基于关系图卷积神经网络的电力工作票生成方法及系统与流程

本发明涉及电力管理领域，更具体地，涉及一种基于关系图卷积神经网络的电力工作票生成方法及系统。

背景技术：

1、工作票生成是电厂的重要操作流程，是企业安全生产的最重要保障，但填写和处理工作票的过程要求相关人员技术水平较高且拥有丰富的专家知识，在填写和处理过程中仔细认真，任何错误都会给企业生产和安全带来相当大的威胁，其现有技术存在如下问题和难点：

2、(1)需要实施工作票的问题和操作一般为紧急且优先级较高的情况，对效率要求较高。

3、(2)较重大的缺陷，需对生产和安全因素以及危险源考虑十分全面。

4、(3)电力工作票中安全措施的填写是一个要求较为复杂且专业的工作，填写的安全措施内容往往不规范甚至不合格，对于相同内容用词不同等情况给填写和审核过程带来大量重复工作，影响整体的工作票规范情况。

5、现有生成安全措施的方法通过采用专家系统实现，但是由于数据量较大，规则工作量较多并且难度很大，导致专家系统规则匹配方式需要将填写安全措施的所有流程及关联信息梳理成一个具有逻辑规则的知识库，但电力工作票领域相关知识庞大，且关联知识范围大，使得梳理过程工作量大，即使经验丰富的专家也很难将所有情况采用固定规则描述完。

6、随着知识表示和机器学习等技术的发展，知识图谱相关技术取得了突破性的进展，特别是在知识图谱的构建、推理和计算机技术以及知识服务技术领域，都得到了快速的发展。知识图谱推理在一个知识图谱的发展演变过程中起着重要的作用，知识图谱推理用于对知识图谱进行补全和质量检测等。近年来提出的图神经网络，主要是用于处理图结构的数据，随着信息在节点之间的传播以捕捉图中节点间的依赖关系，其图结构的表示方式使得模型可以基于图进行推理，以完成实体分类任务和链路预测任务。

7、现有技术1(cn111461392b)公开了一种基于图神经网络的电力故障预测方法，包括：基于电气图构建邻接矩阵a；获取a中各节点的状态信息，构建状态矩阵x；以x为输入，以a为卷积核，利用电力故障预测网络预测各节点是否出现故障；若出现故障，则定位电网中的故障节点；对于任意第i个节点，获取其负荷序列和容载比序列，并以小时、日、周、月、季和年为粒度间隔进行序列嵌入，生成负载特性向量x′i(t)；以x′i(t)为输入，利用供电中断时间点预测模型预测该节点在各时间点的中断状态，若f后续时间点均为供电中断状态，则预测该时间点为供电中断时间点。现有技术1存在的技术问题至少包括：没有对训练数据进行适当的处理，导致无法有效准确地预测未来的危险因素，且之预测了可能出现的故障而没有给出对应的处理措施，导致工作人员在填写电力工作票时主观性较强、填写效率较低，还容易出现错误和漏填现象。

技术实现思路

1、为解决现有技术中存在的不足，本发明提供一种基于关系图卷积神经网络进行推理的电力工作票生成方法，能够解决当前根据基础数据，得到的安全措施和危险源的效率低下以及难以达到最佳适配的问题，提高安全措施匹配程度。

2、本发明采用如下的技术方案。

3、一种基于关系图卷积神经网络的电力工作票生成方法，包括：

4、步骤1，获取电力系统的历史工作票和设备台账信息；

5、步骤2，根据历史工作票和设备台账信息构建知识图谱关系图；

6、步骤3，采用稀疏向量表示对知识图谱关系图中的数据进行处理和转换，得到图结构；

7、步骤4，构建关系图卷积神经网络模型并基于图结构对模型进行训练，得到知识推理模型；

8、步骤5，获取新电力设备的数据并基于知识推理模型内容预测电力设备的危险因素和对应的安全措施，并基于得到的危险因素和安全措施生成完整的工作票。

9、优选的，所述步骤1中，获取的历史工作票中包含工作内容、作业工序、工作地点、危险因素和安全措施；

10、获取设备台账中包括以下电力设备的相关信息：责任人、机组、部门、班组、设备类型、专业、型号、kks描述、kks编码和安装位置。

11、优选的，所述步骤2还包括，

12、步骤2-1，根据历史工作票和设备台账中的相关信息得到实体节点和节点属性；

13、步骤2-2，根据历史工作票和设备台账信息构建实体关系，并根据实体节点、实体关系和节点属性构建知识图谱；

14、步骤2-3，将知识图谱中的实体和关系类型编码为整数。

15、优选的，所述步骤2-1中，实体节点类型包括设备、工作票、危险因素和安全措施；

16、设备还包括设备名称、kks编码、设备类型、安装位置、机组的节点属性，其中设备名称为kks描述；工作票还包括工作内容、作业工序、工作地点的节点属性；危险因素包括危险因素描述、危险源、风险等级的节点属性；安全措施包括安全措施描述、适用范围、执行情况的节点属性。

17、优选的，所述步骤2-2中，构建的实体关系包括：设备-工作票关系、工作票-危险因素关系、工作票-安全措施关系、设备-危险因素关系和危险因素-安全措施关系。

18、优选的，所述步骤3还包括：

19、步骤3-1，将知识图谱关系图中的编码转换为一维稀疏向量，对编码中的元素进行编号，并将其转换为稀疏向量中的元素；

20、步骤3-2，根据得到的稀疏向量计算邻接矩阵和度矩阵；

21、步骤3-3，根据邻接矩阵和度矩阵生成知识图谱的图结构；

22、步骤3-4，生成知识图谱的图结构后，根据稀疏向量的更新对知识图谱的图结构进行更新。

23、优选的，所述步骤4中，关系图卷积神经网络模型包括输入层、r-gcn层和输出层；

24、输入层将每个实体和关系转换为一个向量表示，并将每个节点的向量和邻接矩阵传递到下一层；

25、r-gcn层由多个图卷积单元组成，每个图卷积单元可以聚合各节点的邻居节点的信息，并更新节点的向量表示；

26、关系图卷积神经网络模型的输出层为基于多分类逻辑回归的输出层，输出层的输入是每个节点表示的工作票或设备台账，输出层的输出目标是每个节点预测概率分布，概率分布的值表示该节点属于所有可能的危险因素或安全措施类别中的一个。

27、优选的，所述图卷积单元的工作包括：

28、节点嵌入表示的线性变换：将每个节点的嵌入向量与权重矩阵进行乘积操作，并输出一个新的节点表示向量，并传递到下一层；

29、节点与邻居节点的聚合：在已有的节点向量表示和邻接矩阵的基础上，聚合每个节点的邻居节点的信息。聚合方法是将邻居节点的嵌入向量与邻接矩阵相乘，再将结果进行平均，得到聚合后的向量表示。

30、优选的，所述步骤5中，新数据包括工作内容、作业工序、工作地点和设备台账数据，将新数据输入步骤4所生成的知识推理模型，推理预测得到危险因素和对应的最佳安全措施，并根据预测结果填写电力工作票。

31、本发明还提供了一种基于关系图卷积神经网络的电力工作票生成系统，包括：数据采集模块、知识图谱构建模块、图结构计算模块、模型构建及训练模块、预测模块和工作票生成模块；

32、数据采集模块能够电力系统的历史工作票和设备台账信息，以及待预测的电力数据；

33、知识图谱构建模块能够对历史工作票和设备台账信息进行处理，并构建知识图谱关系图；

34、图结构计算模块能够采用稀疏向量表示对知识图谱关系图中的数据进行处理和转换，得到图结构；

35、模型构建及训练模块用于构建关系图卷积神经网络模型并基于图结构对模型进行训练，得到知识推理模型；

36、预测模块能够根据知识推理模型对待预测的电力设备相关数据进行预测，得到可能存在的危险因素和对应的安全措施；

37、工作票生成模块能够结合待预测的电力设备相关数据以及预测结果，生成完整的电力工作票。

38、本发明还提供了一种终端，包括处理器及存储介质；

39、所述存储介质用于存储指令；

40、所述处理器用于根据所述指令进行操作以执行所述电力工作票生成方法的步骤。

41、本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述电力工作票生成方法的步骤。

42、本发明的有益效果在于，与现有技术相比，本发明根据设备台账中的信息，搭建完整的知识图谱，通过对知识图谱的数据进行处理并对实体分类任务和链路预测任务的关系图卷积神经网络进行训练，生成高效地知识推理模型，得到的知识推理模型能够较大程度地提升输入的新数据与所需要推理得到的安全措施和危险源的适配程度，从而提高预测结果的准确性，保障了生成工作票的适用性，帮助检修和运维人员生成完整的工作票，提升工作效率，减小遗漏，确保生产和施工安全，提高电网的安全运行水平。