买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉华北电力大学(保定)申请的专利一种基于继电保护装置缺陷知识图谱的运维辅助决策方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117892814B 。

龙图腾网通过国家知识产权局官网在2025-08-26发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410066728.8，技术领域涉及：G06N5/022；该发明授权一种基于继电保护装置缺陷知识图谱的运维辅助决策方法是由戴志辉;张富泽;韩笑设计研发完成，并于2024-01-17向国家知识产权局提交的专利申请。

本一种基于继电保护装置缺陷知识图谱的运维辅助决策方法在说明书摘要公布了：本发明公开了一种基于继电保护装置缺陷知识图谱的运维辅助决策方法，包括以下步骤：步骤一，继电保护装置缺陷文本预处理；步骤二，构建命名实体识别模型；步骤三，知识抽取；步骤四，知识融合；步骤五，构建知识图谱；步骤六，利用知识图谱辅助决策；本发明通过对继电保护装置缺陷文本进行知识抽取与知识融合，完成继电保护装置缺陷知识图谱的构建，实现了对缺陷数据的充分挖掘利用，本发明提出利用该知识图谱进行辅助决策的流程和知识图谱的更新方法，利用知识图谱和缺陷现象可推理缺陷等级、缺陷部位、缺陷原因和消缺建议，给现场运维检修人员提供参考，有效降低了运维工作的难度，提高了电网运维水平。

本发明授权一种基于继电保护装置缺陷知识图谱的运维辅助决策方法在权利要求书中公布了：1.一种基于继电保护装置缺陷知识图谱的运维辅助决策方法，包括以下步骤： 步骤一：继电保护装置缺陷文本预处理 选取保护装置缺陷报表作为原始训练数据集，分析保护装置缺陷文本的记录特点，并在此基础上进行文本数据的预处理，获取BIO标注数据集； 所述预处理包括以下步骤： S110.缺陷文本特点分析：记录在继电保护装置缺陷报表中的缺陷主要包括以下四类： S1101.安装尚未投运的继电保护装置本身缺陷； S1102.安装已投运的继电保护装置本身缺陷； S1103.投入运行或试运行的继电保护装置在运行中发生的缺陷； S1104.投入运行或试运行的继电保护装置在定期检验或其他试验中发生的缺陷； S120.数据分类：根据缺陷报表的文本数据形式，将数据分为结构化数据和非结构化数据两种，结构化数据包括缺陷信息、装置信息、变电站信息和消缺信息，是系统自动生成的规范化信息；非结构化数据包括保护异常情况或检验中发现的问题和处理情况及改进措施，是以短文本的描述形式进行手动记录的内容； S130.数据清洗：采用以下三种方法对非结构化数据进行数据清洗： S1301.过滤停用词：首先根据数据特点构建停用词字典，然后使用Python中的Jieba分词包结合所构建的停用词字典，对缺陷文本停用词进行过滤； S1302.异常值处理：对文本中的多余空格和异常换行符进行删除，并删除与结构化数据中重复的电压等级信息，同时对英文字母的大小写进行规范化处理； S1303.同义词合并：按照电力行业标准命名构建电力专业词典，进行同义实体的合并统一； S140.数据标注：采用BIO标注方法对清洗后的非结构化样本数据内容进行标注，将所有字符和标签一一对应，并生成BIO标注文件； S150.数据增强：采用同类实体替换与同义词替换相结合的数据增强方法对标注后的数据进行语料扩充，具体为：首先，读取完成BIO标注的文件数据，根据所标注的标签类型可以提取出实体信息与非实体信息；其次，判断实体信息的标签，随机从数据集中选取相同标签的实体信息进行同类型替换；然后，利用Jieba分词包对剩余的非实体信息进行分词，通过构建同义词词典的方式实现同义词的替换；最后，将替换后的实体信息与非实体信息组合生成新的BIO标注文件； S160.数据增强优化：为避免增强后的文本出现语义混乱与语义重复，在进行同类实体替换时应保证文中多次出现的相同实体所替换的实体也相同，并且缺陷现象标签有两个及以上时，保证替换的缺陷现象实体都不相同；另外，进行同义词替换时忽略分词中的标点符号，并设置替换比例为20％进行随机替换以避免语义严重偏离； 步骤二：构建命名实体识别模型： 构建BERT-BiLSTM-CRF命名实体识别模型，并进行模型优化，得到MacBERT-BiLSTM-CRF模型； 所述模型构建与优化包括以下步骤： S210.模型构建：首先在BERT层对字符序列进行预训练得到动态词向量；然后将动态词向量输入到BiLSTM层进行双向编码，提取上下文语义信息；最后将含有上下文信息的语义向量输入到CRF层进行预测标签约束，经维特比解码后可得到全局最优预测标签序列，即获得每个实体所对应的最大概率标签，完成实体抽取任务； S220.模型改进：采用以下五种改进方法对BERT-BiLSTM-CRF模型进行改进： S2201.把BERT模型替换为MacBERT模型； S2202.将MacBERT层的输出向量与BiLSTM层输出的语义向量进行Concatenate特征串联融合； S2203.在拼接向量后面引入Dropout层； S2204.采用学习率更新策略，前期通过初始学习率快速训练寻找最优局部区域，当模型监控指标连续两轮不再上升时，利用衰减学习率进行模型训练，衰减学习率Learning_rateS与初始学习率Learning_rate的关系如下所示： 其中，n为学习率的衰减次数； S230.模型评估：根据混淆矩阵计算出精确率P、召唤率R和F1值作为命名实体识别模型的评估指标，在模型训练时采用F1值作为监控指标判断每一轮的训练效果； 步骤三：知识抽取： 利用步骤二中优化得到的MacBERT-BiLSTM-CRF模型对非结构化的缺陷文本进行实体抽取，并结合基于规则的方法进行关系抽取； 所述实体抽取具体为：从数据源的非结构化文本中抽取出缺陷装置、缺陷部位、缺陷现象、缺陷原因以及解决方法五类关键实体信息；其中，缺陷现象分开进行抽取，当抽取出现两个及以上的缺陷现象时，对缺陷现象进行合并； 所述关系抽取具体为：制定关系抽取规则，抽取五类实体之间的语义关联； 步骤四：知识融合： 利用余弦相似度对缺陷文本中原有结构化数据以及步骤三中知识抽取出的结合化数据进行知识融合； 所述知识融合具体为：采用余弦相似度算法进行实体的匹配融合，设B1和B2分别为电力专业词典中的实体词向量和抽取实体的MacBERT模型输出词向量，两个实体的余弦相似度cosθ计算公式如下所示： 余弦相似度越接近1表示两个实体越相似，选择与词典中相似度最高的实体进行链接，完成知识融合； 步骤五：构建知识图谱： 基于模式层进行继电保护装置缺陷知识图谱的构建，利用Neo4j图数据库完成知识图谱的存储； 所述知识图谱构建包括以下步骤： S510.:构建模式层：模式层包含了构建继电保护装置缺陷知识图谱所需要的实体信息，建立了部分实体之间的连接关系以及属性关系； S520.构建数据层：数据层的数据来源包括电力公司继电保护装置缺陷报表和继电保护装置缺陷管理规定，对于缺陷文本中原有的结构化数据，可以根据模式层直接进行实例化，针对非结构化数据，通过步骤三和步骤四进行知识抽取和知识融合，然后再根据模式层进行实例化； S530.知识图谱可视化：利用py2neo开发框架链接Neo4j图数据库构建知识图谱，实现继电保护装置缺陷领域的知识图谱可视化； S540.知识更新：结合Neo4j图数据库，以增量更新的方式对继电保护装置缺陷知识图谱进行知识更新，具体包括： S5401.针对继电保护装置缺陷文本中新出现的实体类型，经专家归纳总结新增实体与原实体之间的关系以及从属关系，对模式层进行更新； S5402.根据模型层对新增实体进行知识抽取与融合，完成数据层的更新； S5403.利用py2neo开发框架链接Neo4j图数据库，在原知识图谱基础上进行知识模块的增添修改，实现知识图谱的更新； 步骤六：利用知识图谱辅助决策 根据缺陷现象，利用知识图谱推理出诊断结果和辅助决策，给运维检修工作提供参考； 所述辅助决策包括以下步骤： S610.实体识别：将缺陷内容通过MacBERT-BiLSTM-CRF改进模型进行实体识别，得到缺陷装置与缺陷现象实体； S620.实体匹配：利用余弦相似度进行计算模型抽取的实体与知识图谱中现有实体的匹配度，通过设置阈值进行实体链接； S630.推理与决策：对大于阈值的抽取实体通过设计Cypher语言与图谱中的案例进行匹配，推理出可能的缺陷等级、缺陷部位与缺陷原因，并给出辅助策略，提高电网运维水平；对于小于阈值的抽取实体则由专家进行分析处理，并按知识更新的步骤更新继电保护装置缺陷知识图谱。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人华北电力大学(保定)，其通讯地址为：071003 河北省保定市莲池区永华北大街619号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。