-
公开(公告)号:CN117312531A
公开(公告)日:2023-12-29
申请号:CN202311506504.6
申请日:2023-11-13
申请人: 国网福建省电力有限公司电力科学研究院 , 厦门大学 , 国网福建省电力有限公司
IPC分类号: G06F16/332 , G06F16/36 , G06F16/34 , G06N5/022
摘要: 本发明涉及一种知识图谱增强的基于大语言模型配电网故障归因分析方法。该方法首先利用数据提取技术从大规模复杂的电力故障数据中挖掘关键信息,并通过特定的三元组模型将这些信息结构化为实体和关系,构建知识图谱。接着,通过专业的可视化工具,将知识图谱进行细致的可视化处理,以揭示可能的故障原因。然后,依赖启发式规则,在知识图谱上进行链接游走,生成详尽的故障原因描述文本。大语言模型(LLM)对这些生成的文本进行深度处理,简化并提取关键信息,使得复杂的故障原因描述变得简洁明了。处理后的文本信息存储为本地知识库,并在此基础上进行LLM问答,以执行深度的故障归因分析。本发明方法能有效地找出电力故障的原因,提高故障处理效率。
-
公开(公告)号:CN118503452A
公开(公告)日:2024-08-16
申请号:CN202410775789.1
申请日:2024-06-17
申请人: 国网福建省电力有限公司电力科学研究院 , 厦门大学 , 国网福建省电力有限公司
摘要: 本发明提出了基于图节点采样与大语言模型的配电网故障归因分析方法,包括如下步骤:步骤一、设计多维度故障本体,用于指导故障数据的结构化;步骤二、构建知识图谱,用于存储和表示配电网中的故障信息;步骤三、集成大语言模型LLM,用于处理和分析故障信息;步骤四、使用基于强化学习的节点选择算法,从知识图谱中选择与当前分析任务最相关的节点,并将这些节点信息提供给大语言模型以增强其诊断预测能力;步骤五、通过精选的节点抽样,利用知识图谱与大型语言模型的集成来优化故障分析的精确性和效率。本发明利用强化学习动态选择关键信息节点,来增强大语言模型的故障分析能力。提高了故障诊断的准确性和效率,同时优化了系统的适应性和灵活性。
-
公开(公告)号:CN117370633A
公开(公告)日:2024-01-09
申请号:CN202311506516.9
申请日:2023-11-13
申请人: 国网福建省电力有限公司电力科学研究院 , 厦门大学 , 国网福建省电力有限公司
IPC分类号: G06F16/951 , G06F16/953 , G06F16/36 , G06F40/279 , G06F40/30 , G06N3/0442 , G06N5/022
摘要: 本发明涉及一种基于事件框架模板的配网故障单事件图谱构建方法。本体层面采用事件框架模板模型自顶向下初步进行事件图谱本体构建,再从语义分析出发对事件图谱本体进行补全,最后通过数据映射和结构映射从实例层面构建事件图谱。首先对故障单结构化数据进行预处理;其次设计了一套事件图谱领域本体构建规范化方法;然后,按照该方法指导配电网故障事件图谱本体构建;之后对故障单结构化数据进行数据映射和结构映射,构建起配电网故障事件图谱;最后,通过查询和统计分析对事件图谱进行有效性检验。本发明所述方法可以满足配电网故障定位归因和辅助决策的下游应用场景,依靠图结构关联多样性优势,为后续故障定位归因和辅助决策提供一定的帮助。
-
-