電力設(shè)備信息智能理解與匹配的方法研究及應(yīng)用

陳張帆　龐帆　張婷　田昀

摘要：堅(jiān)強(qiáng)智能電網(wǎng)需要強(qiáng)大的信息通信技術(shù)支撐，通過(guò)“電力流、信息流、業(yè)務(wù)流”的高度融合實(shí)現(xiàn)設(shè)備間的互聯(lián)互通。項(xiàng)目建設(shè)和設(shè)備檔案管理信息需要各環(huán)節(jié)協(xié)調(diào)一致，得以保障電力企業(yè)經(jīng)營(yíng)、監(jiān)測(cè)的數(shù)據(jù)信息。然而，傳統(tǒng)的項(xiàng)目/設(shè)備信息實(shí)行部門化管理，管理職責(zé)割裂，信息系統(tǒng)脫節(jié)，缺少全鏈條綜合管理，電網(wǎng)設(shè)備資產(chǎn)檔案與設(shè)備運(yùn)行信息難以對(duì)應(yīng)一致，統(tǒng)計(jì)分析數(shù)據(jù)不規(guī)范、考慮設(shè)備實(shí)時(shí)運(yùn)行的電網(wǎng)性能評(píng)估理論不完善、項(xiàng)目管理系統(tǒng)數(shù)據(jù)不貫通等問(wèn)題日益凸顯。本文針對(duì)這些問(wèn)題，提出了一種從項(xiàng)目立項(xiàng)、投產(chǎn)建設(shè)到設(shè)備運(yùn)行的全部過(guò)程信息綜合匯總統(tǒng)計(jì)，并將項(xiàng)目與設(shè)備信息相關(guān)聯(lián)匹配的方法，該方法將多源系統(tǒng)信息集成、匯總，并將項(xiàng)目、設(shè)備信息進(jìn)行關(guān)聯(lián)、匹配，實(shí)現(xiàn)了項(xiàng)目與設(shè)備檔案的全過(guò)程貫通，為項(xiàng)目/設(shè)備統(tǒng)計(jì)提供基礎(chǔ)。項(xiàng)目/設(shè)備快速高效匹配，降低了人工成本投入，大大提高了匹配效率和準(zhǔn)確率。

關(guān)鍵詞：電力設(shè)備信息;數(shù)據(jù)溯源;中文分詞;TF-IDF;關(guān)聯(lián)匹配

中圖分類號(hào)：TP391 ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2019）15-0250-02

1 引言

堅(jiān)強(qiáng)智能電網(wǎng)[1]是以特高壓為骨干網(wǎng)架、各級(jí)電網(wǎng)協(xié)調(diào)發(fā)展的堅(jiān)強(qiáng)網(wǎng)架為基礎(chǔ)，以信息通信平臺(tái)為支撐，具備信息化、自動(dòng)化、互動(dòng)化特征，包含電力系統(tǒng)各環(huán)節(jié)，覆蓋各電壓等級(jí)，實(shí)現(xiàn)“電力流、信息流、業(yè)務(wù)流”的高度一體化融合。其中，信息化是堅(jiān)強(qiáng)智能電網(wǎng)的基本特征，體現(xiàn)為實(shí)時(shí)和非實(shí)時(shí)信息的高度集成和挖掘能力?？梢酝ㄟ^(guò)數(shù)據(jù)采集、數(shù)據(jù)傳輸、信息集成、分析優(yōu)化和信息展示五個(gè)方面，實(shí)現(xiàn)對(duì)電力系統(tǒng)各環(huán)節(jié)的全面監(jiān)測(cè)。

電力建設(shè)項(xiàng)目和設(shè)備檔案信息作為電網(wǎng)企業(yè)經(jīng)營(yíng)、監(jiān)測(cè)的主要數(shù)據(jù)信息[2][3]，需要保證數(shù)據(jù)的可靠性在各環(huán)節(jié)協(xié)調(diào)一致，一方面能夠?qū)崿F(xiàn)設(shè)備資產(chǎn)的統(tǒng)計(jì)匯總，另一方面能夠?qū)υO(shè)備運(yùn)行信息實(shí)施監(jiān)測(cè)和分析。隨著電網(wǎng)建設(shè)流程逐步優(yōu)化，管理精益化水平顯著提高，各專業(yè)對(duì)明細(xì)數(shù)據(jù)、實(shí)時(shí)信息等需求越來(lái)越迫切，對(duì)堅(jiān)強(qiáng)智能電網(wǎng)建設(shè)、企業(yè)高效協(xié)同經(jīng)營(yíng)管理等提出了更高要求。

然而，傳統(tǒng)的項(xiàng)目/設(shè)備信息實(shí)行部門化管理，管理職責(zé)割裂，信息系統(tǒng)脫節(jié)，缺少全鏈條綜合管理，電網(wǎng)設(shè)備資產(chǎn)檔案與設(shè)備運(yùn)行信息難以對(duì)應(yīng)一致，統(tǒng)計(jì)分析數(shù)據(jù)不規(guī)范、考慮設(shè)備實(shí)時(shí)運(yùn)行的電網(wǎng)性能評(píng)估理論不完善、項(xiàng)目管理系統(tǒng)數(shù)據(jù)不貫通等問(wèn)題日益凸顯。針對(duì)上述問(wèn)題，本文提出了一種從項(xiàng)目立項(xiàng)、投產(chǎn)建設(shè)到設(shè)備運(yùn)行的全部過(guò)程信息集成、匯總統(tǒng)計(jì)，并將項(xiàng)目與設(shè)備信息相關(guān)聯(lián)匹配的方法，該方法全面梳理了電網(wǎng)項(xiàng)目及設(shè)備的全過(guò)程綜合統(tǒng)計(jì)指標(biāo)體系，根據(jù)項(xiàng)目/設(shè)備信息的不同情況，制定了輔助項(xiàng)目與設(shè)備的智能匹配方法。本方法在國(guó)家電網(wǎng)公司電網(wǎng)設(shè)備運(yùn)行信息統(tǒng)計(jì)分析系統(tǒng)中已得到應(yīng)用，對(duì)于項(xiàng)目建設(shè)、設(shè)備運(yùn)行全過(guò)程實(shí)時(shí)信息統(tǒng)計(jì)提供了可能性，通過(guò)多業(yè)務(wù)系統(tǒng)溯源集成，貫通了各個(gè)業(yè)務(wù)系統(tǒng)信息，為項(xiàng)目/設(shè)備統(tǒng)計(jì)提供基礎(chǔ)。項(xiàng)目/設(shè)備快速高效匹配，降低了人工成本投入，大大提高了匹配效率和準(zhǔn)確率。

2 設(shè)備信息智能匹配關(guān)鍵技術(shù)

2.1 中文分詞

中文分詞（Chinese Word Segmentation） [4]指的是將一個(gè)漢字序列切分成一個(gè)一個(gè)單獨(dú)的詞。分詞就是將連續(xù)的字序列按照一定的規(guī)范重新組合成詞序列的過(guò)程。我們知道，在英文的行文中，單詞之間是以空格作為自然分界符的，而中文只是字、句和段能通過(guò)明顯的分界符來(lái)簡(jiǎn)單劃界，唯獨(dú)詞沒(méi)有一個(gè)形式上的分界符，雖然英文也同樣存在短語(yǔ)的劃分問(wèn)題，不過(guò)在詞這一層上，中文比之英文要復(fù)雜得多、困難得多[5]。

中文分詞是文本挖掘的基礎(chǔ)，對(duì)于輸入的一段中文，成功地進(jìn)行中文分詞，可以達(dá)到電腦自動(dòng)識(shí)別語(yǔ)句含義的效果?，F(xiàn)有的分詞算法可分為三大類：基于字符串匹配的分詞方法、基于理解的分詞方法和基于統(tǒng)計(jì)的分詞方法。按照是否與詞性標(biāo)注過(guò)程相結(jié)合，又可以分為單純分詞方法和分詞與標(biāo)注相結(jié)合的一體化方法。在中文分詞中，有兩大難題一直沒(méi)有完全突破：歧義識(shí)別與新詞識(shí)別。歧義是指同樣的一句話，可能有兩種或者更多的切分方法。新詞[6]指在分詞詞典中沒(méi)有收錄，但又確實(shí)能稱為詞的那些詞。包括人名、機(jī)構(gòu)名、地名、產(chǎn)品名、商標(biāo)名、簡(jiǎn)稱、省略語(yǔ)等。分詞系統(tǒng)中的新詞識(shí)別十分重要，新詞識(shí)別準(zhǔn)確率已經(jīng)成為評(píng)價(jià)一個(gè)分詞系統(tǒng)好壞的重要標(biāo)志之一。

基于人工智能的中文分詞技術(shù)研究[7-9]要求我們以機(jī)器學(xué)習(xí)和模式識(shí)別的方法改善傳統(tǒng)分詞算法的不足，實(shí)現(xiàn)對(duì)歧義的準(zhǔn)確識(shí)別與新詞的更新，使分詞結(jié)果更精確、語(yǔ)義更明確、結(jié)果更具可信度。

2.2 TF-IDF方法

TF-IDF（term frequency–inverse document frequency）[10]是一種用于信息檢索與數(shù)據(jù)挖掘的常用加權(quán)技術(shù)，用以評(píng)估某一字詞對(duì)于一個(gè)文件集或一個(gè)語(yǔ)料庫(kù)中的其中一份文件的重要程度。字詞的重要性隨著它在文件中出現(xiàn)的次數(shù)成正比增加，但同時(shí)會(huì)隨著它在語(yǔ)料庫(kù)中出現(xiàn)的頻率成反比下降。TF-IDF加權(quán)的各種形式常被搜索引擎應(yīng)用，作為文件與用戶查詢之間相關(guān)程度的度量或評(píng)級(jí)。除了TF-IDF以外，因特網(wǎng)上的搜索引擎還會(huì)使用基于鏈接分析的評(píng)級(jí)方法，以確定文件在搜尋結(jié)果中出現(xiàn)的順序。

TF-IDF的思想主要是：若一個(gè)詞語(yǔ)的詞頻越高，則該詞語(yǔ)越重要;若包含某詞語(yǔ)的文本數(shù)量越少，則這個(gè)詞語(yǔ)的類別區(qū)分能力越強(qiáng)，反之若某詞語(yǔ)出現(xiàn)在很多文本中，則它的類別區(qū)分能力就很弱。最終計(jì)算出某個(gè)詞語(yǔ)[tij]的TF與IDF的乘積即得到特征權(quán)重。式（2-1）中，[tfij]代表詞[ti]在文檔[Dj]中的TF權(quán)重，[ni，j]代表詞[ti]在文檔[Dj]中出現(xiàn)的次數(shù)（頻度），[ Maxnj]代表文檔[Dj]中出現(xiàn)頻度最高的詞的頻度;[idfij]代表詞[ti]在文檔[Dj]中的IDF權(quán)重，|D|代表語(yǔ)料庫(kù)所含文本數(shù)量。[{j：ti∈dj}]代表語(yǔ)料庫(kù)中包含詞語(yǔ)[ti]的文檔數(shù)量。詞語(yǔ)[ti]的TF-IDF權(quán)重[wij]等于其TF權(quán)重與IDF權(quán)重的乘積。

TF-IDF是一種經(jīng)典而有效的文本表示分析方法，也是本項(xiàng)目的一個(gè)重要部分。如何改進(jìn)算法、使提取的TF-IDF權(quán)值更精確是本項(xiàng)目一個(gè)研究的重點(diǎn)。

2.3 余弦相似度

文本的相似度[11]一般是指語(yǔ)義的相似度。相似度計(jì)算是進(jìn)行文本聚類的依據(jù)和關(guān)鍵。文本表示為計(jì)算機(jī)可以運(yùn)算的數(shù)學(xué)模型后，以模型在數(shù)學(xué)上的相似度來(lái)近似文本語(yǔ)義的相似度。在向量空間模型中，文檔被視為空間中的向量或是點(diǎn)，一般可以使用兩向量的余弦或兩點(diǎn)的距離來(lái)計(jì)算。

余弦相似度度量公式如下。其中，Cos（X，Y）取值范圍為[0，1]，當(dāng)Cos（X，Y）=0時(shí)，兩文本不相關(guān)，即正交;當(dāng)Cos（X，Y）=1時(shí)，兩文本相似度最高。

Sim（X，Y） = Cos（X，Y） = [ixi*yi（ix2i）*（iy2i）]

余弦相似度是本項(xiàng)目考慮的首要相似度評(píng)價(jià)方法，我們需要根據(jù)具體的、海量的電網(wǎng)設(shè)備信息來(lái)優(yōu)化、更新該方法。以該算法為基礎(chǔ)，以數(shù)據(jù)為驅(qū)動(dòng)，通過(guò)大量試驗(yàn)找到最準(zhǔn)確、最客觀的評(píng)價(jià)方法。

3 基于TF-IDF的電力設(shè)備信息智能匹配

3.1 基于TF-IDF的輔助智能匹配

根據(jù)項(xiàng)目/設(shè)備信息不同情況，制定了輔助智能匹配方法[12-14]，如流程圖1所示，首先，選取設(shè)備，查看該設(shè)備是否完成關(guān)聯(lián)，對(duì)于未實(shí)現(xiàn)關(guān)聯(lián)的設(shè)備通過(guò)設(shè)備的“所屬單位”、“電壓等級(jí)”、“變電容量”、“項(xiàng)目投產(chǎn)日期”等設(shè)備屬性進(jìn)行查詢，如果存在一條或若干條查詢結(jié)果時(shí)，進(jìn)行人工校驗(yàn)實(shí)現(xiàn)匹配。如果結(jié)果為0，則使用基于TF-IDF的匹配方法進(jìn)行二次匹配，最終會(huì)選取5-10個(gè)余弦相似度最接近的信息推薦給校驗(yàn)專責(zé)進(jìn)行確認(rèn)，完成最終的匹配。

其中，基于TF-IDF的輔助智能匹配流程圖如圖所示。

1）分詞：按一定規(guī)則將文本進(jìn)行切分;

2）學(xué)習(xí)訓(xùn)練：具體流程見(jiàn)計(jì)算流程;

3）返回匹配結(jié)果。

計(jì)算流程如下圖所示：

1）將設(shè)備名稱切分成詞，例如：閆村/工業(yè)/園/2#/公用變;

2）計(jì)算線路或設(shè)備名稱的TF-IDF權(quán)值，可以從表中挑選一些輔助字段，與TF-IDF權(quán)值共同組成特征向量輔助匹配;

3）對(duì)于某個(gè)設(shè)備名稱，計(jì)算另一表中所有向量與其余的弦相似度;

4）根據(jù)數(shù)據(jù)的情況制定匹配的標(biāo)準(zhǔn)，例如，若相似度最大的匹配項(xiàng)目的相似度大于90%，則作為最佳匹配項(xiàng);若最大的匹配相似度不足90%則列出相似度排名，作為人工選擇的參考。

3.2 效果應(yīng)用與驗(yàn)證

取某省主變?cè)O(shè)備信息，總計(jì)1245條，其中，通過(guò)直接關(guān)聯(lián)的設(shè)備有1171條信息，針對(duì)未匹配中的74條進(jìn)行基于TF-IDF的方法進(jìn)行匹配，匹配中55條信息，有效將信息匹配率從原有94.06%提高到98.47%，提升了電力設(shè)備信息的統(tǒng)計(jì)基礎(chǔ)，

4 總結(jié)

傳統(tǒng)信息系統(tǒng)建設(shè)中存在的項(xiàng)目/設(shè)備信息實(shí)行部門化管理，管理職責(zé)割裂，信息系統(tǒng)脫節(jié)，缺少全鏈條綜合管理，電網(wǎng)設(shè)備資產(chǎn)檔案與設(shè)備運(yùn)行信息難以對(duì)應(yīng)一致，統(tǒng)計(jì)分析數(shù)據(jù)不規(guī)范、考慮設(shè)備實(shí)時(shí)運(yùn)行的電網(wǎng)性能評(píng)估理論不完善、項(xiàng)目管理系統(tǒng)數(shù)據(jù)不貫通等問(wèn)題，本文通過(guò)提出一種將項(xiàng)目、設(shè)備等多源信息集成、匯總、匹配到統(tǒng)計(jì)的方法，目前，本方法在國(guó)家電網(wǎng)公司電網(wǎng)設(shè)備運(yùn)行信息統(tǒng)計(jì)分析系統(tǒng)中已得到應(yīng)用，對(duì)于項(xiàng)目建設(shè)、設(shè)備運(yùn)行全過(guò)程實(shí)時(shí)信息統(tǒng)計(jì)提供了可能性，通過(guò)多業(yè)務(wù)系統(tǒng)溯源集成，貫通了各個(gè)業(yè)務(wù)系統(tǒng)信息，為項(xiàng)目/設(shè)備統(tǒng)計(jì)提供基礎(chǔ)。項(xiàng)目/設(shè)備快速高效匹配，降低了人工成本投入，大大提高了匹配效率和準(zhǔn)確率。

參考文獻(xiàn)：

[1] 李力，曹榮.以創(chuàng)新精神建設(shè)堅(jiān)強(qiáng)智能電網(wǎng)[J].電力需求側(cè)管理，2009，（5）：4-5，10.

[2] 劉文博.供電企業(yè)用電信息采集系統(tǒng)研究與應(yīng)用[D].華北電力大學(xué)（北京），2016.

[3] 劉新超.A電力公司ERP資產(chǎn)管理的應(yīng)用[D].中國(guó)人民大學(xué)，2008.

[4] 劉延吉.基于詞典的中文分詞歧義算法研究[D].東北師范大學(xué)，2009.

[5] 田學(xué)東，吳麗紅，趙蕾蕾. 基于多特征模糊模式識(shí)別的公式符號(hào)關(guān)系判定[J]. 計(jì)算機(jī)工程與應(yīng)用，2009，（5）.

[6] 蔣建洪，趙嵩正，羅玫. 詞典與統(tǒng)計(jì)方法結(jié)合的中文分詞模型研究及應(yīng)用[J]. 計(jì)算機(jī)工程與設(shè)計(jì)，2012，（1）.

[7] 黃翼彪. 開(kāi)源中文分詞器的比較研究[D]. 鄭州大學(xué)，2013.

[8] 陳振華，余永權(quán)，張瑞. 模糊模式識(shí)別的幾種基本模型研究[J]. 計(jì)算機(jī)技術(shù)與發(fā)展，2010，（9）.

[9] 何苗，全宇. 基于關(guān)鍵詞的文本內(nèi)容過(guò)濾算法的改進(jìn)[J]. 微計(jì)算機(jī)應(yīng)用，2007，（8）.

[10] 陳琦，伍朝輝，姚芳，等. 基于TF*IDF的垃圾郵件過(guò)濾特征選擇改進(jìn)算法[J]. 計(jì)算機(jī)應(yīng)用研究，2009，（6）.

[11] 朱命冬，徐立新，申德榮， 等.面向不確定文本數(shù)據(jù)的余弦相似性查詢方法[J].計(jì)算機(jī)科學(xué)與探索，2018，（1）：49-64.

【通聯(lián)編輯：唐一東】