于数据驱动与专家知识融合的锅炉燃烧整体优化方案，建立了锅炉智能控制模式和性能协调提升策略，开发了锅炉智能优化控制系统和炉膜三维温度场实时监测系统，搭建了可实现智能运算的DCS扩展控制平台，有效解决了锅炉多目标寻优、炉内三维温度测量、DCS扩展智能控制等一系列技术难题。

大规模电力电子设备的接入为系统引入了数量庞大的强非线性量测/控制节点，使得传统电力系统逐渐转变为电力信息物理系统（cyber-physical system，CPS），许多原本应用模型驱动方法解决的系统问题不得不因维度灾难等局限转而采取数据驱动算法进行分析。然而，数据驱动算法自身的缺陷为系统的安全稳定运行引入了新的风险，攻击者可以对其加以利用，发起可能引发系统停电甚至失稳的对抗攻击。针对电力CPS中数据驱动算法可能遭受的对抗攻击，从异常数据剔除与恢复、算法漏洞挖掘与优化、算法自身可解释性提升3个方面，提出了对应的防御方法：异常数据过滤器、基于生成式对抗网络（generative adversarial network，GAN）的漏洞挖掘与优化方法、数据-知识融合模型及其训练方法，并经算例分析验证了所提方法的有效性。

调度控制是电网运行的核心，随着交直流输电规模不断扩大、高比例新能源接入，电网运行复杂性和随机性激增，一旦突发故障，依赖调度员经验的传统调控模式难以做出及时准确的决策，电网安全稳定面临巨大威胁，亟需大数据、人工智能等新技术赋能电网调控，提升其自主化、智能化水平。立项之初，实现电网自主调控面临严峻技术挑战：①电网监测数据海量，难以实现状态快速精准辨识。②调控规则复杂多样，难以实现调控知识机器学习。③调控决策影响因素多，难以实现全局优化的调控辅助决策。④缺乏高效人机交互方式和数据-知识融合驱动的自主调控决策系统。2009年以来，团队依托国家、地方和企业项目，产学研用联合攻关，围绕“理论研究-技术攻关-系统开发”的主线，取得重大突破。项目申请发明24项，授权13项，登记软著7项，出版专著1部，发表论文39篇，其中SCI/EI共18篇，主导制定企标2项。项目成果经鉴定整体达到国际领先水平。