基于SER异常告警图谱的直流控保设备风险预警方法及系统与流程

基于ser异常告警图谱的直流控保设备风险预警方法及系统
技术领域
1.本发明涉及电力系统调度继电保护设备技术领域，尤其涉及一种基于ser异常告警图谱的直流控保设备风险预警方法及系统。


背景技术：

2.换流站高压直流控保设备数量众多，控制保护逻辑复杂，设备与设备之间有通信联系，一个设备发生异常或故障时，有可能引起设备功能降级或退出，可能产生系统风险。例如，高压直流控保设备自检发现其采样回路异常时，通常会退出相应保护功能，而采样回路异常往往会同时造成多套保护的回路异常，退出多套保护功能则会导致直流系统运行存在风险，极端情况下可能会导致直流系统停运或者直流故障不能及时正确切除。因此，密切监视高压直流控保设备的运行状态，及时发现设备异常或隐患，具有非常重要的现实意义。
3.知识图谱技术能够对海量的文本、语音、图像等结构化和非结构化的复杂数据进行高效处理，通过知识抽取、知识融合以及知识加工，形成一系列相互关联的结构化知识，建立数据间的联系，增强知识间的语义信息，在自然语言处理、智能问答、智能推荐等领域中广泛应用。广义上的知识图谱是一个语义网络，在海量数据处理中应用广泛，能够发现并推断事物之间的复杂关系。本质上来说，知识图谱是图数据库的一种形式，将数据层次化、结构化、逻辑化的在知识图谱中展示，更加快速的进行智能搜索、智能问答和个性化推荐功能。
4.知识图谱能够整合非结构化数据，从分散的数据中挖掘知识，实现智能化功能。知识图谱可分为通用知识图谱和企业知识图谱两类。通用知识图谱面向全领域，在互联网搜索、推荐和知识问答等方面有着广泛应用，由于其包含全领域知识，应用范围广，强调实体，因此在形成具有全局性本体层的统一管理上有一定难度。企业知识图谱则是针对特定领域，用户为各类行业的专业人员，其广度远不如通用知识图谱，只在特定的行业内使用，因此对于准确度的要求很高。在应用上，企业知识图谱通常使用在需要进行复杂分析的场合或决策中。与通用知识图谱不同，企业知识图谱的数据模式非常严格，实体的属性非常丰富并且会有一定的行业色彩。很多行业和公司也在研发对应的企业知识图谱，目前在金融行业、医药行业、金融行业和公安情报方面发展迅速。电力行业知识图谱的建立将会解决电力行业的数据孤岛、数据访问困难、数据质量低、作业流程低效等问题，借助知识图谱，可以实现多源异构数据的整合，并实现知识搜索、自动推理等功能。就高压直流电力系统而言，通常是通过直流控保把设备的告警和故障信号通过ser(事件顺序记录)文件上传给调度直流主站，而ser文件包含了结构化数据和需要进行结构化的数据文本文件，使用知识图谱技术能够方便的将各数据之间的关系进行关联，并将告警信息、动作信息及可能的故障原因、故障后果及相应的处理措施等，结合运行人员的诊断经验，用规则表示出来，形成直流控保设备风险预警知识图谱，进而根据告警信息对知识库进行关联和推理，获得诊断结论，因此运用知识图谱进行对直流控保设备进行风险预警方法的探索是很有意义的。


技术实现要素：

5.为解决现有技术中存在的不足，本发明提供一种基于ser异常告警图谱的直流控保设备风险预警方法及系统，先对事件顺序记录系统(ser)信号中的直流控保信息进行分类，再按照高压直流系统的一次、二次系统的拓扑连接和系统运行过程中直流告警信号的关联关系，对保护类信号、告警类信号和普通类信号进行分组，并设定各种信号之间的状态变换逻辑，形成告警信息知识图谱。当直流系统发生故障或告警时时，根据告警信息进行告警信息知识图谱自动匹配，并根据状态变换逻辑判断告警信息的原始关联数据，迅速推演出故障和告警的未来发展趋势以及处置建议，从而帮助工作人员确定告警涉及范围和缺陷处理。
6.本发明采用如下的技术方案。
7.本发明提出了一种基于ser异常告警图谱的直流控保设备风险预警方法，包括：获取换流站内的事件顺序记录系统的信号文本，基于标准数据库，对信号文本中各条目进行抽取和映射，得到事件信息条目；基于预训练模型对事件信息条目进行文本分类得到信号主体、动作对象以及动作信息，以及抽取信号主体、动作对象以及动作信息之间的实体关系，输出知识三元组以及知识三元组之间的关联关系；根据知识三元组以及三元组之间的关联关系，形成基于ser异常告警信息的知识图谱；
8.当直流系统发生告警或故障时，提取ser信号文本中的关键特征，将关键特征与所建立的知识图谱进行信息匹配，根据匹配的知识三元组以及三元组之间的关联关系，确定告警或故障的类型以及告警或故障的发展趋势，进行风险预警。
9.ser信号文本的条目包括：序号，日期，时间，系统，套别，告警等级，事件组，事件信息。
10.所述方法还包括：对事件顺序记录系统的信号文本进行识别，判断信号是否为无效信号，滤除无效信号。
11.预训练模型的输入层是bert层，中间层是前后向长短期记忆网络层，输出层是crf层。
12.事件信息条目经过bert层得到含有语义信息的词向量，将词向量作为前后向长短期记忆网络层的输入。
13.前后向长短期记忆网络向crf层输入词向量中每个汉字映射到对应分类标签的概率。
14.crf层中，获得每个汉字映射到对应分类标签的概率之和作为第一概率和，并且获得每个汉字从一个分类标签转移到另一分类标签的概率之和作为第二概率和，第一概率和与第二概率和的和的最大值对应的分类标签作为最佳标签，使用最佳标签对输入的语句中的汉字进行标注。
15.基于预训练模型对事件信息条目进行文本分类，先得到信号主体、动作对象以及动作信息，再根据最佳标签确定抽取信号主体、动作对象以及动作信息之间的实体关系，输出形式为第一故障知识实体+关系+第二故障知识实体的知识三元组；
16.获取事件顺序记录系统的信号文本的接收时间与第二概率和的加权和，当归一化处理后的加权和不小于设定阈值时确定各知识三元组之间存在关联关系；其中设定阈值取值不小于0.5。
17.所述方法还包括：当直流系统发生告警或故障时，信息无法与知识图谱中的信息进行匹配，或告警或故障信息以及告警或故障的发展趋势作为新的数据，对知识图谱进行增量更新。
18.当直流系统发生告警或故障时，所述ser信号文本中的关键特征与所建立的知识图谱无法匹配时，利用告警或故障的类型以及告警或故障的发展趋势更新知识图谱。
19.本发明还提出了一种基于ser异常告警图谱的直流控保设备风险预警系统，包括：
20.信号文本处理模块，知识图谱构建模块，风险预警模块，知识图谱更新模块；
21.信号文本处理模块，用于获取换流站内的事件顺序记录系统的信号文本，基于标准数据库，对信号文本中各条目进行抽取和映射，得到事件信息条目；
22.知识图谱构建模块，用于基于预训练模型对事件信息条目进行文本分类得到信号主体、动作对象以及动作信息，以及抽取信号主体、动作对象以及动作信息之间的实体关系，输出知识三元组以及知识三元组之间的关联关系；根据知识三元组以及三元组之间的关联关系，形成基于ser异常告警信息的知识图谱；
23.风险预警模块，用于当直流系统发生告警或故障时，提取ser信号文本中的关键特征，将关键特征与所建立的知识图谱进行信息匹配，根据匹配的知识三元组以及三元组之间的关联关系，确定告警或故障的类型以及告警或故障的发展趋势，进行风险预警；
24.知识图谱更新模块，用于当直流系统发生告警或故障时，ser信号文本中的关键特征与所建立的知识图谱无法匹配时，利用告警或故障的类型以及告警或故障的发展趋势更新知识图谱。
25.本发明的有益效果在于，与现有技术相比，本发明提出的方法针对直流告警或故障信号数据进行文本分类，通过构建基于预训练模型的文本分类模型对直流告警或故障信号数据的文本进行分类分析，能够找寻出告警或故障原因以及告警或故障发展趋势，从而为实现智能化故障原因分析奠定基础。
26.本发明在针对直流告警或故障信号数据的文本关系抽取方面，采用了匹配与规则的方法来获取直流告警或故障信号数据的文本中知识实体中之间存在的关联关系，从而输出《故障知识实体1，关系，故障知识实体2》形式的知识三元组，以及三元组之间的关联关系，并且通过人工校对完成知识三元组的处理工作，通过处理的直流故障知识进行数据存储，并进行知识图谱构建的工作，将实现的基于直流故障文本数据的领域内知识图谱利用。
附图说明
27.图1是本发明提出一种基于ser异常告警图谱的直流控保设备风险预警方法的流程图；
28.图2是本发明实施例中直流系统上送的ser信号文本。
具体实施方式
29.为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明的技术方案进行清楚、完整地描述。本技术所描述的实施例仅仅是本发明一部分的实施例，而不是全部实施例。基于本发明精神，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明的保护范围。
30.本发明提出一种基于ser异常告警图谱的直流控保设备风险预警方法，如图1所示，包括：
31.步骤1，获取换流站内的事件顺序记录系统(ser)的信号文本，基于标准数据库，实现信号文本中各条目的映射和抽取，得到事件信息条目。
32.直流系统以站为单位进行区域设置，具体地，以某一换流站内ser信息为例，图2为直流系统上送的ser信号文本。
33.具体地，基于规则的识别方法对ser信号文本进行识别和命名。
34.根据ser信号文本可知，一条ser信号文本包括多个条目，每个条目以逗号作为分割符号进行分开，且根据多条ser信号文本可知，每条ser信号文本中各条目的内容和位置是基本固定的，除最后一个事件信息条目，因此，对ser信号文本，先通过获取逗号的位置对整个ser信号文件的条目进行定位和归类，归类后的ser信号文本包括：序号，日期，时间，系统，套别，告警等级，事件组，事件信息。在非限制性的较优实施例中，直流控制保护信号的结构化数据整理结果如表1所示：
35.表1直流控制保护信号的结构化数据整理结果
36.37.[0038][0039]
进一步，步骤1还包括：对直流控保ser信息进行识别，判断该信号为普通无效信号、告警信号或故障信号，对于无效信号直接过滤掉，对于告警信号和故障信号进行下一步操作。
[0040]
步骤2，基于预训练模型对事件信息条目进行文本分类得到信号主体、动作对象以及动作信息，以及抽取信号主体、动作对象以及动作信息之间的实体关系，输出知识三元组以及在事件顺序上处于相邻关系的知识三元组之间的关联关系。
[0041]
其中，预训练模型的输入层是bert层，中间层是前后向长短期记忆网络层，输出层是crf层。
[0042]
具体地，由表1可知，事件信息条目为非结构化文本，包含了信号主体、动作对象、动作信息等，这些描述有些是固定搭配，有些是直流电网专用语，因此，这些文本之间通过设置文本分类规则来找出数据与故障原因间的关联关系，并且首先要对需要分类的文本数据进行预处理。
[0043]
针对于高压直流故障文本数据，由于故障分类规则众多而且各类故障内在机理存在差别、涉及专业领域不同，因此直流故障文本数据中存在着短文本、多类别且事故类别分布不均衡的特点。在非限制性的较优实施例中，针对故障文本数据，提出采用谷歌开发的bert作为预训练模型，并与支持向量机分类器相结合，bert作为预训练模型能够用于提取文本中的主要特征，避免了手动提取特征造成的特征选择误差，同时bert提取到文本的主要特征后应用支持向量机模型能够让svm的最大分类超平面，能够将bert筛选的特征进一步得到区分，进一步提升文本分类精度，节约成本。使用文本分类规则如下：
[0044]
1)、预训练模型的输入层是bert层，该层的作用是将语料经过bert预训练语言模型得到含有语义信息的词向量，将词向量作为前后向长短期记忆网络层(bilstm)的输入。
[0045]
在非限制性的较优实施例中，将一个含有n个汉字的故障文本数据表示为s＝(s1,s2,s3,
…
si,
…
,sn)，对于每个si，bert通过查询字向量表将文本中的每一个字转为一维向量，作为bert输入，通过该层后输出为各字对应的融合全文语义信息后的向量表示si＝[w1,w2,w3,
…
wj,
…
,wm]，其中i为向量中的元素编号，m为向量中的元素数量。
[0046]
2)、预训练模型的中间层是前后向长短期记忆网络层(bilstm)，本层的作用是将上一层得到的词向量分别通过前向长短期记忆网络和后向长短期记忆网络，获取词向量中每个汉字映射到对应分类标签的概率。
[0047]
在非限制性的较优实施例中，通过双向长短期记忆网络获取的隐层序列按照对应时间拼接为h
l-t
＝[h
t-h
l
]，h
l-t
表示为时间段l-t内隐层序列，,l、t代表2个时间点，通过线性
映射变换为概率矩阵p＝[p1,p2,p3,
…
pi,
…
,pn]，p为一个n
×
k矩阵，n为汉字数，k为标签数，对于矩阵中的任一列向量p
ik
表示为汉字xi映射到第k个标签的概率，且概率不归一。
[0048]
3)、预训练模型的输出层是crf层，是根据bilstm层的输出，使用最佳标签对输入的语句中的汉字进行标注。
[0049]
crf层中，获得每个汉字映射到对应分类标签的概率之和作为第一概率和，并且获得每个汉字从一个分类标签转移到另一分类标签的概率之和作为第二概率和，第一概率和与第二概率和的和的最大值对应的分类标签作为最佳标签，使用最佳标签对输入的语句中的汉字进行标注。
[0050]
基于预训练模型对事件信息条目进行文本分类，先得到信号主体、动作对象以及动作信息，再根据最佳标签确定抽取信号主体、动作对象以及动作信息之间的实体关系，输出形式为第一故障知识实体+关系+第二故障知识实体的知识三元组；
[0051]
在非限制性的较优实施例中，将crf层中的分类标签概率y＝[y1,y2,y3,
…
yi,
…
,yn]作为crf层参数，对输入的语句使用最佳标签进行标注。最佳标签s(x,y)计算公式如下：
[0052][0053]
式中，表示在给定x的条件下的yi的条件概率分布，a表示转移矩阵，大小为(k+2)2的方阵(起点和终点位置算在内)，其中的元素表示从一个标签转到另一个标签的概率。
[0054]
最佳标签计算公式的意义表示为，整个标签序列的概率是每个字符的标签概率之和，字符的标签概率是由矩阵a和矩阵p决定的。对于字符x所有可能的标签序列y概率应用softmax函数做归一化处理，条件概率公式如下：
[0055][0056]
式中，
[0057]y′
是实际标记值，是属于对于输入序列x所有预测序列观测值的集合。
[0058]
根据以上步骤，能够得到关于“事件信息”条目组的信号主体、动作对象、动作信息等。
[0059]
获取事件顺序记录系统的信号文本的接收时间与第二概率和的加权和，当归一化处理后的加权和不小于设定阈值时确定各知识三元组之间存在关联关系；其中设定阈值取值不小于0.5。
[0060]
具体地，实体关系抽取，针对于直流故障文本数据中，知识实体为一次设备、二次设备、故障、动作信息等，实体对之间的关系单一，并不存在一对实体间具有多个关系标签，因此，在非限制性的较优实施例中，采用匹配与规则的模式进行故障文本数据中实体对之间的关系抽取。
[0061]
具体地，根据直流系统故障文本数据中的实体关系，输出第一故障知识实体+关系+第二故障知识实体形式的知识三元组。在“事件信息”条目组中，包含着实体与关系，例如：“旁通对过负荷保护请求换流器y闭锁”，在该条目录中，实体为“旁通对过负荷保护和“换流器y闭锁，两者关系为“请求”，其他条目类似，均可概括为第一故障知识实体+关系+第二故障知识实体。
[0062]
步骤4，根据知识三元组以及三元组之间的关联关系，形成基于ser异常告警信息的知识图谱。
[0063]
步骤5，直流系统发生告警或故障时，提取ser信号文本中的关键特征，将关键特征与所建立的知识图谱进行信息匹配，当信息匹配时，根据匹配的知识三元组以及对应的关联关系，确定告警或故障的类型以及告警或故障的发展趋势，进行风险预警。
[0064]
具体地，识别出异常信息的状态，并根据知识图谱推演出告警和故障的未来发展趋势，从而实现重要风险信息预警，并根据知识图谱的处置建议对告警信息进行处理。
[0065]
具体地，当直流系统发生告警或故障时，ser信号文本中的关键特征与所建立的知识图谱无法匹配时，利用告警或故障的类型以及告警或故障的发展趋势更新知识图谱，实现知识图谱的迭代更新和扩容。
[0066]
具体地，利用本发明提出的方法获得的知识图谱详细记录了各类告警或故障的事故特征，当事故发生后根据事故后电网运行方式的变化情况，对知识图谱进行检索和推理，实现知识驱动型的故诊断辅助决策，减少对调度员的经验依赖。此外，将每次故障诊断的结果作为新的知识对知识图谱进行更新完善，可以使知识图谱提供更为精确、全面、动态化的决策辅助支持。
[0067]
本发明还提出一种基于ser异常告警图谱的直流控保设备风险预警系统，包括：
[0068]
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
[0069]
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、静态随机存取存储器(sram)、便携式压缩盘只读存储器(cd-rom)、数字多功能盘(dvd)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其它自由传播的电磁波、通过波导或其它传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
[0070]
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
[0071]
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(isa)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如smalltalk、c++等，以及常规的过程式编程语言—诸如“c”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独
立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(fpga)或可编程逻辑阵列(pla)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
[0072]
最后应当说明的是，以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

技术特征：
1.一种基于ser异常告警图谱的直流控保设备风险预警方法，其特征在于，包括：获取换流站内的事件顺序记录系统的信号文本，基于标准数据库，对信号文本中各条目进行抽取和映射，得到事件信息条目；基于预训练模型对事件信息条目进行文本分类得到信号主体、动作对象以及动作信息，以及抽取信号主体、动作对象以及动作信息之间的实体关系，输出知识三元组以及知识三元组之间的关联关系；根据知识三元组以及三元组之间的关联关系，形成基于ser异常告警信息的知识图谱；当直流系统发生告警或故障时，提取ser信号文本中的关键特征，将关键特征与所建立的知识图谱进行信息匹配，根据匹配的知识三元组以及三元组之间的关联关系，确定告警或故障的类型以及告警或故障的发展趋势，进行风险预警。2.根据权利要求1所述的基于ser异常告警图谱的直流控保设备风险预警方法，其特征在于，ser信号文本的条目包括：序号，日期，时间，系统，套别，告警等级，事件组，事件信息。3.根据权利要求1所述的基于ser异常告警图谱的直流控保设备风险预警方法，其特征在于，所述方法还包括：对事件顺序记录系统的信号文本进行识别，判断信号是否为无效信号，滤除无效信号。4.根据权利要求1所述的基于ser异常告警图谱的直流控保设备风险预警方法，其特征在于，预训练模型的输入层是bert层，中间层是前后向长短期记忆网络层，输出层是crf层。5.根据权利要求4所述的基于ser异常告警图谱的直流控保设备风险预警方法，其特征在于，事件信息条目经过bert层得到含有语义信息的词向量，将词向量作为前后向长短期记忆网络层的输入。6.根据权利要求5所述的基于ser异常告警图谱的直流控保设备风险预警方法，其特征在于，前后向长短期记忆网络向crf层输入词向量中每个汉字映射到对应分类标签的概率。7.根据权利要求6所述的基于ser异常告警图谱的直流控保设备风险预警方法，其特征在于，crf层中，获得每个汉字映射到对应分类标签的概率之和作为第一概率和，并且获得每个汉字从一个分类标签转移到另一分类标签的概率之和作为第二概率和，第一概率和与第二概率和的和的最大值对应的分类标签作为最佳标签，使用最佳标签对输入的语句中的汉字进行标注。8.根据权利要求7所述的基于ser异常告警图谱的直流控保设备风险预警方法，其特征在于，基于预训练模型对事件信息条目进行文本分类，先得到信号主体、动作对象以及动作信息，再根据最佳标签确定抽取信号主体、动作对象以及动作信息之间的实体关系，输出形式为第一故障知识实体+关系+第二故障知识实体的知识三元组；获取事件顺序记录系统的信号文本的接收时间与第二概率和的加权和，当归一化处理后的加权和不小于设定阈值时确定各知识三元组之间存在关联关系；其中设定阈值取值不
小于0.5。9.根据权利要求1所述的基于ser异常告警图谱的直流控保设备风险预警方法，其特征在于，所述方法还包括：当直流系统发生告警或故障时，信息无法与知识图谱中的信息进行匹配，或告警或故障信息以及告警或故障的发展趋势作为新的数据，对知识图谱进行增量更新。当直流系统发生告警或故障时，所述ser信号文本中的关键特征与所建立的知识图谱无法匹配时，利用告警或故障的类型以及告警或故障的发展趋势更新知识图谱。10.一种基于ser异常告警图谱的直流控保设备风险预警系统，用于实现权利要求1至9任一项所述方法，包括：信号文本处理模块，知识图谱构建模块，风险预警模块，知识图谱更新模块；信号文本处理模块，用于获取换流站内的事件顺序记录系统的信号文本，基于标准数据库，对信号文本中各条目进行抽取和映射，得到事件信息条目；知识图谱构建模块，用于基于预训练模型对事件信息条目进行文本分类得到信号主体、动作对象以及动作信息，以及抽取信号主体、动作对象以及动作信息之间的实体关系，输出知识三元组以及知识三元组之间的关联关系；根据知识三元组以及三元组之间的关联关系，形成基于ser异常告警信息的知识图谱；风险预警模块，用于当直流系统发生告警或故障时，提取ser信号文本中的关键特征，将关键特征与所建立的知识图谱进行信息匹配，根据匹配的知识三元组以及三元组之间的关联关系，确定告警或故障的类型以及告警或故障的发展趋势，进行风险预警；知识图谱更新模块，用于当直流系统发生告警或故障时，ser信号文本中的关键特征与所建立的知识图谱无法匹配时，利用告警或故障的类型以及告警或故障的发展趋势更新知识图谱。

技术总结
一种基于SER异常告警图谱的直流控保设备风险预警方法及系统，包括：获取换流站内的事件顺序记录系统的信号文本，对信号文本中各条目抽取和映射得到事件信息条目；基于预训练模型对事件信息条目进行文本分类得到信号主体、动作对象以及动作信息，以及三者之间的实体关系，输出知识三元组以及知识三元组之间的关联关系；根据知识三元组以及三元组之间的关联关系，形成基于SER异常告警信息的知识图谱；当直流系统发生告警或故障时，提取SER信号文本中的关键特征，将关键特征与所建立的知识图谱进行信息匹配，根据匹配的知识三元组以及三元组之间的关联关系，确定告警或故障的类型以及告警或故障的发展趋势，实现直流控保设备风险预警。警。警。


技术研发人员：任旭超 葛亚明 王业 崔玉 汤昶烽 周陈斌 孟屹华 姜学宝 付柳笛
受保护的技术使用者：国网江苏省电力有限公司苏州供电分公司
技术研发日：2023.06.28
技术公布日：2023/10/11