基于知識圖譜的配電網綜合評價

朱曉榮，彭柏，司羽，吳佳，婁競，席嫣娜

（1.華北電力大學電氣與電子工程學院,河北省 保定市 071003；2.國網冀北電力有限公司信息通信分公司,北京市西城區 100053；3.國網冀北電力有限公司,北京市西城區 100054；4.國網北京市電力公司,北京市西城區 100031）

0 引言

隨著人工智能時代的到來，智能電網成為電網技術發展的必然趨勢。為了適應城市發展，解決配電網設備陳舊、規劃不合理等問題，亟需對配電網進行科學合理的評估，找到現存的薄弱環節，為配電網改造和規劃提供目標和方向支持。然而，對配電網進行綜合評價涉及復雜的評價知識以及大量的多源異構數據[1-2]，通常需要專家及工作人員參與；當評價過程中出現問題時，工作人員難以獲知具體原因，無法實現實時、高效、準確的評價。除此之外，電網設備、環境要求具有不確定性、多樣化的特點，相關評價理論知識日益豐富且極大依賴于文本等傳統形式儲存，配電網綜合評價工作的標準化、公共化、智能化水平不足，不便于工作人員快速掌握。因此，提升配電網數據的感知能力和機器認知的智能水平具有重要意義。

面對復雜多變的大數據環境，由人工智能技術發展而來的知識圖譜(knowledge graph,KG)這一新興認知方法在電力領域獲得了初步的應用，越來越多的研究者將知識圖譜應用于電網調度[3-4]、電力設備運檢[5]、電力營銷等電力領域。文獻[6]詳細論述了電力領域知識圖譜的發展歷程，分析了圖譜構建方式及圖譜應用方法，同時對電力領域知識圖譜的潛在應用方向進行了闡釋；文獻[7]以電網故障處置預案文本為研究對象，利用深度學習技術，解決了電網故障處置圖譜構建過程中涉及的電力領域知識抽取問題；文獻[8]面向智能調控領域，構建了線路故障處置知識圖譜，提出了多場景的知識圖譜應用方案。

目前，尚未有專家學者對配電網綜合評價領域進行知識圖譜的構建與研究。本文基于上述研究成果，針對配電網綜合評價問題，提出了基于知識圖譜的配電網綜合評價方法，從配電網綜合評價知識圖譜構建過程、圖譜分類及關系、主要構建技術、知識推理技術和基于知識圖譜的配電網綜合評價流程等方面展開詳細論述，重點分析由評估導則等文本中獲得配電網綜合評價知識的技術路線，最后結合實際配電網評價案例進行圖譜展示與應用，對于應用知識圖譜理清配電網評價系統知識、提升工作人員的認知能力、優化數據管理進行了有益的探索。

1 配電網綜合評價的知識圖譜構建

1.1 知識圖譜構建方式

知識圖譜的構建目的，是讓機器具備認知能力，可以實現理解、推理、解釋等任務。類似人腦的思維邏輯，知識圖譜可以分為模式層與數據層2個層次[9]。本文針對智能配電網綜合評價建立知識圖譜，由于綜合評價體系的核心構成要素相對固定，因此可以利用已有知識實現知識圖譜自頂向下的構建，與此同時，構建圖譜的部分要素的確定會涉及類型多樣的半/非結構化信息，例如，在確定評價方法、評價模型時，會涉及網頁知識、評估導則等數據。為確保知識圖譜本體的完備性，本文采用自頂向下、自底向上相結合的本體構建方式，既可以充分應用配電網綜合評價領域專家的經驗和傳統知識模型，又可以鞏固、更新現有知識。從原始的知識或數據到形成知識圖譜，經歷了數據模型構建、知識抽取、知識融合、知識加工等步驟，構建過程參見附錄。

1.2 基礎數據和圖譜類型

在建立的配電網綜合評價知識圖譜中，結構化數據指電網中的關系型數據庫，包括電網實時及歷史運行數據、設備資產信息數據庫、電網設備屬性及其拓撲結構，還包括氣象數據、電網周圍環境、用戶負荷等信息。半結構化數據，包括電力知識百科或電力專業詞庫中關于配電網評價的數據等；非結構化數據主要指文本數據，包含配電網運行管理規定、評估導則、配電網歷史評價案例等。結合以上數據及傳統綜合評價體系，本文將配電網綜合評價知識圖譜分為評價邏輯圖譜、配電網實體圖譜和案例圖譜3種類型，圖譜之間的關系如圖1所示。其中，數據模型由模式層構建而來，用于指導評價邏輯圖譜的構建，是綜合評價體系的頂層設計。

圖1 配電網綜合評價知識圖譜所需數據及圖譜分類Fig.1 Required data and classification of knowledge graph for comprehensive evaluation of distribution network

本文定義的評價邏輯圖譜是傳統評價體系中評價指標、指標權重以及綜合評價判據等具體評價邏輯的網絡化、結構化信息表達。按照數據模型所定義的評價要素，指導評價邏輯圖譜的生成，應用自然語言處理、知識提取、信息結構化等技術手段，可獲得如評價指標的定義、指標計算方法、指標權重設計過程、以及評價判據模型等具體內容。

配電網實體圖譜表征實際配電網的網絡拓撲結構，其作用是為評價邏輯圖譜提供實體查詢和匹配服務。以電網中母線、變壓器、線路、開關、分布式能源等配電設備作為知識圖譜中的實體，設備間的連接情況用知識圖譜中的關系表示，各電力設備的參數、電壓、功率、頻率等信息以屬性形式存儲在知識圖譜中。

案例圖譜主要提取評價過程中的時間、評價目的、評價內容、評價結果等數據，以特征關鍵詞形式來表示歷史評價并存儲在結構化案例庫中，案例的更新由機器自動生成，在進行新一次的評價時，自動搜索匹配相關記錄，可推送評價歷史及評價建議，形成對于單次評價任務的歷史關聯和多角度分析。

1.3 知識圖譜構建技術

對于能量管理系統中包含的電網拓撲結構化數據，可直接抽取實體三元組，轉化為RDF格式，其他如生產管理系統中的設備數據，還需經歷數據庫間的知識融合，才能獲得電網實體知識圖譜構建所需的數據，此部分內容涵蓋范圍廣泛，本文不做詳細說明，本文重點研究由評估導則等文本類的非結構化數據處理，這些文本類數據需要經歷數據模型構建、知識抽取、知識融合、知識加工以及知識更新等過程獲得結構化的評價邏輯圖譜和案例圖譜，其中評價邏輯圖譜可以細化為指標庫、評價方法和模型數據庫，以下對核心技術展開詳細論述。

1.3.1 數據模型構建

構建的數據模型包括評價邏輯圖譜中的指標本體，如清潔性、經濟性等指標，配電網實體圖譜主要包含反映設備概念與連接拓撲的實體本體，案例圖譜中包括反映評價結果的如分數、等級、水平等本體，通過本體庫可形成數據冗余度低且易擴充、知識組織條理性好的知識庫[10]?；谂潆娋W綜合評價領域的知識，本文建立的數據模型

可以由評價專家來人工制定。

1.3.2 知識抽取

知識抽取是將半/非結構化數據轉換為結構化數據的技術手段，主要包含實體、關系、屬性知識要素的抽取[6]。常用實體識別技術有基于傳統機器學習的方法，如條件隨機場[11]，還有基于深度學習的識別方法如長短期記憶（long short term memory,LSTM）模型[12]等。配電網綜合評價體系中的大部分設備實體通過已有數據庫即可獲得，還需從文本中抽取的實體包括評價判據、評價方法、各類型指標等建立評價邏輯圖譜所需的內容。

關系抽取是將各孤立的實體聯系起來形成知識網絡的過程，是知識組織的基礎性環節。近年來，基于深度學習框架的神經網絡模型[13]不需要進行復雜的特征工程就可以實現關系的抽取。配電網綜合評價知識圖譜需要從文本中抽取的關系主要包括并列關系、分類包含等上下位關系。

屬性抽取的目的是實現對實體的完整描述與刻畫。實體與其屬性值即構成一種實體關系，因此屬性抽取任務可視為關系抽取任務[3]。在配電網評價邏輯圖譜中，屬性抽取任務主要指從評估導則、規程手冊中提取相關指標的指標值要求，如變電容載比最佳取值范圍等內容。

1.3.3 知識融合

知識融合是去除冗余、模糊信息，以提供更全面、高質量知識圖譜的過程。知識融合包括共指消解、實體消歧和知識合并[14]。例如在一些評價案例中，“層次分析法（analysis hierarchy process，AHP）”或“AHP”的表述指的都是“層次分析法”，此時需要利用共指消解手段將其對應至規范的實體名稱，常用的方法有基于機器學習的方法[15]、隱共指樹模型[16]、基于中心理論的算法等[17]；而當實體庫中存在多個與表述同名的實體, 則需要利用實體消歧技術[18]消除歧義。在配電網綜合評價知識圖譜中，知識合并是將已有的配電網結構化數據庫，與抽取的綜合評價知識進行知識合并。

1.3.4 知識加工

為了獲得結構化的知識體系，知識融合后所得到的基本事實表達需要進行知識加工過程。知識加工主要包括知識發現和質量評估。知識發現在已有的知識庫基礎上，利用數據挖掘或機器學習等方法挖掘新的隱性知識。比如，當配電網中涉及新能源出力時，在對配電網進行評價時，通常需要加入新能源相關的評價內容，涉及哪些具體的評價指標，從而總結出新的知識。質量評估的意義是評估知識圖譜中知識的可信度，降低知識錯誤率，從而保障知識質量[14]。

1.3.5 知識更新

配電網中設備、裝置、結構都處于不斷更新的狀態，相應的各類電網運行規程、評價導則等知識也日益豐富，因此，知識更新環節是對知識圖譜的各類知識信息進行擴展或變更的過程，如當配網中新增某設備時，需要在配電網實體圖譜中增加實體節點，而當出現運行限值變化時，則需對實體節點的屬性進行改變。例如，模式層的更新是指新增數據后獲得了新的概念，需要自動將新的概念添加到已有的概念圖譜中，從而保證知識圖譜的與時俱進。

1.4 綜合評價知識推理技術

在本文所研究的配電網綜合評價行業知識圖譜中，知識推理技術應用于2方面，一方面是依據生成的配電網關鍵信息、配電網綜合評價知識庫和案例圖譜，使機器智能推送針對評價對象的相關評價知識，從而輔助實際應用中評價邏輯圖譜的建立，另一方面應用在評價結果分析環節，即針對具體指標表現，應用電網運行規則和專家經驗，推理出配電網存在的隱含問題。本文所用知識推理方法包括案例推理和邏輯規則推理，詳細說明參見附錄。

2 基于知識圖譜的配電網綜合評價流程

本文設計的配電網綜合評價知識圖譜應用流程包括綜合評價知識圖譜形成、數據收集及預處理、數據處理計算、評價結果分析、評價結果應用和人機交互6個環節，流程圖可參見附圖A3。

2.1 知識圖譜的形成

首先確定評價地區，依據配電網已有的電網實體數據，利用圖譜構建技術，構建配電網實體圖譜。結合專家經驗庫中包含的綜合評價模型，以及由評估導則等文本數據經過1.3節中技術手段獲得的結構化知識網絡，初步形成評價邏輯知識圖譜，即建立綜合評價指標庫、評價模型庫。具體應用時，在配電網實體圖譜之上應用數據生成、機器學習、深度學習、特征提取等技術自動提煉配電網關鍵特征，如：配電網屬于城網還是農網、設備種類、有無新能源并網、變電站等級等特征信息，再采用信息分詞或實體識別技術將這些信息結構化以方便機器理解和計算?；谏鲜鲫P鍵特征，利用1.4節所述綜合評價知識推理技術，使機器自動推薦與評價目標相符的評價知識。另外，為確保機器推薦的準確性，需要人工進行評價指標篩選和評價模型、方法的確認。至此，完成詳細有針對性的配電網綜合評價邏輯圖譜構建。

2.2 數據收集及預處理

在評價時，需要依據配電網評價邏輯圖譜中指標運算、權重計算以及指標評分所需數據進行數據收集任務。這些數據來源于不同的數據庫，為得到格式統一、滿足要求的數據，需要進行數據的預處理工作。數據預處理的過程通過處理評價工作的業務系統向外提供數據接口，與其他系統之間通過安全文件傳輸協議（secure file transfer protocol，SFTP）服務接口讀取數據流或以安全文件傳輸的方式獲取數據。調用的數據需要經過單位、精度等格式的統一化、標準化處理。

2.3 數據處理計算

在獲得格式統一的標準化數據后，按照評價邏輯圖譜中包含的公式化邏輯庫，可以直接進行指標值、權重值的計算以及對指標表現的評價工作，可以得到某一評價目標下配電網的綜合評價結果。

2.4 評價結果分析

在評價規則的支持下，評價結果分析包括電網運行狀態、存在的薄弱環節、電網發展水平以及實際效益等方面內容。依據配電網的評價結果及措施，可以在實體圖譜之上進行實體查詢，對需要改進的環節進行具體位置標識，該過程的實現可以按照設備類型如變電站、線路和配變臺區等，分析其對應的指標表現，對存在的問題分別進行統計[19]，以此查找具體薄弱點，并以可視化的形式進行展示，提醒工作人員及時采取措施改善薄弱環節。對此次配電網評價任務進行一次案例記錄，提取案例特征，形成結構化信息并存入數據庫中。

2.5 評價結果應用

在評價結果應用環節，可用于電網規劃輔助決策、設備運行狀態預測、檢修策略智能推薦等方面。配電網綜合評價結果對電網近期、遠景改造和建設項目及優化規劃工作可起到輔助指導的作用。設備運行狀態預測是從電網運行狀態、設備實時運行和歷史運行數據出發，結合評價結果，可以發現某些指標或關鍵參數的變化規律，進而實現設備未來情況的預測。綜合設備狀態評估及預測結果，可以為電力設備智能檢修策略的制定提供依據。

2.6 人機交互環節

在構建評價圖譜時，計算機需要向評價人員提供配電網的關鍵信息、指標庫、評價方法庫等內容，在實際評價過程中，一些評價方法如德爾菲法，需要專家制定相關數據，錄入判斷矩陣，因此也需要利用人機交互的技術。此外，評價人員可以實時查詢評價信息，計算機可以智能推送評價結果以及歷史案例信息，并以文字、圖表等多種形式進行呈現，使人機交互過程更加直觀、多角度。

3 配電網的綜合評價知識圖譜應用

按照上文所述的圖譜構建流程及構建技術，選取長春經濟技術開發區某區域實際配電網[20]，以該電網的數據庫和《城市配電網運行水平和供電能力評估導則》、《南方電網公司110 kV及以下配電網規劃設計技術導則》非結構化知識作為數據基礎，結合專家意見，對模式層、各個圖譜的應用進行了討論。

3.1 配電網綜合評價模式層

配電網綜合評價體系的模式層包含評價者、評價對象、評價環境、評價目標、評價指標體系、評價方法和模型在內的評價要素，其中評價指標體系細化為指標內容、指標權重、指標評價判據3方面。各要素之間的關系示意可參見附錄。

3.2 配電網實體圖譜

配電網實體圖譜融合了該區域配電網的實時運行數據、電網拓撲結構、設備資產數據等多種結構化知識，可以為配電網的綜合評價邏輯圖譜的建立提供關鍵信息支持。由建立的配電網實體圖譜得知該配電網無新能源供電，因此相應的評價指標不涉及新能源相關指標，且變電站等級全部為66 kV/10 kV，評價目的為評價該區域的供電及運行情況，因此可以應用《城市配電網運行水平和供電能力評估導則》作為非結構化知識構建評價邏輯圖譜。另外，在得出評價結果的基礎上，應用實體匹配技術，對存在的薄弱環節實體與電網實體圖譜進行匹配，完成漏洞標示。

3.3 配電網綜合評價邏輯圖譜

評價邏輯知識圖譜將抽象的智能配電網綜合評價知識，利用人機交互技術以圖形化的方式呈現出來，讓使用者對評價知識有更加直觀形象的認識。本文采用文獻[7]中所述方法，對應用到的《城市配電網運行水平和供電能力評估導則》等文本進行知識抽取。構建的配電網的評價指標邏輯圖譜可視化如圖2所示，該評價邏輯圖譜針對配電網的運行水平和供電能力進行綜合評價，將評價邏輯知識圖譜分為評價指標內容、權重邏輯和評價邏輯3部分。

圖2 配電網綜合評價知識圖譜(部分)Fig.2 Knowledge graph of comprehensive evaluation of distribution network (part)

3.3.1 評價指標內容

評價指標內容部分，各指標實體之間的關系主要為并列或包含，各指標具體屬性包括指標計算方法、實際值、指標權重以及對應評價。指標計算數據可以通過數據收集和數據預處理手段獲得，例如，在進行如線路重載比例、電壓合格率、供電可靠率、故障停電率等指標的計算時，需要線路總條數，用戶數量，各個用戶的停電情況，電壓檢測點的電壓狀態等信息。其中，線路總條數、用戶數量信息存儲于電網設備數據庫、用戶信息庫中，可以直接調用數據庫中的數據，而各個用戶的停電情況，電壓檢測點的電壓狀態等需求信息則需對歷史數據進行統計計算得到，可利用描述統計方法，開發相應程序實現。

上述思路即利用評價邏輯圖譜的知識推理和路徑搜索功能，查找指標計算所需數據，再利用計算機數據收集及預處理手段得到相應數據，最后依據指標計算規則實現指標值的生成。部分指標計算公式見附錄。

3.3.2 指標權重邏輯

指標權重邏輯部分，該圖譜通過德爾菲法獲得主觀權重，因此需要專家人員給定判斷矩陣，同時結合反映指標權重值變異程度的客觀熵權，最終得到指標綜合權重，該過程需要利用人機交互技術輸入數據。具體實現步驟見附錄。

3.3.3 綜合評價邏輯

綜合評價邏輯采用模糊綜合評價法，由專家制定相關評分參數，如隸屬度參數。如圖2中所示，對于某一評價指標的評分等級，需要利用模糊評價模型，對指標值、隸屬度函數、評分標準以及指標權重多種數據進行處理計算得到。具體模糊綜合評價邏輯見附錄。

對應于模式層中的評價方法和模型這一要素，該圖譜所需評價方法及模型包括層次分析法、熵權法、模糊綜合評價模型，所需數據包括已有配電網的結構化數據庫和評價專家制定的相關數據。

3.4 配電網綜合評價案例圖譜

配電網綜合評價案例圖譜儲存了該區域的歷史評價案例信息，可以提供歷史評價目標、評價內容、評價方法、模型以及各指標歷史表現等案例特征，進而計算不同時間段內案例的相似度，實現配電網跨時間維度的性能對比，一方面可以挖掘存在的潛在問題，另一方面，相似度高的評價案例可以為本次評價任務提供參考依據。

3.5 應用實例流程

利用圖2所示圖譜，輸入真實數據，對該區域配電網評價過程如圖3所示，圖中簡要示出部分內容。由于《城市配電網運行水平和供電能力評估導則》提取出的評價知識與評價目標、配電網關鍵信息相契合，因此，可直接應用由文本生成的評價知識，包括導則中規定的運行水平和供電能力2大類評價指標，并按3.3節評價邏輯圖譜中定義的評價方法和模型進行評價。

圖3 配電網綜合評價知識圖譜應用實例流程Fig.3 Flow path of application example of knowledge graph for comprehensive evaluation of distribution network

首先，利用評價邏輯圖譜的知識查詢功能，完成數據收集工作，對所需數據進行預處理工作，除此之外，由于采用的德爾菲法，需要由專家人員錄入判斷矩陣，在指標的隸屬度確定環節，圖譜中存儲部分由文本提取出的隸屬度參數，專家需要進行填補或確認，獲得全部數據后，按圖譜邏輯進行計算，可以得到各指標的值、權重、綜合評價等級等信息。按照圖譜中定義的層次分析邏輯，最終可以確定該區域配電網運行水平和供電能力均為較高水平。

依據獲得的一級指標的等級水平，可以了解該區域配電網改造的具體方向，例如，該電網D類電壓合格率表現一般，需要進行改進工作。從權重設置看，各二級指標中，供電可靠率權重最大，可看出其對綜合性能指標的影響最為重要?？梢?，由該圖譜生成的評價結果為涵蓋較大信息量的向量，實現了對配電網運行水平和供電能力的高精度描述。

按照設備類型對電網存在的問題分別進行統計，可以實現薄弱點的定位，該例中，中壓線路L1、L2、L6存在的問題較多，中壓線路末端電壓不合格比例較高，可以對線路負荷進行切改，縮短其供電半徑，從而提高線路末端電壓質量。應用配電網實體圖譜的實體匹配技術標識需要改進的位置，便于工作人員及時采取措施。最后，提取評價信息并儲存于評價案例圖譜中。利用人機交互技術，工作人員可以方便快速地查詢任一評價環節的信息，實現了處理評價工作的深入性和高效性。

4 結論

知識圖譜在電力領域的應用尚處于起步階段，技術實現仍不成熟，實際應用場景還很受限，如何以更合理的方式將知識圖譜應用于電力領域，構建開放互聯的“知識之網”，推動Web3.0時代的到來，還需要人們做更多的探索與研究。

（本刊附錄請見網絡版，印刷版略）