[发明专利]基于语音和意图识别的电力信息查询与调控功能调用方法

说明书

基于语音和意图识别的电力信息查询与调控功能调用方法，根调度语音语料由基于深度学习的声学模型和语言模型联合输出调度电话文本；根据调控指令词向量由基于深度学习的领域识别模型和意图识别模型中进行调度意图识别；再利用规则方法由槽位识别模型输出调控指令匹配结果；根据调控指令匹配结果，结合电网潮流分析、短路电流计算以及分合闸操作，进行电力信息查询、电网自动计算、电力自动调度；将调度电话文本和调控指令匹配结果均输入至语音合成引擎，转化为调度电话语音，进行调度电话自动应答。从电力调控领域语音识别技术、电力调控领域意图识别技术、调控系统多轮对话技术三方面实现电力信息查询与调控系统功能调用。

技术领域

本发明涉及电网调控数据分析技术领域，更具体地，涉及基于语音和意图识别的电力信息查询与调控功能调用方法。

背景技术

目前，作为新一轮产业变革的核心驱动力，人工智能在赋能提升传统行业、催生新兴产业方面成效显著，有望引发经济结构的重大变革。我国高度重视人工智能产业的发展，随着调控云平台等新技术的建设与完善，电力系统数据量与计算能力近期都有较大提升，为开展电力调控领域人工智能机器人技术研究创造了有利的条件。

口语理解是人机对话系统的重要组成部分，而意图识别是口语理解中的一个子任务，而且至关重要。意图识别的准确性直接关系到语义槽填充的性能并且有助于后续对话系统的建设。现有技术中，意图识别方法主要有基于规则模板的语义识别方法和使用统计特征的分类算法。基于规则模板的意图识别方法一般需要人为构建规则模板以及类别信息对用户意图文本进行分类。基于统计特征分类的方法，则需要对语料文本进行关键特征的提取，如字、词特征、N-Gram等，然后通过训练分类器实现意图分类。考虑到人机对话系统中意图识别的困难，传统的机器学习方法无法理解用户话语的深层语义信息，推动了基于深度神经网络的意图识别方法的研究。随着深度神经网络的发展，越来越多的学者们将词向量、卷积神经网络网络、循环神经网络、和其变体长短时记忆网络、门控循环单元、注意力机制和胶囊网络应用于意图识别任务中，相比于传统的机器学习方法，深度学习模型在识别性能上有了很大的提升，将单意图识别和多意图识别变为更实用化的成果。

随着电力系统迅速发展，电力市场化工作推进，大电网一体化特征日趋明显，系统内部不同元素以及系统与外部环境之间的耦合关系不断增强。电网资源类型不断丰富，新能源占比不断提高，提高新能源消纳水平等新的控制目标不断演进，电网状态的不确定性进一步增强。电力系统及调控业务的一系列深层次发展变化，使得调度控制策略与规程规定复杂程度不断提高，对调控业务的自动化、智能化提出了更高的要求。电力调度控制中心是集高价值数据、分析规则、专家经验和计算决策为一体的“指挥大脑”，现行调控方式主要以人工经验分析为主，调度人员需要将海量多样数据、方案模型进行经验知识关联，重复性“人脑劳动”较多，效率较低。因此，实现智能调控，降低调控人员工作强度迫在眉睫。

通过上述分析，现有技术中，调控业务实时分析方面存在的问题及缺陷为：

(1)现有多轮对话技术存在智能化程度不够高、研发工作量大等问题。

(2)现行电力调度调控方式以人工经验分析为主，调度人员需要将海量多样数据、方案模型进行经验知识关联，重复性“人脑劳动”较多，效率较低。

发明内容

为解决现有技术中存在的不足，本发明的目的在于，提供基于语音和意图识别的电力信息查询与调控功能调用方法，从电力调控领域语音识别技术、电力调控领域意图识别技术、调控系统多轮对话技术三方面实现电力信息查询与调控系统功能调用。

本发明采用如下的技术方案。

基于语音和意图识别的电力信息查询与调控功能调用方法包括：

步骤1，采集调度语音语料，并构建调度语音语料库；

步骤2，以调度语音语料作为输入数据，输入到训练好的声学模型和语言模型中；由训练好的声学模型和语言模型联合输出调度电话文本；