一种融合大规模语言模型的电力行业知识图谱构建方法

    公开(公告)号:CN118627604A

    公开(公告)日:2024-09-10

    申请号:CN202410675721.6

    申请日:2024-05-29

    摘要: 本发明公开一种融合大规模语言模型的电力行业知识图谱构建方法,基于大模型的提示工程迭代式地自动构建电力行业知识图谱,属于计算机自然语言处理领域,方法包括:首先,输入电力行业相关文本,设计提示模版自动化识别文本中相关的实体和类型;然后,设计检索模型会从知识库、数据库或外部来源抓取文本相关信息辅助文本的关系抽取;接着在识别到的关系、实体和类型的基础上,识别相关的三元组;从大模型自动生成相关的电力领域的三元组;最后,设计提示模版自动化地消解识别到的实体、谓词。本发明有助于解决电力行业的领域知识库自动构建的难题。

    一种低压三相相序表
    3.
    发明公开

    公开(公告)号:CN105548731A

    公开(公告)日:2016-05-04

    申请号:CN201610107184.0

    申请日:2016-02-26

    IPC分类号: G01R29/18

    CPC分类号: G01R29/18

    摘要: 本发明公开了电网检测领域的一种低压三相相序表,包括相序表本体,所述相序表本体上设有A相检测端、B相检测端和C相检测端;所述A相检测端、所述B相检测端和所述C相检测端上均设有一块可吸附在对应仓位出线上,并可使所述对应仓位出线与所述相序表本体导通的磁性导电体。其技术效果是:其使得低压三相相序表的操作大大简化,使单人完成相序检测工作成为了可能,节省了人力成本。

    一种基于业务动因的公司经济活动预测方法

    公开(公告)号:CN112085364A

    公开(公告)日:2020-12-15

    申请号:CN202010904144.5

    申请日:2020-09-01

    摘要: 本发明涉及一种基于业务动因的公司经济活动预测方法,包括以下步骤:1)影响售电量的业务指标预测;2)构建基于业务动因的售电量变动预测模型;3)对利润表进行预测;4)对资产负债表进行预测;5)对现金流量表进行预测;6)基于预测的利润表、现金流量表、资产负债表对主要绩效指标进行测算。本发明在开展经营绩效预判分析时,从底层业务动因着手开展预测,夯实了测算分析基础,更广泛的与实际生产、经营活动结合,深化了经营分析的深度和广度。同时,通过理顺各指标间量化关系,实现基于基础数据和参数的预测过程指标和绩效指标的自动测算分析,提高了经济活动分析的效率和准确性。本发明可以广泛应用于电网经营管理领域。

    一种基于神经网络的配电网风险隐患动态评价模型构建方法

    公开(公告)号:CN110472851A

    公开(公告)日:2019-11-19

    申请号:CN201910710603.3

    申请日:2019-08-02

    摘要: 本发明公开了一种基于神经网络的配电网风险隐患动态评价模型构建方法,在采集电网实时数据后,将数据进行故障率预测流程相关数据与风险严重程度相关数据的区分,分别输入对应流程。故障率预测流程和风险严重程度预测流程分别通过历史数据得到各自数据模型,然后梳理各自模型的主要相关因素,并确定输入参数和输出参数,再通过神经网络进行训练,最终得到经过验证的模型,从而能够根据实时数据得到实时故障率预测值定级和风险严重程度定级。结合二者的定级从而得到综合风险评级,并在综合风险评级触发阈值时进行警告。

    基于电碳因子的碳排放量预测方法、装置、设备及介质

    公开(公告)号:CN115271218A

    公开(公告)日:2022-11-01

    申请号:CN202210916296.6

    申请日:2022-08-01

    IPC分类号: G06Q10/04 G06F17/18 G06Q50/26

    摘要: 本发明公开了一种基于电碳因子的碳排放量预测方法、装置、设备及介质。该方法通过对每一个待确定对象,获取电碳因子正态分布和因子权重正态分布,根据电碳因子正态分布、因子权重正态分布、预设因子抽取数量以及预设权重抽取数量,确定预估电碳因子,进而根据参考电碳因子以及各预估电碳因子,确定目标对象的目标电碳因子,实现了电碳因子的准确确定,进一步根据确定出的目标电碳因子确定目标对象的预计碳排放量,实现了碳排放量的准确确定,解决了现有技术中人为分析碳排放量准确性较低、效率低以及成本高的问题,并且,通过预设因子抽取数量以及预设权重抽取数量,避免了抽取极端值对预估电碳因子的影响,提高了电碳因子的准确性。

    一种结合LLM和BERT的NL2SQL方法及系统

    公开(公告)号:CN118296034A

    公开(公告)日:2024-07-05

    申请号:CN202410497713.7

    申请日:2024-04-24

    IPC分类号: G06F16/242 G06N3/045 G06N3/08

    摘要: 本发明涉及一种结合LLM和BERT的NL2SQL方法及系统,该方法步骤包括:获取自然语言与表字段输入;将自然语言与表字段分别输入多个基于BERT的预测模型,并分别预测不同的数据库语言关键信息;基于预测模型的预测结果以及数据库的表信息,完成SQL语句的组装并提取目标数据集;构建Prompt指令,通过LLM提取自然语言的真实意图;将目标数据集以及真实的意图作为LLM的上下文语义,通过Prompt指令提取最终用户预期的结果集。与现有技术相比,本发明具备更好的泛化能力,并且引入LLM的理解能力,能更好的理解搜索条件的真实意图,大大提升了SQL语句生成的准确性,更好地帮助NL2SQL在实际中应用。