语音识别与自然语言处理技术在配网调度工作中的应用研究

云南电网有限责任公司迪庆供电局 徐进东 鲁茸次理 刘 伟 卓格拉姆 张学华 格桑拉姆

云南云电同方科技有限公司 金瑞琼

配网调度业务是保障电力系统安全稳定运行的一项重要工作。随着电网规模扩大及信息化建设进程的不断推进，配网调度工作日益繁重，现有的调度运行管理模式仍主要依靠人工手段完成，存在诸多薄弱环节，难以适应现阶段的调度运行管理需求。在调度指令下发及接收环节，调度人员通过电话形式进行调度联络，易受调度人员口误因素影响，造成调度指令误下，由于缺乏相关技术手段支撑，误下指令不易被发现，进而导致不正确的操作动作被执行，引发电网安全事故。调度联络过程中，调度人员通过记录关键调度信息，调度通话结束后，依靠经验知识选择对应的日志类别，最终将日志内容填写至配网调度工作台中，存在工作量大、效率低、规范性等问题。交接班事项繁杂、主要依靠人工记忆，容易出现漏交、错交等问题，增加调度运行风险。调度指令以电话录音形式存在，仅依靠人工手段进行调度质检分析困难，事件事故追责效率低。

近年来，随着语音识别与自然语言处理技术的不断成熟及实用化水平提升，将之引入配网调度领域，辅助调度业务开展，从而减轻基层班组工作负荷，降低调度工作出错率，提高调度工作效率，对保证电网安全、稳定、高效运行具有重要意义。

1 研究现状

1.1 语音识别技术研究现状

语音识别是实现人机自然交互的方式之一，能够让机器“听懂”人类语言并做出反馈，也可将人类语音转化为文字信息进行表达。语音识别技术已经成为近年来的热点研究方向，并取得了系列的研究成果，国外苹果公司的智能手机助理sir、亚马逊智能音箱、微软小娜等已经走进人们日常生活，国内的语音识别技术研究如火如荼，以科大讯飞为首的互联网公司不断在语音识别技术上加以探索，在语音输入、语音转写方面取得到了巨大的研究进展，并致力于推动语音识别技术的产业化研究。随着深度学习神经网络应用的不断延展及计算资源夯实，基于深度学习的语音识别模型在语音识别准确率显现出了一定的优势，针对普通话的语音识别准确率较高，未来面向特定领域方言及复杂场景的语音识别任务仍是近期及未来一段时间的研究重点。

语音识别技术已经广泛的应用于车载、医疗、家居行业，在电力行业中应用相对较少，主要应用于95598客户服务侧，用于客户来电环节的服务质检，在电网调度领域，存在一定的语音识别应用需求，但受限于方言识别及调度专有业务特性等影响，针对调度业务的语音识别技术难度较大，取得的研究成果较少。

1.2 自然语言处理技术研究现状

自然语言处理技术在个性化知识推荐服务、知识检索、智能问答、语音识别等方面应用广泛，在电力行业中也存在一些应用案例，诸如电力设备缺陷数据挖掘、客户服务工单分类、业务指导手册智能搜索等。未来，自然语言处理技术将在提升电网运行效率、保障电网安全、稳定运行方面发挥更大的作用。

2 基于语音识别与自然语言处理的调度业务总体设计

充分利用现有的调度业务软硬件平台，针对必要场景部署实施麦克风阵列拾音设备，通过相关语音接口进行调度语音数据全量采集，统一存储、分析及应用。利用行业通用的语音识别模型，结合大规模的调度特殊发音、专有名词标注对其进行增强训练，构建面向电力调度业务的语音识别模型，对调度语音进行文本识别。结合自然语言处理技术对调度文本进行特征提取、语义解析，以支撑语音转写、智能搜索、日志及交接班记录生成、语音质检分析上层应用需求。通过本项目的研究和应用，将传统的依靠人工进行配网调度运行管理的模式向人机协同的智能管理模式变革，提升配网调度工作效率，提升安全防误防控水平，保障电网安全稳定运行。总体架构设计如图1所示。

3 语音识别与自然语言处理技术融合应用场景

3.1 调度指令智能校核

配网调度工作中，各级调度运行单位普遍采用电话进行调令下发，频繁的操作任务及检修工作使得调度人员每天要进行大量的电话接打，调度人员通过口述方式将事先拟好的操作票及检修任务信息传递给执行单位，在此过程中极易因口误、信息看错等人为失误造成不正确的操作指令被执行，引发电网安全事故。因此，可通过收集配网调度语音语料，结合调度特殊发音处理及专业术语对语音语料进行标注，基于半监督形式进行语音识别模型训练，将调度录音实时转化为文本信息，并通过配网调度工作台进行显示，在调度联络过程中，便于调度人员及时核查调度指令，有效防止调度指令下达偏差。

图1 基于语音识别与自然语言处理的调度业务总体设计

3.2 调度日志智能生成及分类

调度日志的生成依靠调度人员在调度通话过程中记录关键信息，通话结束后，通过经验判断选择日志类型，将记录的关键信息进行整理后填写至配网调度工作台中，存在大量的数据重复录入工作，由于缺乏技术手段支撑，工作效率得不到有效保障。此外，日志内容的填写缺乏统一标准，规范性较差。配网调度过程中，可通过语音识别技术识别调度通话内容，将之转化为文本信息，并进一步利用自然语言处理技术对调度日志文本内容进行语义解析，构建调度日志分类模型，最后根据日志的类别，建立基于每种类别的日志内容标准化模板，利用自然语言处理技术自动提取调度指令内容、停电范围、施工位置等特征信息，对原始的调度文本内容进行归一化处理后获得标准化的调度日志。

3.3 交接班日志智能生成及校核

目前各变电站交接班以口头会议形式存在，通过现场进行收听及同步记录形成交接班记录，现场交接班会议结束后，再根据现场记录信息完成配调系统交接班记录电子化填报。交接班过程中，接班人员需要多方感官协同工作，耗时较长，且容易造成重要信息遗漏或信息记录不全，造成交接班漏交、错交的等问题，影响变电站正常运行或者造成故障。以提升现场交接班效率及交接班正确性为目标，在交接班现场安装部署拾音设备硬件设施，实现交接班全语音信息采集，利用语音识别技术将交接班语音转化为文本内容，与配调系统调度日志实时关联，基于自然语言处理技术实现交接班记录及调度日志内容的一致性核查，对错误及遗漏的交接班信息进行及时告警，以提醒现场交接班人员对漏交信息进行核查、补充及修正，提升现场工作效率及质量，保障电网安全稳定运行。

3.4 调度信息智能搜索及质检分析

各级调度语音数据以音频形式分散式存储于独立的语音服务器上，针对调度语音的质检分析采用人工全量或抽量听音频的形式，听完一个完整的音频文件往往需要花费几分钟时间，由于工作量巨大，容易因疲累等原因造成注意力不集中，未发现调度语音中存在的问题，使得调度语音质检分析失去可操作性。由于在发生电网事件事故时，运行单位负责人往往需要通过在海量的音频文件中查找相关的调度语音，调度语音搜索困难。利用语音识别技术将非结构的调度语音音频转化为结构化的文本信息进行存储，基于自然语言关键词搜索及语义理解实现调度文本信息的快速定位，并能够在音频上自动标记查询关键词的语音位置，并自动播放，以提升调度语音质检效率及质量。

结语：结合配网调度运行管理现状，为提升配调调度管理效率，将基层班组人员从大量重复性工作中解放出来，提升电网本质安全水平。本文提出了语音识别与自然语言处理技术在配网调度领域的应用探索，围绕调度指令智能校核、调度日志及交接班记录智能生成，调度语音智能搜索及质检分析，推动配网调度业务全过程环节的智能化、数字化转型的同时，为语音识别及自然语言处理技术在电网调度领域的实用化实践奠定坚实的基础。