【技术实现步骤摘要】
本专利技术涉及一种水电远程集控安全防误方法及系统，属于水电系统自动控制。
技术介绍
1、针对水电远程集控近年也有许多研究成果，专利cn107255980a公开了一种水电远程集控的交互方法，将水电厂群划分成不同层级，根据预设的公式计算出所需的技术指标，将这些指标分层按需展示，解决了界面展示零散、不直观，界面组织层次不分明，集中控制操作繁杂、步骤繁多的问题，实现了多流域、多电站、多机组简洁高效的远程集控管理。专利cn106652372a公开了一种水电远控平台的报警系统及方法，在传统的水电远控平台报警系统基础上，增加了对受控电站简报信息的筛选、分类和分级，通过计算机语音简报系统、弹窗和声光报警等方式相结合，从而实现报警信息的快速查看，达到对故障或事故的快速、准确处理，提高了水电远程集控的运营的安全性，为加速水电远控平台建设提供强有力的技术支持。专利cn106953840a公开一种水电远控平台防误操作方法和系统，其包括通过权限配置来设置操作员工作站节点，并配置操作员工作站对水电站的操作权限；通过电站lcu(现地控制单元)控制权进行闭锁，当电站对应的lcu控制权在集控中心时，集控中心才能对该lcu控制的设备进行远控操作；机组开停机操作时，在按“确认”按钮前增加输入校验码环节。
2、但在水电控制系统远程集控模式下，不可避免进行下令或遥控操作，尤其是事故处理等紧急情况下特别需要加强防误校核，而集控调度人员缺乏处理经验，调控安全校核与防误操作存在风险。
技术实现思路
1、本专利技术所要
2、为解决上述技术问题，本专利技术提供一种水电远程集控安全防误方法，包括以下步骤：
3、步骤1.对发电设备关联模型及发电系统相关设备互联架构原型进行知识抽取，形成发电调度相关设备的图状设备拓扑关系知识库；
4、步骤2.对文本形式的数据进行知识抽取和知识融合，并将处理得到的数据与图状设备拓扑关系知识库建立关联，所述文本形式的数据包括调度管理规程、保护规程、操作票、检修申请和调度日志；
5、步骤3.采用结构化条件的方式录入现行发电设备调度相关的防误逻辑，并通过图模式识别和拓扑分析的方式将录入的防误逻辑条件与图状设备拓扑关系知识库中的实体节点相关联；找出没有直接关联的若干节点及没有直接关联节点之间的间接关联关系，遍历防误约束，实现操作逻辑类防误、操作条件类防误及规范性防误的校验。
6、前述的一种水电远程集控安全防误方法，在步骤1中，进行知识抽取包括实体抽取与关系抽取两种方式；
7、在实体抽取过程中，利用训练后的基于bilstm模型的神经网络自动从相关数据中对设备实体的有效特征进行表示及捕获，完成发电调度相关设备的实体提取；
8、在关系抽取过程中，以定义并标注好的一部分数据作为参考，进行发电调度相关设备之间关系类型的分类模型监督学习，将海量的实体设备编制为带有设备拓扑关系的图状结构。
9、前述的一种水电远程集控安全防误方法，在步骤1中，对基于bilstm模型的神经网络进行训练的过程包括以下步骤：
10、(11)对输入文本数据进行处理，包括分词、词性标注；
11、(12)构建bilstm模型，输入是经过词嵌入处理后的词向量序列，输出是对每个词的标签预测结果；
12、(13)利用标注数据对bilstm模型进行训练，采用反向传播算法对模型中的各种权重和偏置参数进行优化，再使用随机梯度下降算法对模型中的各种权重和偏置参数进行优化；
13、(14)使用测试数据对训练好的bilstm模型进行测试，并评估bilstm模型的性能，评估指标包括准确率、精确率、召回率和f1值；
14、(15)对bilstm模型进行优化，优化方法包括调整模型结构、增加特征、增加训练数据、调整超参数。
15、前述的一种水电远程集控安全防误方法，在步骤(15)中，在模型结构优化过程中，通过采用cnn与lstm相结合的方法对bilstm模型进行优化；
16、cnn-bilstm模型的第一部分由卷积层和最大值组成的cnn部分池化层，对原始数据进行预处理并输入cnn卷积层，利用卷积核自适应提取生命特征，卷积层遍历输入信息，将卷积核权重与局部序列进行卷积运算，提取特征信息，得到初步的特征矩阵；
17、cnn-bilstm模型的池化层是最大池化层，池化操作对提取的特征进行数据降维；最大池化层将前一个卷积层得到的特征矩阵作为输入，在所述特征矩阵上滑动一个池化窗口，在每一次滑动中取池化窗口的最大值，输出一个更具表现力的特征矩阵；
18、池化后，连接一个bilstm层，使用全局池化操作将bilstm层输出的整个时间序列转换成固定长度的相关向量，全局池化操作将每个时间步的输出转换成一个单一的值，从而得到与整个时间序列相关的向量表示，由cnn结构构造成一个长期的时间序列作为bilstm模型的输入数据，开始模型训练。
19、前述的一种水电远程集控安全防误方法，在步骤(15)中，在调整超参数的优化过程中，使用麻雀搜索算法将bilstm模型超参数作为麻雀种群，在规定范围内随机生成麻雀初始种群，比较不同麻雀个体的适应度函数，适应度函数由bilstm模型的准确度为依据，利用麻雀搜索算法进行多次迭代变异，搜索可以使模型准确度达到最高的超参数，从而优化bilstm模型性能。
20、前述的一种水电远程集控安全防误方法，在步骤2中，所述知识融合负责对文本形式的数据进行清理和整合，包括实体链接和知识合并；
21、在实体链接过程中，对于从文本中抽取得到的实体对象，通过相似度计算将抽取得到的实体对象链接到知识库中对应的正确实体对象，包括实体消歧和共指消解；
22、所述实体消歧是指将文本中的文本实体，链接到知识库中的对应实体；
23、所述共指消解是指识别文本中出现的多个实体是否指向同一个实体，将指向同一个实体的多个实体进行映射对应。
24、前述的一种水电远程集控安全防误方法，在步骤2中，实体消歧和共指消解采用的方法包括基于规则的方法、基于机器学习的方法和基于深度学习的方法；
25、所述基于规则的方法是通过预设多条前置规则，依据规则对文本中的实体进行处理，得到一个特征明显的文本实体，从而构建实体间的映射关系；
26、所述基于监督学习的方法是对大量文本实体数据进行学习训练，首先根据项目方向确定词表和释义表，再获取训练语料，对不同文本实体及上下文进行向量化后，提取特征，通过机器学习模型对向量特征的学习，对不同实体进行分类；
27、在所述基于深度学习的方法中，通过cnn模型实现实体消歧，首先对句子进行预处理，提取消歧特征；结合歧义词汇左右四个邻接词汇单元的词形、词性和语义类，统计歧义词汇及其邻接词汇的频度，对其歧义词汇进行向量化；将向量化后的本文档来自技高网...
【技术保护点】
1.一种水电远程集控安全防误方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种水电远程集控安全防误方法，其特征在于，在步骤1中，进行知识抽取包括实体抽取与关系抽取两种方式；
3.根据权利要求2所述的一种水电远程集控安全防误方法，其特征在于，在步骤1中，对基于BiLSTM模型的神经网络进行训练的过程包括以下步骤：
4.根据权利要求3所述的一种水电远程集控安全防误方法，其特征在于，在步骤（15）中，在模型结构优化过程中，通过采用CNN与LSTM相结合的方法对BiLSTM模型进行优化；
5.根据权利要求3所述的一种水电远程集控安全防误方法，其特征在于，在步骤（15）中，在调整超参数的优化过程中，使用麻雀搜索算法将BiLSTM模型超参数作为麻雀种群，在规定范围内随机生成麻雀初始种群，比较不同麻雀个体的适应度函数，适应度函数由BiLSTM模型的准确度为依据，利用麻雀搜索算法进行多次迭代变异，搜索可以使模型准确度达到最高的超参数，从而优化BiLSTM模型性能。
6.根据权利要求1所述的一种水电远程集控安全防误方法，其特征
7.根据权利要求6所述的一种水电远程集控安全防误方法，其特征在于，在步骤2中，实体消歧和共指消解采用的方法包括基于规则的方法、基于机器学习的方法和基于深度学习的方法；
8.根据权利要求6所述的一种水电远程集控安全防误方法，其特征在于，在步骤2中，知识合并是将已有的知识库与抽取的信息进行合并，将发电调度相关的设备实体在调度系统的数据库中的定义和命名作为知识合并的标准，将已有的系统数据库中的数据转换成RDF的三元组形式，除计算机文本挖掘形式外，其他形式数据通过不同的工具转换为RDF三元组形式，所述其他形式数据包括结构化数据、非结构化文本数据、图像数据和语音数据，其他形式抽取的知识要素再与已有的系统数据库中的数据转换为三元组形式的数据进行知识融合。
9.根据权利要求8所述的一种水电远程集控安全防误方法，其特征在于，在步骤2中，采用以下方法将已有的系统数据库转换成RDF的三元组形式：
10.根据权利要求1所述的一种水电远程集控安全防误方法，其特征在于，在步骤3中，在操作逻辑类防误过程中，包括以下步骤：
11.根据权利要求10所述的一种水电远程集控安全防误方法，其特征在于，在步骤（b）中，包括以下步骤：
12.根据权利要求1所述的一种水电远程集控安全防误方法，其特征在于，在步骤3中，在操作条件类防误过程中，包括：
13.根据权利要求1所述的一种水电远程集控安全防误方法，其特征在于，在步骤3中，利用文本挖掘识别方法检测指令文本内容的规范性与一致性，进行操作票的票面问题检查，包括设备名与操作术语书写不规范、跨状态操作、操作顺序错误、操作任务与操作指令不一致、与要求设备状态不一致。
14.根据权利要求13所述的一种水电远程集控安全防误方法，其特征在于，在步骤3中，检测指令文本内容的规范性与一致性包括以下方法：
15.一种计算机系统，包括存储器、处理器及存储在存储器上的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现权利要求1-12任一项所述方法的步骤。
...【技术特征摘要】
1.一种水电远程集控安全防误方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种水电远程集控安全防误方法，其特征在于，在步骤1中，进行知识抽取包括实体抽取与关系抽取两种方式；
3.根据权利要求2所述的一种水电远程集控安全防误方法，其特征在于，在步骤1中，对基于bilstm模型的神经网络进行训练的过程包括以下步骤：
4.根据权利要求3所述的一种水电远程集控安全防误方法，其特征在于，在步骤（15）中，在模型结构优化过程中，通过采用cnn与lstm相结合的方法对bilstm模型进行优化；
5.根据权利要求3所述的一种水电远程集控安全防误方法，其特征在于，在步骤（15）中，在调整超参数的优化过程中，使用麻雀搜索算法将bilstm模型超参数作为麻雀种群，在规定范围内随机生成麻雀初始种群，比较不同麻雀个体的适应度函数，适应度函数由bilstm模型的准确度为依据，利用麻雀搜索算法进行多次迭代变异，搜索可以使模型准确度达到最高的超参数，从而优化bilstm模型性能。
6.根据权利要求1所述的一种水电远程集控安全防误方法，其特征在于，在步骤2中，所述知识融合负责对文本形式的数据进行清理和整合，包括实体链接和知识合并；
7.根据权利要求6所述的一种水电远程集控安全防误方法，其特征在于，在步骤2中，实体消歧和共指消解采用的方法包括基于规则的方法、基于机器学习的方法和基于深度学习的方法；
8.根据权利要求6所述的一种水电远程集控安全防误方法，其特征在于，在步骤2中，知识合并是将已有的知识库与抽取的信息进行合并，将发电调度相关的设备实体在调度系...
【专利技术属性】
技术研发人员：宋万礼，夏安宇，邓亚军，朱德文，陈辉，彭雪飞，余玲，
申请(专利权)人：贵州黔源电力股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。