智能電網(wǎng)（輸變電部分）領(lǐng)域知識體系構(gòu)建和語義研究與應(yīng)用

2017-12-07 14:27:54 來源:《電力信息與通信技術(shù)》雜志作者:徐強　點擊量：評論 (0)

如今，隨著電力技術(shù)的發(fā)展日新月異，用戶對電能質(zhì)量的要求也逐漸提高，多個國家陸續(xù)提出了各自關(guān)于智能電網(wǎng)建設(shè)的方案。國家電網(wǎng)公司作為國有特大型央企，提出了建設(shè)堅強智能電網(wǎng)，以實現(xiàn)電網(wǎng)中電力流、業(yè)務(wù)流、信息流的高度融合。智能電網(wǎng)的發(fā)展必將使電力系統(tǒng)各環(huán)節(jié)的聯(lián)系更加緊密、數(shù)據(jù)與信息交互更加頻繁，也正因為如此，各級電網(wǎng)工作人員對知識的需求也更加迫切。

1、當前智能電網(wǎng)領(lǐng)域知識服務(wù)存在的問題

1 )知識資源組織管理體系結(jié)構(gòu)落后?，F(xiàn)有的智能電網(wǎng)知識資源組織管理體系結(jié)構(gòu)比較單一，缺乏知識點間的關(guān)聯(lián)性，層級簡單，體系結(jié)構(gòu)仍以圖書形式為主，分類單一，知識點僅遵循“用、代、屬、分、參”關(guān)系，顯示方法比較扁平化，已經(jīng)不能滿足高性能、大容量知識服務(wù)的建構(gòu)、處理與運行的要求。如何描述、存儲、管理、處理、分析和使用海量分布的知識資源進行知識服務(wù)，是智能電網(wǎng)領(lǐng)域知識服務(wù)應(yīng)用的重要問題。

2 )知識服務(wù)開發(fā)成本高、更新維護困難。智能電網(wǎng)領(lǐng)域的專家系統(tǒng)和知識服務(wù)應(yīng)用雖然可以較好地滿足用戶對知識服務(wù)的需求，但受到知識本身時效性強、更新速度快等特點的影響，導(dǎo)致此類知識服務(wù)的開發(fā)成本高，重用難度大，使得其實現(xiàn)和推廣的難度相對較大。

3 )知識服務(wù)同用戶需求本身存在一定的差距。當前智能電網(wǎng)的知識服務(wù)檢索結(jié)果往往沒有考慮檢索者本身的實際情況，以及用戶難以用計算機能理解的方式描述出其希望了解的內(nèi)容。

造成這些問題的原因，一方面在于激增的數(shù)據(jù)超過了現(xiàn)有用戶和系統(tǒng)所能承受、處理和利用的范圍，導(dǎo)致數(shù)據(jù)無法被及時、合理地組織，決策者未能從中得到應(yīng)有的啟示;另一方面，知識的表現(xiàn)形式使其不能被有效利用，這是因為目前的知識表示方法不利于電網(wǎng)知識的發(fā)現(xiàn)，進而導(dǎo)致不能形式化地表示電網(wǎng)領(lǐng)域知識。

因此，本文研究基于語義網(wǎng)技術(shù)，并以輸變電圖書為樣例，對智能電網(wǎng)(輸變電部分)領(lǐng)域知識開展研究，完成智能電網(wǎng)(輸變電部分)知識體系構(gòu)建，以期更好地為國家電網(wǎng)公司提供知識服務(wù)。另外，通過本文研究成果對國家電網(wǎng)公司企業(yè)級知識管理系統(tǒng)進行優(yōu)化，有利于實現(xiàn)知識整理和標引、知識協(xié)同構(gòu)建、資源自動檢索和標注、知識服務(wù)模型以及知識資源個性化推送等目標。以智能電網(wǎng)(輸變電部分)領(lǐng)域知識為研究范圍，以10 kV 配網(wǎng)不停電作業(yè)知識為突破口，著力做好該領(lǐng)域知識收集、概念抽取、語義研究和本體設(shè)計，研究知識體系構(gòu)建以及知識庫搭建工作。

本文內(nèi)容包含系統(tǒng)梳理智能電網(wǎng)(輸變電部分)領(lǐng)域的主題詞條，闡明詞條之間的相互聯(lián)系和相互作用;基于本體語言的知識表示方法和原則，開發(fā)專用的本體工具，構(gòu)建智能電網(wǎng)(輸變電部分)知識體系;并以語義檢索應(yīng)用為目的完成智能電網(wǎng)(輸變電部分)專業(yè)知識庫的建立，為整個智能電網(wǎng)領(lǐng)域知識體系的構(gòu)建提供理論依據(jù)及技術(shù)支持，同時可對智能電網(wǎng)領(lǐng)域知識挖掘、發(fā)現(xiàn)與利用進行有益的探索。

基于本體設(shè)計、語義標引技術(shù)，在電力領(lǐng)域?qū)＜业闹笇?dǎo)和配合下，對智能電網(wǎng)(輸變電部分)領(lǐng)域知識開展研究，研究該領(lǐng)域知識收集、概念抽取、本體設(shè)計、語義標引、概念體系構(gòu)建的關(guān)鍵技術(shù)路徑，并完成了最終的知識庫搭建工作。所完成的專業(yè)知識庫系統(tǒng)提供了網(wǎng)站作為檢索接口，集成了本體工具、數(shù)據(jù)加工模型的圖書文獻檢索等技術(shù) , 實現(xiàn)了智能電網(wǎng)(輸變電部分)知識的語義檢索應(yīng)用。系統(tǒng)除了處理常規(guī)的文本檢索之外，還提供了本體的交互式圖形可視系統(tǒng)、自然語言及問句式查詢系統(tǒng)、語義增強搜索系統(tǒng)以及相關(guān)詞條推薦系統(tǒng)，可以智能化地協(xié)助用戶提高檢索效率。

2、領(lǐng)域知識收集

領(lǐng)域知識收集工作包括對793 本與輸變電專業(yè)相關(guān)圖書、《電力名詞(第二版送審稿)》中指定書目以及《電力主題詞表》的計算機自動處理，并結(jié)合專家所提供的分類體系開展工作。

2.1自動分詞

對這些圖書進行自動分詞，即將一本書、一段話看作一個漢字序列，通過計算機將其切分成一個個單獨的詞，以便進行下一步的理解和分析。

在本文研究中，對開源工具Ikanalyzer 、Rwordseg進行了調(diào)研和試驗。Ikanalyzer提供了可供Java使用的jar包，以及面向全文檢索工具Lucene的接口，使用方便，主要用它來建立索引、本體以及對搜索語句進行分詞，準確率可達95% ，其分詞示例分詞前的整個段落：“在電力系統(tǒng)中，除應(yīng)采取各項積極措施消除或減少發(fā)生故障的可能性外，故障一旦發(fā)生，必須迅速而有選擇地切除故障元件，這是保證電力系統(tǒng)安全運行的最有效方法之一，而繼電保護裝置就是能反映電力系統(tǒng)中電氣元件發(fā)生故障或不正常運行的狀態(tài)，并動作于斷路器跳閘或發(fā)出信號的一種自動裝置。”

計算機分詞和自動去除無實意的詞后的效果如下：“電力系統(tǒng)中因各項措施消除減少發(fā)生故障可能性外，故障發(fā)生而有選擇切除故障元件這是保證電力系統(tǒng)安全運行最有效方法之一，而繼電保護裝置電力系統(tǒng)中電氣元件發(fā)生故障不正常運行狀態(tài)動作斷路器跳閘發(fā)出信號一種自動裝置”，可以達到建立索引的要求。

Rwordseg是一個R環(huán)境下的中文分詞工具，使用rJava調(diào)用Java分詞工具Ansj。Ansj基于Apache License ，是一個完全開源、免費的Java中文薦分詞工具。它的實現(xiàn)原理基于Google語義模型和條件隨機場模型。分詞速度可達每秒約200萬字(在Mac Air下測試)，準確率能達到96%以上。通過研究，重寫了一個Java 版本，并且全部開源，使得 Ansj可用于人名識別、地名識別、組織機構(gòu)名識別、多級詞性標注、關(guān)鍵詞提取、指紋提取等領(lǐng)域，支持行業(yè)詞典、用戶自定義詞典。

2.2詞向量訓(xùn)練

詞向量訓(xùn)練是利用深度學(xué)習的思想把單詞表示

成向量的一種方式，語義越相近的詞，形成的向量相似度越高。本文采用Google word2vec工具(基于Apache License 2 .0 的開源工具，提供continuou sbag-of-words和skip-gram architectures等算法對詞向量進行訓(xùn)練)進行詞向量訓(xùn)練，得到詞向量之后，可以進一步得出這些詞向量的聚類。

2.3詞語篩選

根據(jù)停用詞表，去除“的”、“比如”、“別的”等無實意、頻繁出現(xiàn)的但對專業(yè)語義分析無實際幫助的詞，編寫程序去除無關(guān)的標點符號、亂碼字符及其他短字符。在此基礎(chǔ)上，研究人員通過人工對得到的詞語進行篩選，得出重要的名詞和動詞以及相關(guān)概念的英文名和中文描述信息，作為本體分析的對象。其中，名詞集用來構(gòu)建領(lǐng)域本體的相關(guān)概念，動詞集用來描述領(lǐng)域本體概念之間的關(guān)系。

3、概念抽取

本文研究根據(jù)專家提供的輸變電專業(yè)概念分類，對領(lǐng)域知識中的相關(guān)名詞集進行總結(jié)歸納，以半自動的方式從相關(guān)的圖書和詞典中提取出相關(guān)概念，并將其結(jié)構(gòu)化，形成分類體系。

專家提供的輸變電專業(yè)概念分類主要包含資產(chǎn)、作業(yè)、文檔的大體框架分類結(jié)構(gòu)，但不涉及每個具體詞條的歸屬。其中資產(chǎn)可以在EnterpriseArchitecture軟件中查看。其他分類體系通過專家口述，研究人員進行記錄，專家進行核對的形式提供。

在領(lǐng)域知識收集之后，使用Apache Jena(Apche的開源項目，提供了Java接口，可使用Java編程對本體進行創(chuàng)建、修改、讀入、保存、查詢、推理等操作)將概念體系導(dǎo)入本體，將詞條進行粗分類;在此基礎(chǔ)上，多次征求高校電氣學(xué)院領(lǐng)域?qū)＜业囊庖?，使用Stanford Protégé工具(本體開發(fā)工具，具有導(dǎo)入、可視化編輯和保存本體的功能)進行交互展示，供專家審核、修改，并進行細分類。Protégé(本體開發(fā)工具)中對本體進行展示及審核修改的工作界面如圖1所示。

4、本體設(shè)計

在此階段中，根據(jù)相關(guān)圖書及專家所提供的頂層概念模型，使用Apache提供的開源工具Jena創(chuàng)建本體，并使用Protégé 和Word文檔相結(jié)合的方式進行人工核對。

存儲了中英文名的類如圖2所示，其中每個類均存儲了中英文名、所屬詞典以及簡介。

具體建立過程如下：

1 )根據(jù)字符串匹配的方式得出父類與子類的關(guān)系;

2 )根據(jù)詞典中的描述信息建立等價類關(guān)系;

3 )根據(jù)詞典中的描述信息得出包含關(guān)系，如：根據(jù)U型掛環(huán)的描述信息得出結(jié)論“U型掛環(huán)有連接件”;

4 )根據(jù)詞典中的描述信息定義反關(guān)系，如：“有連接件關(guān)系的反關(guān)系是組成U型掛環(huán)”;

5 )根據(jù)名稱定義包含關(guān)系及其反關(guān)系;

6 )根據(jù)詞典中的描述信息建立相關(guān)關(guān)系，如：鋼管塔的描述信息及其所建立的關(guān)系，圖3顯示了從鋼管塔的描述信息中建立其與金具、導(dǎo)線和絕緣子的關(guān)系;

7 )根據(jù)詞典中的描述信息建立數(shù)值型屬性，如：塔高的數(shù)值屬性;

8 )建立實例，如：以中原變電站為例，變電站類有地址屬性，屬性用string表示，中原變電站作為其中一個具體的變電站，地址在鄭州，將鄭州作為中原變電站的地址屬性的值。

根據(jù)Protégé軟件的自動統(tǒng)計信息，本次研究所建成的本體的規(guī)模共有8094個類、21657個Object型屬性、7511個父類–子類關(guān)系以及757個等價類。

5、語義標引

在此階段，利用已有的本體對該領(lǐng)域中的文檔資源進行標引，從而實現(xiàn)語義推理的目的，最終實現(xiàn)語義信息檢索。

在語義標引過程中，對屬于本體中的實例，如：“巡視”、“維護”、“sub station”等加上html的標簽，在前端通過處理與其他未標注文本進行區(qū)別顯示，點擊時可自動查詢相應(yīng)本體。

使用Jena 和Java 對本體進行標注。首先，將本體中類的中文名和英文名用Jena 導(dǎo)出，并根據(jù)詞條長度進行由長到短的排序，排序后，“電子互感器”排在“互感器”之前。使用Java 遍歷排序后的數(shù)組，為文本中匹配處依次加上標簽，避免了重復(fù)地將“電子互感器”標注為“電子互感器”和“互感器”。

專業(yè)詞匯如“變電站”、“互感器”等的標注基本無誤。本體中的其他相關(guān)詞匯中含有一些多義詞，人工篩選了“條件”、“單元”、“連結(jié)”等多義詞進行剔除。

6、概念體系設(shè)計

在專家的幫助下，將智能電網(wǎng)的中英文名、描述信息、層次結(jié)構(gòu)及其關(guān)系等知識進行整合，得到智能電網(wǎng)(輸變電部分)領(lǐng)域中的一個概念體系。

概念體系包含了智能電網(wǎng)領(lǐng)域(輸變電部分)中前面提到的所有信息(即概念分類體系以及詞條的中英文名、釋義、等價類、屬性等)。以光纜為例，光纜示例如圖4 所示。

圖4中303.3.8 是“光纜”在本文概念體系中的編號，“optical fiber cable ”是英文名，“18.307 ”是“光纜”在《電力名詞(第二版送審稿)》中的編號，“以光纖為傳輸元件……”這句話是“光纜”的描述信息，“相關(guān)材料”，表示“光纜”與“材料”這個概念相關(guān)。