[发明专利]一种电力系统知识图谱的构建、缺陷目标识别方法及系统

说明书

本发明提供一种电力系统知识图谱的构建、缺陷目标识别方法及系统，所述构建方法包括：对电力系统的原数据进行本体学习，获取本体，根据所述本体形成模式层；结合所述模式层对所述电力系统的原数据进行实体学习，获取目标实体，根据所述目标实体形成数据层；根据所述模式层以及数据层，构建知识图谱。本发明的技术方案，实现了对各类巡检数据进行实时验证分析，提高了缺陷及故障识别率。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种电力系统知识图谱的构建、缺陷目标识别方法及系统。

背景技术

目前，大规模电力缺陷目标检测指的是识别与定位图像中大量的属于不同类别的目标，类别之间的不平衡(有的类别的样本很少)、遮挡、模糊和小目标问题是大规模目标检测面临的主要挑战。

卷积神经网络作为深度学习模型来实现以下目标识别、提取的工作。但是，当前的很多基于卷积神经网络的目标检测方法都是对每个候选区域独立地进行检测，因此需要高质量的特征表示，以及每个类别的充足的标记数据，它们并没有考虑目标之间的语义依赖关系，因此缺乏在常识的帮助下进行推理的能力。知识图谱是以图的形式存储实体及实体间关系的知识库，它语义表达能力丰富，可以实现有效的知识组织、管理和利用，引入知识图谱到神经网络中，主要是对传统目标检测做一个增强，可在缺乏常识的情况下加强目标识别算法推理的能力，为大规模电力缺陷目标检测提供了强有力的技术手段。

发明内容

本发明提供一种电力系统知识图谱的构建、缺陷目标识别方法及系统，用于实现对各类巡检数据进行实时验证分析，提高缺陷及故障识别率。

为了解决上述技术问题，本发明实施例提供如下技术方案：

一种电力系统知识图谱的构建方法，包括：

对电力系统的原数据进行本体学习，获取本体，根据所述本体形成模式层；

结合所述模式层对所述电力系统的原数据进行实体学习，获取目标实体，根据所述目标实体形成数据层；

根据所述模式层以及数据层，构建知识图谱。

可选的，对电力系统的原数据进行本体学习，获取本体，包括：

对电力系统的原数据进行术语抽取，获取专业标记集合；

对所述专业标记集合进行概念抽取，获取概念集合；

对所述概念集合进行关系抽取，获取关系集合；

对所述关系集合进行规则学习，获取规则信息集合。

可选的，结合所述模式层对所述电力系统的原数据进行实体学习，获取目标实体，包括：

抽取所述电力系统的原数据中的实体，获取所述实体；

根据所述模式层的关系层次对所述实体进行处理，获取所述实体之间的结构关系；

对所述实体进行实体学习并结合所述结构关系，获取目标实体。

可选的，所述实体学习包括：

对所述实体进行实体对齐处理，获取统一的实体标志表征；

对所述统一的实体标志表征进行实体填充处理，获取补充实体。

可选的，所述对所述唯一的实体标志表征进行实体填充处理，获取补充实体，包括：

增加所述实体的属性以及所述实体的同义名称，获取补充实体。

可选的，所述实体的属性包括缺陷的等级。

本发明的实施例还提供一种电力系统知识图谱的构建系统，包括：