【技术实现步骤摘要】
本专利技术涉及数据处理和人工智能，尤其涉及一种基于人工智能的设备数据提取方法及系统。
技术介绍
1、在电网系统的运行过程中，实时监测电网中各个设备的运行状态，及时发现异常状态的设备并进行预警，对于电网的安全稳定运行具有重大意义。现有的设备监测预警系统通常是根据设备上的传感器获取设备的各项运行数据，并传输至指定的控制管理中心。控制管理中心集中管理各个设备的实时运行数据，根据实时运行数据以及各个设备对应的安全阈值对所有的设备进行监测预警，同时将各个设备的实时运行数据分类存入不同的数据库进行备份。当需要监测预警的设备数量较少时，这套预警方案是十分有效的，可以同时对多个设备进行监测预警，并根据实际需求对不同的设备设置不同的安全阈值，保证了安全性与便利性；但随着电网系统的发展，设备的数量与种类与日俱增，传统的设备数据提取方法往往需要处理海量的数据，存在着运算任务繁重、系统资源占用较大导致系统运行缓慢等问题，使得监测系统无法及时进行预警。此外，当运维人员需要远程查询指定设备的某项数据时，需要通过移动设备远程访问指定数据库，从数据库中的海量数据中查询指定数据，同样存在查询效率低的问题，当花费较长时间查询到某项数据后，该数据已经不是实时数据，丧失了数据的时效性。
2、另一方面，随着人工智能技术的发展，人工智能技术开始与各行各业紧密结合，通过在传统技术中结合人工智能技术，可以有效减少重复劳动，提升工作效率。在设备数据提取方面，结合预训练的语音识别模型识别用户的数据提取任务，进而根据数据提取任务从海量数据流中提取目标数据，提高数据提取的
技术实现思路
1、针对上述技术问题，本专利技术提供一种基于人工智能的设备数据提取方法及系统，从海量的设备数据中根据任务需求准确提取所需的数据，以提升设备数据提取的效率和准确性。
2、第一方面，本专利技术提供一种基于人工智能的设备数据提取方法，包括：
3、获取用户的语音信息；
4、将所述语音信息输入至预设的语音识别模型，以使所述语音识别模型将所述语音信息转换为文本信息；
5、判断所述文本信息中是否包含预设的数据提取条件，若不包含所述数据提取条件，则向所述用户输出第一提示信息，并等待获取用户的语音信息；
6、若所述文本信息中包含预设的数据提取条件，则将所述文本信息输入至预设的设备数据提取模型，以使所述设备数据提取模型根据所述文本信息中的数据提取条件从数据流中提取对应的目标数据；
7、将所述目标数据存入预设的存储设备，并向所述用户输出第二提示信息。
8、本专利技术实施例提供一种基于人工智能的设备数据提取方法，通过获取用户的语音信息并使用语音识别模型进行识别转换，得到对应的文本信息。进一步的，为了保证数据提取的准确性和效率，先对文本信息进行条件判断，确认文本信息中是否包含预设的数据提取条件，因为后续的数据提取过程是完全根据数据提取条件进行的。若文本信息中不包含所述数据提取条件，则表明用户的语音输入有误，通过第一提示信息提示用户重新输入符合要求的语音信息并重新进行语音识别。若文本信息中包含预设的数据提取条件，则通过设备数据提取模型根据数据提取条件从数据流中提取对应的目标数据，并存入指定的存储设备，完成用户的数据提取任务。在本专利技术中，当用户需要提取某设备的相关数据时，不需要进行复杂的搜索和筛选操作，可以直接通过语音信息发布数据提取任务，提高了设备数据提取的便捷性。同时，本专利技术结合了人工智能技术，通过语音识别模型识别用户的语音信息，并对所识别的内容进行条件判断，提高了设备数据提取的准确性，最后根据所识别的内容通过设备数据提取模型从数据流中进行数据提取，提高了设备数据提取的效率。
9、在一种可能实现的方式中，所述语音识别模型将所述语音信息转换为文本信息，包括：
10、对所述语音信息进行预处理，得到待识别语音信息，其中，所述预处理包括去除噪声处理、降低回声处理以及语音头尾节点检测；
11、通过短时傅里叶变换对所述待识别语音信息进行特征提取，获得与所述语音信息对应的特征向量；
12、将所述特征向量输入至预训练的隐马尔可夫模型，以使所述隐马尔可夫模型根据所述特征向量从预设的语音模板集合中进行模板匹配，确定对应的语音模板；
13、根据所述特征向量和对应的语音模板生成所述文本信息。
14、本专利技术实施例提供了一种语音识别方法，首先对语音信息进行预处理，保障语音信息的清晰度和完整性，提供后续语音识别的准确性。然后通过短时傅里叶变换从语音信息中提取出特征向量，用于后续的模板匹配。根据所述特征向量，通过隐马尔可夫模型进行模板匹配。隐马尔可夫模型已经根据大量的语料训练数据进行过预训练并生成了多个语音模板，因此会根据所述特征向量输出一个概率矩阵，概率矩阵中包含所述特征向量属于各个语音模板的对应概率，选择概率矩阵中最大的概率即为与所述特征向量对应的语音模板。最后，根据所选择的语音模板将所述语音信息转换为文本信息，完成所述语音识别。
15、进一步的，所述判断所述文本信息中是否包含预设的数据提取条件，包括：
16、使用分词工具对所述文本信息进行分词处理，得到对应的分词文本集；
17、根据预设的停词表对所述分词文本集进行停词处理，去除所述分词文本集中的停用词，得到多个关键词信息；
18、根据所述关键词信息判断所述文本信息中是否包含预设的数据提取条件，其中，所述数据提取条件包括目标数据的数据类型、目标数据对应的设备型号以及目标数据的提取时间段。
19、在本专利技术实施例中，通过对文本信息进行分词处理和停词处理，提炼出多个关键词信息，进而根据关键词信息判断所述文本信息中是否包含预设的数据提取条件。数据提取条件是后续提取设备数据的重要信息，如果文本信息中缺失某项数据提取条件，则后续无法准确提取到目标数据，影响数据提取的准确性。因此需要对文本信息进行关键词提取和判断，保证后续设备数据提取的效率和准确性。
20、在一种可能实现的方式中，所述设备数据提取模型根据所述文本信息中的数据提取条件从数据流中提取对应的目标数据，包括：
21、获取所述数据提取条件中的目标数据的提取时间段；
22、在所述目标数据的提取时间段内，持续检索数据流中各个数据的数据标签；
23、当数据流中的第一数据的数据标签满足所述数据提取条件中的目标数据的数据类型和目标数据对应的设备型号时，将所述第一数据复制并存入缓存区；
24、当所述检索数据流的过程结束后，所述缓存区内的数据即为所述目标数据。
25、本专利技术实施例提供一种根据数据提取条件进行设备数据提取的方法，首先根据目标数据的提取时间段确定检索数据流的起始时间，然后在该时间段内持续检索对数据流中的本文档来自技高网...
【技术保护点】
1.一种基于人工智能的设备数据提取方法，其特征在于，包括：
2.如权利要求1所述的一种基于人工智能的设备数据提取方法，其特征在于，所述语音识别模型将所述语音信息转换为文本信息，包括：
3.如权利要求1所述的一种基于人工智能的设备数据提取方法，其特征在于，所述判断所述文本信息中是否包含预设的数据提取条件，包括：
4.如权利要求1所述的一种基于人工智能的设备数据提取方法，其特征在于，所述设备数据提取模型根据所述文本信息中的数据提取条件从数据流中提取对应的目标数据，包括：
5.如权利要求4所述的一种基于人工智能的设备数据提取方法，其特征在于，所述将所述目标数据存入预设的存储设备，并向所述用户输出第二提示信息，包括：
6.一种基于人工智能的设备数据提取系统，其特征在于，包括获取模块、语音识别模块、判断模块、数据提取模块以及存储模块；
7.如权利要求6所述的一种基于人工智能的设备数据提取系统，其特征在于，所述语音识别模型将所述语音信息转换为文本信息，包括：
8.如权利要求6所述的一种基于人工智能的设备数据提
9.如权利要求6所述的一种基于人工智能的设备数据提取系统，其特征在于，所述设备数据提取模型根据所述文本信息中的数据提取条件从数据流中提取对应的目标数据，包括：
10.如权利要求6所述的一种基于人工智能的设备数据提取系统，其特征在于，所述存储模块包括通信单元、传输单元以及缓存清理单元；
...【技术特征摘要】
1.一种基于人工智能的设备数据提取方法，其特征在于，包括：
2.如权利要求1所述的一种基于人工智能的设备数据提取方法，其特征在于，所述语音识别模型将所述语音信息转换为文本信息，包括：
3.如权利要求1所述的一种基于人工智能的设备数据提取方法，其特征在于，所述判断所述文本信息中是否包含预设的数据提取条件，包括：
4.如权利要求1所述的一种基于人工智能的设备数据提取方法，其特征在于，所述设备数据提取模型根据所述文本信息中的数据提取条件从数据流中提取对应的目标数据，包括：
5.如权利要求4所述的一种基于人工智能的设备数据提取方法，其特征在于，所述将所述目标数据存入预设的存储设备，并向所述用户输出第二提示信息，包括：
6.一种...
【专利技术属性】
技术研发人员：吴龙腾，孟子杰，周巍，郭乾，董锴，何剑军，刘川，蔡新雷，祝锦舟，李延宾，赵瑞锋，张洪，陈勋旺，黎皓彬，侯珏，江贺彬，郝文焕，黎可，喻振帆，李超，倪斌业，王志军，郭俊宏，沈志钧，刘敬诚，凌华保，吴育青，陈敏，林桂辉，李欢欢，
申请(专利权)人：广东电网有限责任公司，
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。