DQZHAN技術訊：智能電網(wǎng)（輸變電部分）領域知識體系構建和語義研究與應用

如今，隨著電力技術的發(fā)展日新月異，用戶對電能質(zhì)量的要求也逐漸提高，多個國家陸續(xù)提出了各自關于智能電網(wǎng)建設的方案。國家電網(wǎng)公司作為國有特大型央企，提出了建設堅強智能電網(wǎng)，以實現(xiàn)電網(wǎng)中電力流、業(yè)務流、信息流的高度融合。智能電網(wǎng)的發(fā)展必將使電力系統(tǒng)各環(huán)節(jié)的聯(lián)系更加緊密、數(shù)據(jù)與信息交互更加頻繁，也正因為如此，各級電網(wǎng)工作人員對知識的需求也更加迫切。

1、當前智能電網(wǎng)領域知識服務存在的問題

1 )知識資源組織管理體系結構落后?，F(xiàn)有的智能電網(wǎng)知識資源組織管理體系結構比較單一，缺乏知識點間的關聯(lián)性，層級簡單，體系結構仍以圖書形式為主，分類單一，知識點僅遵循“用、代、屬、分、參”關系，顯示方法比較扁平化，已經(jīng)不能滿足高性能、大容量知識服務的建構、處理與運行的要求。如何描述、存儲、管理、處理、分析和使用海量分布的知識資源進行知識服務，是智能電網(wǎng)領域知識服務應用的重要問題 。

2 )知識服務開發(fā)成本高、更新維護困難。智能電網(wǎng)領域的專家系統(tǒng)和知識服務應用雖然可以較好地滿足用戶對知識服務的需求，但受到知識本身時效性強、更新速度快等特點的影響，導致此類知識服務的開發(fā)成本高，重用難度大，使得其實現(xiàn)和推廣的難度相對較大。

3 )知識服務同用戶需求本身存在一定的差距。當前智能電網(wǎng)的知識服務檢索結果往往沒有考慮檢索者本身的實際情況，以及用戶難以用計算機能理解的方式描述出其希望了解的內(nèi)容。

造成這些問題的原因，一方面在于激增的數(shù)據(jù)超過了現(xiàn)有用戶和系統(tǒng)所能承受、處理和利用的范圍，導致數(shù)據(jù)無法被及時、合理地組織，決策者未能從中得到應有的啟示;另一方面，知識的表現(xiàn)形式使其不能被有效利用，這是因為目前的知識表示方法不利于電網(wǎng)知識的發(fā)現(xiàn)，進而導致不能形式化地表示電網(wǎng)領域知識。

因此，本文研究基于語義網(wǎng)技術，并以輸變電圖書為樣例，對智能電網(wǎng)(輸變電部分)領域知識開展研究，完成智能電網(wǎng)(輸變電部分)知識體系構建，以期更好地為國家電網(wǎng)公司提供知識服務。另外，通過本文研究成果對國家電網(wǎng)公司企業(yè)級知識管理系統(tǒng)進行優(yōu)化，有利于實現(xiàn)知識整理和標引、知識協(xié)同構建、資源自動檢索和標注、知識服務模型以及知識資源個性化推送等目標 。以智能電網(wǎng)(輸變電部分)領域知識為研究范圍，以10 kV 配網(wǎng)不停電作業(yè)知識為突破口，著力做好該領域知識收集、概念抽取、語義研究和本體設計，研究知識體系構建以及知識庫搭建工作。

本文內(nèi)容包含系統(tǒng)梳理智能電網(wǎng)(輸變電部分)領域的主題詞條，闡明詞條之間的相互聯(lián)系和相互作用;基于本體語言的知識表示方法和原則，開發(fā)專用的本體工具，構建智能電網(wǎng)(輸變電部分)知識體系;并以語義檢索應用為目的完成智能電網(wǎng)(輸變電部分)專業(yè)知識庫的建立，為整個智能電網(wǎng)領域知識體系的構建提供理論依據(jù)及技術支持，同時可對智能電網(wǎng)領域知識挖掘、發(fā)現(xiàn)與利用進行有益的探索 。

基于本體設計、語義標引技術，在電力領域?qū)＜业闹笇Ш团浜舷?，對智能電網(wǎng)(輸變電部分)領域知識開展研究，研究該領域知識收集、概念抽取、本體設計、語義標引、概念體系構建的關鍵技術路徑，并完成了*終的知識庫搭建工作。所完成的專業(yè)知識庫系統(tǒng)提供了網(wǎng)站作為檢索接口，集成了本體工具、數(shù)據(jù)加工模型的圖書文獻檢索等技術 , 實現(xiàn)了智能電網(wǎng)(輸變電部分)知識的語義檢索應用。系統(tǒng)除了處理常規(guī)的文本檢索之外，還提供了本體的交互式圖形可視系統(tǒng)、自然語言及問句式查詢系統(tǒng)、語義增強搜索系統(tǒng)以及相關詞條推薦系統(tǒng)，可以智能化地協(xié)助用戶提高檢索效率 。

2、領域知識收集

領域知識收集工作包括對793 本與輸變電專業(yè)相關圖書、《電力名詞(**版送審稿)》中指定書目以及《電力主題詞表》的計算機自動處理，并結合專家所提供的分類體系開展工作。

2.1自動分詞

對這些圖書進行自動分詞，即將一本書、一段話看作一個漢字序列，通過計算機將其切分成一個個單獨的詞，以便進行下一步的理解和分析。

在 本 文 研 究 中，對 開 源 工 具Ikanalyzer 、Rwordseg進行了調(diào)研和試驗。Ikanalyzer提供了可供Java使用的jar包，以及面向全文檢索工具Lucene的接口，使用方便，主要用它來建立索引、本體以及對搜索語句進行分詞，準確率可達95% ，其分詞示例分詞前的整個段落：“在電力系統(tǒng)中，除應采取各項積極措施消除或減少發(fā)生故障的可能性外，故障一旦發(fā)生，必須迅速而有選擇地切除故障元件，這是保證電力系統(tǒng)**運行的*有效方法之一，而繼電保護裝置就是能反映電力系統(tǒng)中電氣元件發(fā)生故障或不正常運行的狀態(tài)，并動作于斷路器跳閘或發(fā)出信號的一種自動裝置?！?

計算機分詞和自動去除無實意的詞后的效果如下：“電力系統(tǒng)中因各項措施消除減少發(fā)生故障可能性外，故障發(fā)生而有選擇切除故障元件這是保證電力系統(tǒng)**運行*有效方法之一，而繼電保護裝置電力系統(tǒng)中電氣元件發(fā)生故障不正常運行狀態(tài)動作斷路器跳閘發(fā)出信號一種自動裝置”，可以達到建立索引的要求。

Rwordseg是一個R環(huán)境下的中文分詞工具，使用rJava調(diào)用Java分詞工具Ansj。Ansj基于Apache License ，是一個完全開源、免費的Java中文薦分詞工具。它的實現(xiàn)原理基于Google語義模型和條件隨機場模型。分詞速度可達每秒約200萬字(在Mac Air下測試)，準確率能達到96%以上。通過研究，重寫了一個Java 版本，并且全部開源，使得 Ansj可用于人名識別、地名識別、組織機構名識別、多級詞性標注、關鍵詞提取、指紋提取等領域，支持行業(yè)詞典、用戶自定義詞典。

2.2詞向量訓練

詞向量訓練是利用深度學習的思想把單詞表示

成向量的一種方式，語義越相近的詞，形成的向量相似度越高。本文采用Google word2vec工具(基于Apache License 2 .0 的開源工具，提供continuou sbag-of-words和skip-gram architectures等算法對詞向量進行訓練)進行詞向量訓練，得到詞向量之后，可以進一步得出這些詞向量的聚類。

2.3詞語篩選

根據(jù)停用詞表，去除“的”、“比如”、“別的”等無實意、頻繁出現(xiàn)的但對專業(yè)語義分析無實際幫助的詞，編寫程序去除無關的標點符號、亂碼字符及其他短字符。在此基礎上，研究人員通過人工對得到的詞語進行篩選，得出重要的名詞和動詞以及相關概念的英文名和中文描述信息，作為本體分析的對象 。其中，名詞集用來構建領域本體的相關概念，動詞集用來描述領域本體概念之間的關系。

3、概念抽取

本文研究根據(jù)專家提供的輸變電專業(yè)概念分類，對領域知識中的相關名詞集進行總結歸納，以半自動的方式從相關的圖書和詞典中提取出相關概念，并將其結構化，形成分類體系 。

專家提供的輸變電專業(yè)概念分類主要包含資產(chǎn)、作業(yè)、文檔的大體框架分類結構，但不涉及每個具體詞條的歸屬。其中資產(chǎn)可以在EnterpriseArchitecture軟件中查看。其他分類體系通過專家口述，研究人員進行記錄，專家進行核對的形式提供。

在領域知識收集之后，使用Apache Jena(Apche的開源項目，提供了Java接口，可使用Java編程對本體進行創(chuàng)建、修改、讀入、保存、查詢、推理等操作)將概念體系導入本體，將詞條進行粗分類;在此基礎上，多次征求高校電氣學院領域?qū)＜业囊庖?，使用Stanford Protégé工具(本體開發(fā)工具，具有導入、可視化編輯和保存本體的功能)進行交互展示，供專家審核、修改，并進行細分類 。Protégé(本體開發(fā)工具)中對本體進行展示及審核修改的工作界面如圖1所示。

4、本體設計

在此階段中，根據(jù)相關圖書及專家所提供的頂層概念模型，使用Apache提供的開源工具Jena創(chuàng)建本體，并使用Protégé 和Word文檔相結合的方式進行人工核對。

存儲了中英文名的類如圖2所示，其中每個類均存儲了中英文名、所屬詞典以及簡介。

具體建立過程如下：

1 )根據(jù)字符串匹配的方式得出父類與子類的關系;

2 )根據(jù)詞典中的描述信息建立等價類關系;

3 )根據(jù)詞典中的描述信息得出包含關系，如：根據(jù)U型掛環(huán)的描述信息得出結論“U型掛環(huán)有連接件”;

4 )根據(jù)詞典中的描述信息定義反關系，如：“有連接件關系的反關系是組成U型掛環(huán)”;

5 )根據(jù)名稱定義包含關系及其反關系;

6 )根據(jù)詞典中的描述信息建立相關關系，如：鋼管塔的描述信息及其所建立的關系，圖3顯示了從鋼管塔的描述信息中建立其與金具、導線和絕緣子的關系;

7 )根據(jù)詞典中的描述信息建立數(shù)值型屬性，如：塔高的數(shù)值屬性;

8 )建立實例，如：以中原變電站為例，變電站類有地址屬性，屬性用string表示，中原變電站作為其中一個具體的變電站，地址在鄭州，將鄭州作為中原變電站的地址屬性的值。

根據(jù)Protégé軟件的自動統(tǒng)計信息，本次研究所建成的本體的規(guī)模共有8094個類、21657個Object型屬性、7511個父類–子類關系以及757個等價類。

5、語義標引

在此階段，利用已有的本體對該領域中的文檔資源進行標引，從而實現(xiàn)語義推理的目的，*終實現(xiàn)語義信息檢索 。

在語義標引過程中，對屬于本體中的實例，如：“巡視”、“維護”、“sub station”等加上html的標簽，在前端通過處理與其他未標注文本進行區(qū)別顯示，點擊時可自動查詢相應本體。

使用Jena 和Java 對本體進行標注。首先，將本體中類的中文名和英文名用Jena 導出，并根據(jù)詞條長度進行由長到短的排序，排序后，“電子互感器”排在“互感器”之前。使用Java 遍歷排序后的數(shù)組，為文本中匹配處依次加上 標簽，避免了重復地將“電子互感器”標注為“電子互感器”和“互感器”。

專業(yè)詞匯如“變電站”、“互感器”等的標注基本無誤。本體中的其他相關詞匯中含有一些多義詞，人工篩選了“條件”、“單元”、“連結”等多義詞進行剔除。

6、概念體系設計

在專家的幫助下，將智能電網(wǎng)的中英文名、描述信息、層次結構及其關系等知識進行整合，得到智能電網(wǎng)(輸變電部分)領域中的一個概念體系。

概念體系包含了智能電網(wǎng)領域(輸變電部分)中前面提到的所有信息(即概念分類體系以及詞條的中英文名、釋義、等價類、屬性等)。以光纜為例，光纜示例如圖4 所示。

圖4中303.3.8 是“光纜”在本文概念體系中的編號，“optical fiber cable ”是英文名，“18.307 ”是“光纜”在《電力名詞(**版送審稿)》中的編號，“以光纖為傳輸元件……”這句話是“光纜”的描述信息，“相關材料”，表示“光纜”與“材料”這個概念相關。

7、知識庫檢索系統(tǒng)

本文研究基于領域知識的語義標引技術，通過對本體工具、數(shù)據(jù)加工模型的圖書文獻檢索等技術的研究，完成了以語義檢索應用為目的的智能電網(wǎng)(輸變電部分)專業(yè)知識庫系統(tǒng)研究。系統(tǒng)除處理常規(guī)的文本檢索之外，還提供了本體的交互式圖形可視系統(tǒng)、自然語言及問句式查詢系統(tǒng)、語義增強搜索系統(tǒng)以及相關詞條推薦系統(tǒng)，智能化地協(xié)助用戶提高檢索效率 ，主要支持的查詢功能如下。

7.1拼音提示

用Jena 將本體中的中文信息全部導出成為詞典，對詞條的拼音進行關鍵詞查詢和操作。以“變壓器”為例：

1 )在輸入框輸入或粘貼拼音，則輸出為全拼按從左到右的順序與輸入的拼音相同的一組提示詞，如輸入“biany”時，提示包括“變壓器”在內(nèi)的10個詞;

2 )在輸入框輸入或粘貼拼音首字母，則輸出為拼音首字母按從左到右的順序與輸入相同的一組提示詞，如輸入“byq”時，提示包括“變壓器”在內(nèi)的10 個詞;

3 )在輸入框輸入或粘貼漢字，則輸出根據(jù)該漢字的全拼給出同音詞的輸入提示，如輸入“邊壓氣”時，提示包括“變壓器”在內(nèi)的10個詞。

7.2普通搜索

普通搜索界面如圖5 所示。

以“變電站”為例，在輸入框中輸入搜索詞條，如變電站，則輸出如下：

1 )在“您是不是想搜”條目下顯示的9個詞條，采用Lucene的Standard Analyzer對詞典進行處理，根據(jù)中文字形匹配程度得到結果;

2 )書籍的總搜索結果數(shù)和用時，通過數(shù)學統(tǒng)計計算得到;

3 )前 10 本書的標題、與搜索詞條匹配的摘要(摘要中搜索詞用紅色標出)、相關度，使用Lucene對文本進行全文檢索計算得到;

4 )頁碼選項，單擊頁碼之后跳轉(zhuǎn)到該頁碼，使用Lucene進行分頁查詢;

5 )如果是本體中的詞條，則出現(xiàn)本體交互圖，單擊可跳轉(zhuǎn)到交互界面，交互界面的查詢部分采用Jena預先加載本體，以加快與用戶交互的速度;

6 )如果有同級本體，則出現(xiàn)同級本體，單擊可跳轉(zhuǎn)到該詞條的搜索界面，同級本體通過Jena查詢得到;

7 )如果有相關本體，則出現(xiàn)相關本體，單擊可跳轉(zhuǎn)到該詞條的搜索界面，事先由Jena查詢得出本體中各個類和實例的描述信息及其屬性，存為文本，對這些文本用Lucene 建立索引，之后采用Lucene根據(jù)查詢語句進行查詢，當與查詢語句匹配度達到閾值之后，則返回相關本體;

8 )出現(xiàn)更多詞條等相關內(nèi)容，單擊可跳轉(zhuǎn)到該詞條的搜索界面，更多詞條的信息來 自于使用Google word2vec對793 本圖書進行詞向量訓練得到的詞向量和詞語的聚類，首先找出查詢詞語中與聚類中詞語*相近的一個，之后返回這個聚類中的其他詞語。

7.3根據(jù)英文搜索中文結果

通過英文查詢中文的功能是通過Lucene對英文和中文建立一一對應的索引，這樣根據(jù)索引中英文的匹配程度，可以找到相應的中文。以“keysub station ”為例，根據(jù)英文搜索中文結果的界面如圖6 所示。

7.4語義增強搜索

語義增強搜索采用Jena 查詢出所查詞語的子類，再根據(jù)這些子類的名稱在793 本圖書中搜索，并將這些結果根據(jù)相關度由高到低排序，得出所需結果與子類匹配出的摘要 。如搜“建筑物”時，得到的是與其子類“防火墻”、“換流站”等匹配的文本，其他部分內(nèi)容與普通查詢時相同。

7.5自然語言查詢

在輸入框中以自然語言的形式輸入，如果有對應的詞條，則輸出相應的詞條和解釋。以“變電站”為例，輸入“變換電壓等級匯集配送電能的設施是什么”時可以輸出結果“變電站”;輸入“在河流上下游的水電站”，則輸出“梯級水電站”;輸入“埋在地下的管子”，輸出“電纜排管”。自然語言查詢結果界面如圖7 所示。

7.6本體圖形交互

本體的圖形交互功能均通過Jena 預先加載本體，在查詢時對本體的各項信息進行查詢。

1 )單擊本體交互界面，界面放大，如果詞條有英文或釋義，則顯示當前詞條的詳細信息。在圖形中，父類與子類以不同的形式展示，變電站本體交互界面如圖8 所示，其中“建筑物”為父類，其他為子類。

2 )單擊某個詞條并進行拖動，顯示鼠標實時拖動效果。

3 )雙擊當前詞條(如當前的“變電站”)，則顯示/隱藏該詞條的屬性。其中包括Object型的“線阻濾波器”和Data 型的“進線電壓 :string ”(string表示Data的類型)。顯示/ 隱藏變電站屬性界面如圖9所示。

4 )雙擊除當前詞條外的其他詞條，則以雙擊的詞條進行查詢，并顯示新的結果。雙擊建筑物顯示的界面如圖10 所示。

7.7書籍顯示

1 )在搜索結果頁面，單擊某本想看的書，則跳轉(zhuǎn)到書籍顯示界面，默認顯示pdf 文件，可通過右側滑動條翻頁，并顯示其相關文檔。書籍顯示界面如圖11 所示。

2 )點擊txt 標簽，則跳轉(zhuǎn)到txt 顯示界面，顯示該書籍對應的文本，可閱讀書籍文本，與本體相關的標注(包括中英文)用藍色和下劃線表示，單擊這些標注，如“變電站”、“sub station ”均可查看對應的“變電站”本體。中英文標注示例如圖12 、圖13 所示。

8、結語

通過本文智能電網(wǎng)領域(輸變電部分)專業(yè)知識概念體系的建立，完成了對一個典型的專業(yè)知識概念體系完整的建立過程的調(diào)研，以及初步的專業(yè)知識庫原型系統(tǒng)搭建。傳統(tǒng)以單本或單冊圖書為載體，一般按單一分類介紹的電力知識，很難形成體系，且概念之間的關系無法展示，相比之下智能電網(wǎng)領域(輸變電部分)專業(yè)知識概念體系解決了知識點分類單一且孤立的難題，方便使用者在相關領域輕松獲取所需知識概念及相關知識。在未來工作中，以下方面還有待進一步深入提高：

1 )在研究上，還需研究如何更好地進行本體的可視化，如何利用聚類、分類算法消除語義標注的歧義，如何自動對未知的屬性進行屬性發(fā)現(xiàn)，如何進語義推理得到更多屬性以及加快語義搜索速度;

2 )在工程上，可以在txt閱讀模式下提供圖片支持、完善作者信息、增加作者搜索、出版年份搜索、按標題搜索等功能，進一步實現(xiàn)根據(jù)詞頻、查詢頻繁度等更多信息進行拼音推薦等。