引言

電力系統(tǒng)產(chǎn)生的數(shù)據(jù)，涵蓋了從發(fā)電、輸電、配電到用電等各個(gè)環(huán)節(jié)的實(shí)時(shí)數(shù)據(jù)、歷史數(shù)據(jù)以及各類事件記錄[1]。數(shù)據(jù)的采集、存儲(chǔ)和分析已成為保障電網(wǎng)穩(wěn)定運(yùn)行和高效管理的重要基石。較大波動(dòng)數(shù)據(jù)不局限于單一負(fù)荷數(shù)據(jù)，而是涵蓋電力系統(tǒng)中多個(gè)負(fù)荷數(shù)據(jù)，通過對(duì)系統(tǒng)整體數(shù)據(jù)的分析來確定。這是因?yàn)殡娏ο到y(tǒng)各負(fù)荷之間相互關(guān)聯(lián)，多個(gè)負(fù)荷的波動(dòng)情況對(duì)于全面評(píng)估系統(tǒng)運(yùn)行狀態(tài)至關(guān)重要。電力系統(tǒng)較大波動(dòng)的數(shù)據(jù)條目往往蘊(yùn)含著重要的信息，如設(shè)備故障預(yù)警、負(fù)荷突變、電網(wǎng)穩(wěn)定性問題等，對(duì)于電力系統(tǒng)的監(jiān)控、分析和優(yōu)化至關(guān)重要[2]。傳統(tǒng)的數(shù)據(jù)檢索方法往往依賴于固定的查詢條件或索引結(jié)構(gòu)，難以適應(yīng)電力系統(tǒng)數(shù)據(jù)動(dòng)態(tài)變化、多維度、高復(fù)雜性的特點(diǎn)。研究能夠自適應(yīng)電力系統(tǒng)數(shù)據(jù)波動(dòng)特性的檢索方法能夠提升電力系統(tǒng)的智能化水平。

趙松燕等[3]提出MapReduce能夠在大規(guī)模的分布式計(jì)算集群中處理大量的數(shù)據(jù)，根據(jù)數(shù)據(jù)量的增加而自動(dòng)擴(kuò)展，支持處理超大規(guī)模的數(shù)據(jù)集。在輸電監(jiān)測(cè)數(shù)據(jù)智能檢索中，該模型能夠處理電流、電壓、溫度等多樣化的監(jiān)測(cè)數(shù)據(jù)類型。在特定應(yīng)用場(chǎng)景下，能夠?qū)崿F(xiàn)接近實(shí)時(shí)的數(shù)據(jù)處理和檢索，適用于需要快速響應(yīng)的輸電監(jiān)測(cè)場(chǎng)景。但是MapReduce在處理大數(shù)據(jù)集時(shí)，需要將數(shù)據(jù)從輸入節(jié)點(diǎn)傳輸?shù)綀?zhí)行Map和Reduce函數(shù)的節(jié)點(diǎn)，導(dǎo)致大量的數(shù)據(jù)移動(dòng)。數(shù)據(jù)移動(dòng)過程將消耗大量的時(shí)間和網(wǎng)絡(luò)帶寬，成為性能瓶頸。趙征宇等[4]通過融合多個(gè)語義粒度的語義信息，處理更復(fù)雜的語義信息，包括短語、句子甚至段落級(jí)別的語義匹配，從而增強(qiáng)對(duì)文本內(nèi)容的理解能力，有助于在檢索過程中更準(zhǔn)確地匹配用戶的查詢意圖和文檔內(nèi)容，提高檢索滿意度。通過調(diào)整語義粒度的選擇和融合策略，針對(duì)不同領(lǐng)域的文本特點(diǎn)和用戶需求進(jìn)行優(yōu)化。但是某些粒度的語義信息非常稀疏，導(dǎo)致難以進(jìn)行有效地匹配和檢索。劉東等人研究電網(wǎng)調(diào)控信息的智能檢索方法[5]。通過構(gòu)建電網(wǎng)設(shè)備、屬性、關(guān)聯(lián)關(guān)系等本體概念框架，實(shí)現(xiàn)對(duì)電網(wǎng)調(diào)控信息的層次化、結(jié)構(gòu)化表示。知識(shí)圖譜能夠捕捉文本中的語義關(guān)系，如設(shè)備間的關(guān)聯(lián)、屬性間的依賴等，有助于系統(tǒng)更準(zhǔn)確地理解用戶的查詢意圖，從而提供更精確的檢索結(jié)果。通過知識(shí)圖譜，系統(tǒng)可以自動(dòng)感知電網(wǎng)事件，如故障異常、倒閘操作等，將電網(wǎng)調(diào)控信息以結(jié)構(gòu)化的形式存儲(chǔ)，便于不同部門之間的知識(shí)共享與復(fù)用。但是知識(shí)圖譜的構(gòu)建需要收集大量的電網(wǎng)調(diào)控信息，并進(jìn)行清洗、標(biāo)注和融合等處理。且電網(wǎng)調(diào)控信息具有動(dòng)態(tài)性和時(shí)效性，需要不斷更新和維護(hù)。邸劍等研究利用BERT和覆蓋率機(jī)制改進(jìn)的HiNT文本檢索模型[6]，該模型具有強(qiáng)大的語義表示能力，能夠?qū)ξ臋n的各個(gè)段落進(jìn)行深度語義理解，使模型在檢索過程中，能夠更準(zhǔn)確地匹配用戶的查詢意圖和文檔內(nèi)容。但是該模型過于依賴于預(yù)訓(xùn)練的語言模型或語義表示模型來提取文本的語義信息。如果預(yù)訓(xùn)練模型的質(zhì)量不高或與實(shí)際應(yīng)用場(chǎng)景不匹配，直接影響檢索性能。研究電力系統(tǒng)較大波動(dòng)數(shù)據(jù)條目的自適應(yīng)檢索方法，實(shí)現(xiàn)電力系統(tǒng)波動(dòng)數(shù)據(jù)的精準(zhǔn)捕捉。該模型能夠自動(dòng)學(xué)習(xí)電力數(shù)據(jù)的波動(dòng)模式，根據(jù)數(shù)據(jù)的實(shí)時(shí)變化調(diào)整檢索參數(shù)，從而提高檢索準(zhǔn)確性。

本文詳細(xì)內(nèi)容請(qǐng)下載：

http://m.jysgc.com/resource/share/2000006558

作者信息：

馬玉龍，俞陽，王逸民，王婭

（國網(wǎng)江蘇省電力有限公司營銷服務(wù)中心，江蘇 南京 210024）