基于知识图谱的电站专家知识管理系统开发研究

路振刚，王润鹏

辅机及其他

基于知识图谱的电站专家知识管理系统开发研究

路振刚1，王润鹏2

（1. 国网新源控股有限公司，北京 100761；2. 哈尔滨电机厂有限责任公司，哈尔滨 150040）

在水电站运行维护过程中，积累了大量的专家知识和运行检修经验，这些专家知识和经验越来越受到电站及企业的重视并开发知识管理系统对其进行管理。本文依托丰满智能水电站建设，首次开发了基于知识图谱的电站专家知识管理系统。系统利用知识图谱创建一种基于图的数据结构，将机组关键部套以及关键部套之间关联关系及其属性连接在一起，形成一个电站专家知识关系网络，实现机组部套和机组运行信息的可视化管理，并具有专家知识动态扩展方便的优势。本文研究成果，对提升我国水电站专家知识的管理水平具有重要意义并对其他电站的专家知识管理系统建设提供借鉴。

专家知识管理系统；知识管理；知识图谱；智能水电站

0 前言

我国是水电大国，截止到2019年底我国水电装机已达到3.56亿千瓦。在水电站运行维护过程中，积累了大量的专家知识和运行检修经验，这些专家知识和经验越来越受到电站及企业的重视并开发知识管理系统对其进行管理。传统专家知识管理采用文件和关系型数据库管理为主，机组各部套专家知识和维修经验分散存储和管理，没有建立起机组整体专家知识的关系网络。随着信息化和智能化技术不断进步，专家知识管理方法不断创新，本文依托丰满智能水电站建设首次开发了基于知识图谱的电站专家知识管理系统。系统利用知识图谱创建一种基于图的数据结构，将机组关键部套以及关键部套之间关联关系及其属性连接在一起，形成一个电站专家知识关系网络，实现机组部套和机组运行信息的可视化管理，并具有专家知识动态扩展方便的优势。

基于知识图谱的电站专家知识管理系统按照故障树的形式，利用机组各部套专家知识的关联关系，将机组各部套专家知识搭建成整体的网络结构，实现机组各部套的运行维护信息及专家知识形成有机整体，机组专家知识关系网络存储方式采用Neo4j图数据库进行结构化数据存储，图数据库采用网页交互形式，通过JAVA API操作实现图数据库的动态存储[1-6]。

1 知识图谱数据结构设计

本系统考虑专家知识的复杂性，融合了传统的基于产生式规则、故障树等表达形式，设计了知识图谱的形式来表达水电站机组的专家知识的关联网络数据结构。专家知识图谱抽象模型如图1所示[7-11]。

图1 专家知识图谱表达形式模型

本系统对专家知识和运维经验进行了充分的分析和研究，总结得到以下抽象的形式化对象，可以表达目前已知的这些专家知识：

（1）故障（Fault）有若干个表现的特征（或症状）（Feature）；

（2）故障与故障之间可能有关联关系；

（3）故障的发生有若干种原因（Reason），而存在统计概率（或称置信度）（Confidence）；

（4）特征（症状）可以发生在设备的特定部件（Component）；

（5）信号（传感器）（Signal）布置在设备的特定位置上；

（6）可以针对不同的故障原因给出相应的解决方案（Solution）；

（7）上述所有对象都可以通过逻辑关系组合出新的组对象（Group）。

因此，我们设计得到了基于图谱定义的专家知识表达方式，形成机组各部套的专家知识关系网络。

2 知识图谱数据结构存储方式

本系统采用图的形式对专家知识和部套信息进行存储。Neo4j图数据库是一个高性能的NoSQL图数据库，它将数据以图的形式进行组织，可以很好地进行图操作[12-16]。Neo4j数据库数据类型如下：

（1）节点（Node）：Neo4j数据库中的节点相似于ER图中的实体，并且在数据库中每个实体可以包含多个属性，也可以无属性。如果存在属性，这些属性以键值对的形式存在。

（2）关系（Relation）：Neo4j数据库中的关系同理相似于ER图中的关系，一个关系由一个起始节点和一个终止节点构成。另外和节点一样，关系也可以包含零个或多个属性[17-23]。

知识图谱数据结构的实体即对应于Neo4j数据库中的Node，实体间关联关系对应于Neo4j数据库中的Relation。实体分为主要实体和属性实体，属性实体用于对主要实体进行描述。此外对实体间关联（即图谱的边）也需要附加属性标签，在后面的子图匹配中提供语义信息。图2是发电机冷却系统图数据库存储结果。

图2 发电机冷却系统图数据库存储结果

3 专家知识匹配调用

专家知识管理系统的知识库是一个图，故匹配过程使用了剪枝处理的深度优先搜索策略。以图3的节点知识结构为例，我们取特征1、特征2、特征3、特征4依次为“真真假真”，其匹配过程如箭头所示。在特征节点上包含了判断函数（或表达式）及特征来源；特征组是汇聚节点，即And，Or，Not。匹配过程中，当匹配的是一个特征时，将执行特征函数或表达式进行判断；当匹配到一个特征组时，将先对其下级节点进行匹配，然后将匹配结果收集回来，再决定当前节点的值[24-29]。

在匹配过程中存在剪枝操作，如对And节点下，只要出现第一个为假的节点，后续节点将不做额外的处理。这样会提高匹配的执行效率。

图3 知识图谱匹配过程

匹配函数有一个单独的注册中心，提供了服务的注册及版本控制等功能。匹配函数可以使用JavaScript脚本进行扩充，用户需要在配置文件中指定JavaScript脚本所在目录，在程序启动时会对这些脚本进行自动加载。

匹配函数事实上包含2个参数（values，params），values是提取得到的特征值，params是知识库中指定的额外参数，可以有多个。用户扩展时，需要定义函数并将函数进行注册。

在特征节点上我们还支持表达式用于更复杂的情况，如涉及到多个测点的比较等。表达式使用改造后的JavaScript语法。提供一些默认的操作函数[22-25]。

F——查找并返回函数，F有两个参数（funcName，version），其中version可忽略，默认为最新的版本。

S——查找并返回特征，S有两个参数（featureName，componentName），componentName忽略时会从未处理的测点中寻找。

V——查找并返回特征值。与S类似，直接返回值，不返回特征ID等额外信息。

4 系统工程应用情况

目前该系统已在丰满智能水电站应用，将电站机组主要结构部套（定子、转子、空冷器、主轴密封、辅机等）的专家知识以及各部套之间的关联关系形成知识图谱关系网络，确保机组专家知识形成有机整体，在运维、检修过程中给运维人员提供决策和检修意见指导。按照丰满电站机组特征建立的机组专家知识图谱数据结构存储结果可视化如图4所示。

在电站调试期间，丰满电站运维人员按照系统专家知识匹配结果中气隙诊断模块专家知识检修指导意见，快速成功指导电站调试人员实现了机组关键部套的检修工作。

图4 机组专家知识图谱数据结构存储结果

5 结论

本文设计的电站专家知识管理系统，实现了机组关键部件的专家知识图谱建立与存储，图数据库存储了机组多种知识机理模型，并且建立了各种知识机理模型的关联关系，形成了电站机组专家知识的关系网络并实现可视化，同时电站人员可根据实际的知识积累进行系统的动态扩展。

该专家知识管理系统能快速指导电站人员对机组进行运维工作，同时对提升我国发电设备专家知识管理水平、确保电站宝贵运维经验得以保留和进一步扩展应用、提高经济效益有着重要的借鉴意义，为行业其他电站的专家知识和运维信息管理提供借鉴。

[1] 牛翊童. 基于知识图谱的命名实体消歧方法研究[J]. 计算机产品与流通, 2020(8):249+255.

[2] 张莹莹, 钱胜胜, 方全, 徐常胜. 基于多模态知识感知注意力机制的问答方法[J]. 计算机研究与发展, 2020, 57(5):1037-1045.

[3] 赵红丹, 刘微微. 知识隐藏：基于知识图谱的研究述评[J]. 外国经济与管理, 2020, 42(5):121-138.

[4] 钟海燕, 冷玉婷. 基于知识图谱的成渝地区双城经济圈研究综述[J]. 重庆大学学报(社会科学版), 2020, 26(4):13-26.

[5] 郭小超, 雷婧, 冯银虎, 张璐. 基于知识图谱的国际突破性创新理论研究综述[J]. 科学管理研究, 2020, 38(1):20-26.

[6] 周峥, 邓朗妮, 廖羚, 雷丽贞, 刘睿敏. BIM技术在钢结构深化设计与施工中应用热点的知识图谱构建方法研究[J]. 土木建筑工程信息技术, 2020, 12(3):16-21.

[7] 林世平, 林松海, 魏晶晶, 吴运兵, 廖祥文. 融合知识图谱的文本情感分析[J]. 福州大学学报(自然科学版), 2020, 48(3):269-275.

[8] 王晓鸿, 范志雄. 基于科学知识图谱分析的我国科技创新发展脉络研究[J]. 科技与经济, 2020, 33(2):16-20.

[9] 刘智颖, 蒋冠. 基于知识图谱的信息搜寻行为研究综述[J]. 兰台世界, 2020(5):40-43.

[10] 付洋, 刘茂福, 乔瑞. 心脏病中文知识图谱的构建[J]. 武汉大学学报(理学版), 2020, 66(3):261-267.

[11] 苏向楠, 伍晓汀. 胃肠道间质瘤研究的科学知识图谱分析[J]. 中国普外基础与临床杂志, 2020, 27(10):1241-1244.

[12] 黄宗碧. 智慧水电及AI大数据应用[J]. 水电与抽水蓄能, 2019, 5(6):1-5.

[13] 陈淑红. 智慧酒店设备节能与运维一体化整体解决方案[J]. 智能建筑与智慧城市, 2018(8):18-24.

[14] 章旭伟, 陶燕麟, 张仁贡, 赵克华. 武义县智慧水电大运维平台技术的研究与实践[J]. 水电站机电技术, 2018, 41(6):33-36+62.

[15] 吴利娟. 医院后勤管理信息一体化项目开发研究[D]. 郑州大学, 2018.

[16] 邱思亮. BIM技术对传统物业管理模式的改造和提升研究[D]. 天津大学, 2018.

[17] 李振东. BIM在工业园设施运维管理中的应用研究[D]. 厦门大学, 2017.

[18] 段勇刚. 新电改背景下G核电集团售电平台的商业模式重构研究[D]. 深圳大学, 2017.

[19] 茅毅文. 基于BIM的上海市X政务大厅智慧大楼运营管理体系研究[D]. 广西师范大学, 2017.

[20] 王春国. 华润电力江苏分公司市场竞争战略研究[D]. 哈尔滨工业大学, 2016.

[21] 国家发展改革委. 中国制造2025——能源装备实施方案[J]. 中国产经, 2016(6):66-93.

[22] 李晓芳, 曾乐平, 李凯. 电力企业的经济理论分析与研究[J]. 中国商贸, 2013(16):125-126.

[23] 高新民. 人类未来能源的研究与发展[J]. 陕西煤炭, 2009(2):103-104.

[24] 张继忠. 电力企业发展的外部和内部环境分析[J]. 重庆工学院学报(社会科学版), 2007(9):43-45.

[25] 龙成凤. 实施战略成本管理提高火电企业竞争力[J]. 会计之友, 2006(1):47-48.

[26] 傅林江. 打造发电航母唱响光明乐章——嘉兴发电有限责任公司五年发展历程[J]. 中国电力企业管理, 2005(7):40-41.

[27] 王昶. 战略管理[M]. 清华大学出版社, 2010.

[28] 穆献中, 等. 新能源和可再生能源发展与产业化研究[M]. 石油工业出版社, 2008.

[29] 胡兆光, 等. 综合资源战略规划与需求侧管理[M]. 中国电力出版社, 2008.

Research on Development of Expert Knowledge Management System for Power Plant

LU Zhengang1, WANG Runpeng2

(1. State Grid Xinyuan Company Limited, Beijing 100761, China;2. Harbin Electric Machinery Company Limited, Harbin 150040, China)

In the process of operation and maintenance of hydropower stations, a large amount of expert knowledge and operation and maintenance experience have been accumulated. These expert knowledge and experience have been paid more and more attention by power stations and enterprises and developed a knowledge management system to manage them. In this paper, relying on the construction of Fengman smart hydropower station, it is the first time to develop a power station expert knowledge management system based on knowledge graph. The system uses the knowledge graph to create a graph-based data structure, which connects the key components of the unit and the relationship and attributes between the key components to form a power plant expert knowledge relationship network, and realizes the relationship between the unit components and the operating information visualized management, and has the advantage of convenient dynamic expansion of expert knowledge. The research results of this paper are of great significance for improving the management level of expert knowledge of hydropower stations in our country and provide reference for the construction of expert knowledge management systems for other power stations.

expert knowledge management system; knowledge management; knowledge graph; smart hydropower station

TM622

A

1000-3983(2021)01-0089-04

中国制造2025——智能制造综合标准化与新模式应用项目（Z135060009002）

2020-08-07

路振刚（1964-），1991年4月毕业于大连理工大学水力发电工程专业，博士研究生，现从事水电站和抽水蓄能电站生产、建设与科研工作，教授级高级工程师。