一种电网违规行为监督方法、终端设备及存储介质

本发明涉及电网监督领域，尤其涉及一种电网违规行为监督方法、终端设备及存储介质。

背景技术：

1、目前在电网监督中，识别和匹配违规行为主要依赖于人工操作，在目前电网自动化还不充分的情况下，此种方式主要存在以下问题：1.效率低下：人工匹配过程通常耗时且效率低下，尤其是在数据量庞大、事件复杂的情形下，处理时间长，导致监督响应速度缓慢。2.人力资源限制：高度依赖经验丰富的专业人员进行数据分析和判断，面临专家数量不足的问题，特别是在需要快速扩展监督能力的情况下，人力资源的限制成为显著瓶颈。3.一致性和准确性问题：人工分析的结果容易受到个人经验和主观判断的影响，可能会漏检或误判某些违规行为。现有技术在电网技术监督领域虽然提供了基本的功能支持，但在效率、资源利用及准确性方面仍存在不小的挑战。

技术实现思路

1、为了解决上述问题，本发明提出了一种电网违规行为监督方法、终端设备及存储介质。

2、具体方案如下：

3、一种电网违规行为监督方法，包括以下步骤：

4、s1：针对电网违规行为监督的标准文件中的各细则，采集对应的违反各细则的问题；

5、s2：基于各细则和对应的问题构建训练集，训练集中包括正例和反例，其中，正例为问题与细则为对应关系，反例为问题与细则不为对应关系；

6、s3：构建词向量模型，通过训练集对词向量模型进行训练，以使词向量模型针对问题的输出结果与针对该问题对应的细则的输出结果语义对齐；

7、s4：提取标准文件中各细则对应的事故类型和阶段类型构建一个图，该图中包括阶段类型节点、事故类型节点和细则内容节点三种类型的节点；

8、s5：通过训练后的词向量模型对该图中各节点的内容进行编码，得到各节点的编码结果；

9、s6：结合该图的邻接矩阵和各节点的编码结果，通过图神经网络对细则内容节点进行重新编码，得到细则内容节点的特征向量；

10、s7：构建用于输入问题对应的阶段类型和事故类型预测的大模型；

11、s8：当接收到输入问题时，首先通过大模型预测该输入问题对应的阶段类型和事故类型；之后从标准文件中筛选出具有相同阶段类型和事故类型的细则，并基于图中各细则内容节点的特征向量提取各筛选细则的特征向量；然后使用训练后的词向量模型对输入问题进行编码；最后将输入问题的编码结果与各筛选细则的特征向量的分别进行相似度计算，输出相似度最高的n条细则。

12、进一步的，采集对应的违反各细则的问题时通过deepseek-67b-chat模型进行。

13、进一步的，词向量模型采用text2vec-base-chinese。

14、进一步的，图神经网络使用之前需要预先进行训练，使得通过训练后的词向量模型的细则内容节点经过图神经网络编码后的最终特征向量与将该输入问题的内容通过训练后的词向量模型得到的输出结果一致。

15、进一步的，在构建大模型时，设置大模型针对阶段类型预测的prompt为：“要求根据输入信息，输出场景属于什么阶段，阶段类型为{设计阶段，基建阶段，运行阶段}；从以上大括号内选择一个结果回答；答案示例：运行阶段；以下为输入信息：”。

16、进一步的，在构建大模型时，设置大模型针对事故类型预测的prompt为：“要求根据输入信息，输出场景属于什么事故类型，事故类型为{gis、开关设备事故，互感器损坏事故,人身伤亡事故，...，输电线路事故}；从以上大括号内选择一个结果回答；答案示例：电力电缆损坏事故；以下为输入信息：”。

17、进一步的，大模型采用internlm2-chat-7b。

18、一种电网违规行为监督终端设备，包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本发明实施例上述的方法的步骤。

19、一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现本发明实施例上述的方法的步骤。

20、本发明采用如上技术方案，解决了现有人工操作方式的缺陷，提高了电网监督的整体性能和可靠性。

技术特征：

1.一种电网违规行为监督方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的电网违规行为监督方法，其特征在于：采集对应的违反各细则的问题时通过deepseek-67b-chat模型进行。

3.根据权利要求1所述的电网违规行为监督方法，其特征在于：词向量模型采用text2vec-base-chinese。

4.根据权利要求1所述的电网违规行为监督方法，其特征在于：图神经网络使用之前需要预先进行训练，使得通过训练后的词向量模型的细则内容节点经过图神经网络编码后的最终特征向量与将该输入问题的内容通过训练后的词向量模型得到的输出结果一致。

5.根据权利要求1所述的电网违规行为监督方法，其特征在于：在构建大模型时，设置大模型针对阶段类型预测的prompt为：“要求根据输入信息，输出场景属于什么阶段，阶段类型为{设计阶段，基建阶段，运行阶段}；从以上大括号内选择一个结果回答；答案示例：运行阶段；以下为输入信息：”。

6.根据权利要求1所述的电网违规行为监督方法，其特征在于：在构建大模型时，设置大模型针对事故类型预测的prompt为：“要求根据输入信息，输出场景属于什么事故类型，事故类型为{gis、开关设备事故，互感器损坏事故,人身伤亡事故，...，输电线路事故}；从以上大括号内选择一个结果回答；答案示例：电力电缆损坏事故；以下为输入信息：”。

7.根据权利要求1所述的电网违规行为监督方法，其特征在于：大模型采用internlm2-chat-7b。

8.一种电网违规行为监督终端设备，其特征在于：包括处理器、存储器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1~7中任一所述方法的步骤。

9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1~7中任一所述方法的步骤。

技术总结本发明涉及一种电网违规行为监督方法、终端设备及存储介质，该方法中包括：构建词向量模型，并使词向量模型针对问题的输出结果与针对该问题对应的细则的输出结果语义对齐；提取各细则对应的事故类型和阶段类型构建一个图；通过词向量模型对图中各节点进行编码；结合图的邻接矩阵和各节点的编码结果，通过图神经网络对细则内容节点进行重新编码；通过大模型预测输入问题的阶段类型和事故类型，从标准文件中筛选对应的细则，并获得筛选细则对应图中的重新编码结果，将输入问题的词向量编码结果与各筛选细则的重新编码结果进行相似度计算，输出相似度最高的N条细则。本发明解决了现有人工操作方式的缺陷，提高了电网监督的整体性能和可靠性。技术研发人员：张志宏,曾逸洲,李小平受保护的技术使用者：厦门大学技术研发日：技术公布日：2024/12/2