基于語義分析的電網(wǎng)調(diào)度操作票智能校核方法

鄭俊翔，劉輝樂，黃達(dá)鐵，孫景釕，陸 燕

（1.國網(wǎng)浙江省電力有限公司溫州供電公司，浙江 溫州 325000；2.國網(wǎng)浙江省電力有限公司信通分公司，杭州 310007）

0 引言

隨著能源電力行業(yè)數(shù)字化與智能化轉(zhuǎn)型的趨勢，電網(wǎng)調(diào)度智能成票與審核已成為當(dāng)前能源互聯(lián)網(wǎng)形態(tài)下調(diào)度部門建設(shè)多元融合近零碳高彈性電網(wǎng)的重要舉措［1-2］。傳統(tǒng)調(diào)度操作票主要依靠調(diào)度員人工校核，存在審核效率較低、準(zhǔn)確度不夠等問題。在實(shí)際工作中，調(diào)控管理多采用“三審三?！毙：朔绞?，通過增加審核流程環(huán)節(jié)和人員投入來提升校核準(zhǔn)確率。為幫助調(diào)度人員快速、準(zhǔn)確地完成審票任務(wù)，同時(shí)為傳統(tǒng)調(diào)控“三審三校”提供輔助決策，利用深度學(xué)習(xí)和NLP（自然語義處理技術(shù)）對(duì)檢修申請(qǐng)單及調(diào)度操作票進(jìn)行數(shù)據(jù)挖掘并融合智能審核規(guī)則，可以提升調(diào)度員審核的效率和準(zhǔn)確性，促進(jìn)人工智能技術(shù)在調(diào)度操作票智能校驗(yàn)方面的應(yīng)用［3-4］。

在電網(wǎng)操作安全校核技術(shù)的相關(guān)研究中，以往針對(duì)調(diào)度控制系統(tǒng)、SMP（檢修申請(qǐng)單）擬票等方面的智能校核包括拓?fù)渥兾坏臎_突校核、負(fù)荷校核。呂穎等［5-6］提出了一種基于多斷面潮流控制技術(shù)的計(jì)劃潮流算法，應(yīng)用AVC（無功電壓自動(dòng)控制）和潮流不收斂智能調(diào)整技術(shù)提高系統(tǒng)收斂性。吳旭等［7］在電網(wǎng)物理模型基礎(chǔ)上，從母線負(fù)荷預(yù)測、校核斷面補(bǔ)全及計(jì)劃潮流計(jì)算著手，提出了一種聯(lián)合安全校核系統(tǒng)的優(yōu)化與改進(jìn)策略。然而相關(guān)研究主要面向日前計(jì)劃編制、日內(nèi)計(jì)劃調(diào)整等，且各市域電網(wǎng)網(wǎng)架結(jié)構(gòu)、管轄范圍、運(yùn)行方式、擬票規(guī)則存在差異，在基于SMP的電網(wǎng)調(diào)度操作票審票方面尚無完善的輔助智能校驗(yàn)策略。

因此，國內(nèi)專家開展了電網(wǎng)調(diào)度操作票智能校驗(yàn)的相關(guān)研究。陳俊全等［8］建立了一種基于規(guī)則學(xué)習(xí)的調(diào)度操作智能校核方法，通過對(duì)照規(guī)則庫中匹配關(guān)系，給出調(diào)度操作票的校核判定結(jié)果和錯(cuò)誤改進(jìn)意見。文獻(xiàn)［9］設(shè)計(jì)了一種基于LSTM（長短期記憶網(wǎng)絡(luò)）的調(diào)度操作票審核系統(tǒng)，通過訓(xùn)練后的審核模型得到預(yù)測錯(cuò)誤提示文本及審核結(jié)果。文獻(xiàn)［10］提出了一種基于遍歷樹的自動(dòng)安全校核算法，以人工審核邏輯作為邏輯判定邊界，以提高電網(wǎng)調(diào)度操作票審核的安全性和工作效率。

為進(jìn)一步提高人工智能技術(shù)對(duì)檢修申請(qǐng)單及調(diào)度操作票辨識(shí)能力，提升智能校核準(zhǔn)確率，本文提出了一種基于雙向GRU（門控循環(huán)單元）神經(jīng)網(wǎng)絡(luò)［11-12］和多種校驗(yàn)規(guī)則的調(diào)度操作票審核分析方法。將基于雙向GRU神經(jīng)網(wǎng)絡(luò)的語義分析技術(shù)與智能審核方法相結(jié)合，首先對(duì)調(diào)度指令及檢修申請(qǐng)單文本進(jìn)行數(shù)據(jù)預(yù)處理，將安全技術(shù)勞動(dòng)保護(hù)措施（以下簡稱“安措”）狀態(tài)與操作票設(shè)備最終狀態(tài)對(duì)比初審；進(jìn)入智能規(guī)則校核環(huán)節(jié)，逆序讀取指令后依次進(jìn)行格式校核、邏輯校核、安全校核，最后將票面異常提示輸出。利用浙江電力停電智能管控系統(tǒng)中的歷史調(diào)度操作票對(duì)所提方法進(jìn)行測試，結(jié)果表明該方法提高了審核的安全性和工作效率，實(shí)現(xiàn)了電網(wǎng)調(diào)度操作票的智能效核。

1 基于雙向GRU的調(diào)度操作票智能效核

本文提出的基于雙向GRU和多種校驗(yàn)規(guī)則的調(diào)度操作票智能校核框架如圖1所示。語義分析環(huán)節(jié)包括檢修申請(qǐng)單與調(diào)度操作票關(guān)鍵狀態(tài)提取，規(guī)則智能校核環(huán)節(jié)包括格式校核、邏輯效核、安全校核。

圖1 調(diào)度操作票智能校核框架

1.1 電網(wǎng)調(diào)度知識(shí)抽取模型

基于Bi-GRU 神經(jīng)網(wǎng)絡(luò)方法能挖掘海量電網(wǎng)調(diào)度操作票及檢修申請(qǐng)單的內(nèi)涵語義特征。因此，結(jié)合文獻(xiàn)［11-12］給出的語義識(shí)別改進(jìn)算法，采用基于深度學(xué)習(xí)的雙向GRU 神經(jīng)網(wǎng)絡(luò)和PCNN（脈沖耦合神經(jīng)網(wǎng)絡(luò)）模塊，電網(wǎng)調(diào)度知識(shí)抽取結(jié)構(gòu)如圖2所示。

圖2 電網(wǎng)調(diào)度知識(shí)抽取模型

本文所設(shè)計(jì)的電網(wǎng)調(diào)度知識(shí)抽取模型結(jié)構(gòu)如下：

輸入層：主要任務(wù)是將電網(wǎng)調(diào)度歷史操作票文本數(shù)據(jù)輸入到知識(shí)抽取模型中。

詞嵌入層：利用分詞工具和Word2Vec自然語義處理技術(shù)對(duì)操作票文本數(shù)據(jù)進(jìn)行處理，得到詞向量W，作為下一層BiGRU模型的輸入層。

Bi-GRU 層：通過計(jì)算上一層得到的字向量信息，得到包含調(diào)度專業(yè)術(shù)語的新詞向量。新詞向量含有語義信息、位置信息雙重意義。

PCNN層：對(duì)特征向量進(jìn)行分段最大池化分，獲取最重要的局部特征信息，最后得到句子（詞組）特征向量P。

輸出層：最后將特征向量P輸入到Softmax分類器得到所需的電網(wǎng)調(diào)度知識(shí)抽取結(jié)果。

1.2 GRU神經(jīng)網(wǎng)絡(luò)層

在深度學(xué)習(xí)和自然語義處理技術(shù)領(lǐng)域中［13］，GRU是一種RNN（循環(huán)神經(jīng)網(wǎng)絡(luò)），特別適用于處理序列數(shù)據(jù)。它的內(nèi)部結(jié)構(gòu)與LSTM 網(wǎng)絡(luò)非常相似［14-15］，優(yōu)點(diǎn)是傳輸信息為隱藏狀態(tài)下進(jìn)行。但GRU模型結(jié)構(gòu)比LSTM模型更加簡單，且參數(shù)更少。因此，GRU 模型訓(xùn)練速度很快，其具體公式為：

式中：xt為輸入數(shù)據(jù)；ht為GRU 模型輸出；σ為Sigmoid 函數(shù)；rt、Wr為重置門；zt、Wz為更新門；Wh為候選隱藏狀態(tài)的權(quán)重矩陣，其中表示t時(shí)刻的候選隱藏層狀態(tài)。

在解決NLP 時(shí)，可以利用雙向循環(huán)網(wǎng)絡(luò)來處理序列化數(shù)據(jù)。因此，本文設(shè)計(jì)的雙向GRU模型作為電網(wǎng)調(diào)度知識(shí)抽取的一部分，其簡化結(jié)構(gòu)分為3層，包括輸入層、隱藏層、輸出層，其結(jié)構(gòu)如圖3所示。

圖3 雙向GRU模型

1.3 PCNN模型

PCNN 模型是一種CNN（卷積神經(jīng)網(wǎng)絡(luò)）模型［14］。其主要由以下4個(gè)部分組成：

1）向量表達(dá)。詞嵌入過程，通過Skip-gram方法預(yù)訓(xùn)練詞向量；位置嵌入過程，通過Position embedding 表示句子單詞到2 個(gè)電力名詞實(shí)體的間距。隨機(jī)初始化得到句向量表示為：

式中：s為句子單詞數(shù)目，d=dw+dp×2。

2）卷積層。首尾填充w-1長度，則卷積核w的輸出表述為：

式中：c∈Rs+w-1，1≤j≤s+w-1。

3）分段最大化池化層。卷積層輸出維度為Rn×(s+w-1)，輸出維度依賴于s。PCNN使用分段最大池化，輸出向量為：

拼接所有卷積核分段池化層得到輸出為p1：n，非線性函數(shù)輸出為：

4）Softmax層。通過分類器將輸出轉(zhuǎn)化為類別概率，得到表述為：

為降低PCNN 模型在數(shù)據(jù)標(biāo)注過程中的錯(cuò)誤影響，模型使用半監(jiān)督學(xué)習(xí)。

2 智能校核規(guī)則方案

因不同市域電網(wǎng)電網(wǎng)網(wǎng)架結(jié)構(gòu)、運(yùn)行方式、調(diào)度管轄、擬票規(guī)則有所區(qū)別，故設(shè)計(jì)了溫州電網(wǎng)智能調(diào)度操作票校核方法，智能審核總體流程框架如圖1所示，包括格式校核、邏輯效核、安全校核［16-17］。

2.1 格式校驗(yàn)策略

格式審票對(duì)應(yīng)校驗(yàn)規(guī)則共有4個(gè)項(xiàng)目，分別為電力專業(yè)術(shù)語校驗(yàn)、管轄范圍及受令單位校驗(yàn)、系統(tǒng)方式狀態(tài)語法結(jié)構(gòu)校驗(yàn)、許可匯報(bào)工作格式校驗(yàn)，審票校驗(yàn)流程如圖4所示。

圖4 格式審票校驗(yàn)流程

2.1.1 電力專業(yè)術(shù)語校驗(yàn)

構(gòu)建溫電調(diào)度專業(yè)名詞庫（電力調(diào)度操作自定義詞典），對(duì)不屬于專業(yè)名詞庫的詞匯組合進(jìn)行辨識(shí)，從而校驗(yàn)出擬票錯(cuò)誤的專業(yè)間隔名稱和術(shù)語。例如同桿雙回線路“商瞬2Q98 線”誤寫為“商瞬2Q99 線、商岙2Q98 線”；T 接線路“垂橫鼎1031線”誤寫為“垂橫鼎1032線”“垂橫安1031線”；“經(jīng)百深1711 線”誤寫為“經(jīng)百深1712 線”“經(jīng)島水1711線”。

2.1.2 受令單位及操作管轄范圍校驗(yàn)

受令單位及管轄范圍校驗(yàn)子流程如圖5 所示。對(duì)于市域范圍內(nèi)的110 kV變電站，以主變10（20）kV側(cè)母線隔離開關(guān)為分界點(diǎn)；對(duì)于縣域范圍內(nèi)的110 kV 變電站，內(nèi)橋接線變電站以間隔線路隔離開關(guān)為分界點(diǎn)，單母分段變電站為主變高側(cè)隔離開關(guān)分界點(diǎn)，分界點(diǎn)為地調(diào)許可、縣調(diào)管轄設(shè)備。以表1中調(diào)度指令為例。

圖5 受令單位及操作管轄范圍校驗(yàn)子流程

表1 典型調(diào)度指令

Step1：判別城中變是否屬于市區(qū)范圍內(nèi)。

Step2：判別間隔設(shè)備是否屬于地調(diào)管轄。若是則受令單位為“溫州集控或者城中變”，若否則受令單位為“溫州配調(diào)”。

Step3：地調(diào)管轄基礎(chǔ)上，判別設(shè)備是否為可遙控設(shè)備。若是則受令單位為“溫州集控”，若否則受令單位為“城中變”。

2.1.3 語法結(jié)構(gòu)及方式狀態(tài)校驗(yàn)

調(diào)度指令遵循如表2 指令結(jié)構(gòu)，對(duì)固定動(dòng)詞、狀態(tài)屬性的語法結(jié)構(gòu)進(jìn)行校驗(yàn)。

表2 地調(diào)管轄指令語法結(jié)構(gòu)

1）狀態(tài)方式規(guī)則

220 kV變電站中存在110 kV正母線、110 kV副母線，因此對(duì)狀態(tài)方式進(jìn)行校驗(yàn)，此類雙母線接線需要區(qū)分正/副母運(yùn)行或者正/副母熱備用。

Step1：建立正常運(yùn)行方式下系統(tǒng)運(yùn)行方式，正常運(yùn)行方式下，110 kV 出線遵循單數(shù)線路接正母線、偶數(shù)線路接副母線原則，對(duì)調(diào)度指令的運(yùn)行方式正確性初步校驗(yàn)。例如昆陽變110 kV 副母線帶昆龍陽1232線；昆陽變110 kV正母線帶昆鄭宋1237線。

Step2：通過SCADA（數(shù)據(jù)采集與監(jiān)控系統(tǒng)）實(shí)時(shí)獲取操作前電網(wǎng)運(yùn)行方式進(jìn)行復(fù)校驗(yàn)，執(zhí)行時(shí)間為T，擬票時(shí)間通常為T-3日。

Step3：關(guān)聯(lián)更新該調(diào)度指令的在未執(zhí)行調(diào)度操作票中的狀態(tài)方式變化情況，檢索時(shí)間為（T-3，T）區(qū)間，對(duì)通過SCADA實(shí)時(shí)獲取的操作前電網(wǎng)運(yùn)行方式進(jìn)行復(fù)校驗(yàn)。

2）語法結(jié)構(gòu)校驗(yàn)規(guī)則

受令單位及受令子單位由受令單位及操作管轄范圍校驗(yàn)?zāi)K進(jìn)行校驗(yàn)，此次語法結(jié)構(gòu)校驗(yàn)對(duì)地調(diào)管轄指令依次進(jìn)行校驗(yàn)。

Step1：間隔名詞/設(shè)備名稱校驗(yàn)，例如經(jīng)百深1711線、110 kV備自投。

Step2：固定動(dòng)詞1校驗(yàn)，此處為“由”。

Step3：狀態(tài)屬性1 校驗(yàn)，線路具體狀態(tài)屬性包括：正母運(yùn)行、副母運(yùn)行、正母熱備用、副母熱備用、冷備用、線路檢修、開關(guān)及線路檢修，此處僅校驗(yàn)語法結(jié)構(gòu)。正/副母接線方式融合狀態(tài)方式規(guī)則1。

Step4：固定動(dòng)詞2校驗(yàn)，此處為“改為”。

Step5：狀態(tài)屬性2 校驗(yàn)，線路具體狀態(tài)屬性包括：正母運(yùn)行、副母運(yùn)行、正母熱備用、副母熱備用、冷備用、線路檢修、開關(guān)及線路檢修，此處僅校驗(yàn)語法結(jié)構(gòu)。

2.1.4 工作許可匯報(bào)格式校驗(yàn)

調(diào)度指令許可匯報(bào)工作格式遵循如表3 結(jié)構(gòu)。在站內(nèi)工作匯報(bào)固定格式中，加入“臨時(shí)接地線已拆除，人員已撤離，具備送電條件，可以復(fù)役”。

表3 工作許可匯報(bào)格式

2.2 邏輯校驗(yàn)

2.2.1 線路停役審票

以“線路由運(yùn)行改為檢修”為操作目的電網(wǎng)調(diào)度操作票校核規(guī)則如圖6所示。

圖6 地調(diào)管轄110 kV線路邏輯審票子流程

對(duì)于地調(diào)管轄110 kV線路，審票子步驟如下。

Step1：獲取設(shè)備最終操作狀態(tài)（狀態(tài)變更包括：線路間隔、主變、母線、壓變、電容器/電抗器、二次設(shè)備）。

Step2：獲取檢修申請(qǐng)單安全措施狀態(tài)。

Step3：判別Step1與Step2中設(shè)備狀態(tài)是否一致，若一致則進(jìn)入下一流程；若不一致輸出錯(cuò)誤提示0；此步以上為共享步驟。

Step4：判別操作對(duì)象是否為線路間隔。若是則進(jìn)入線路邏輯審票子程序。

Step5：判別線路間隔處檢修狀態(tài)，是否存在一側(cè)未處線路檢修（包括開關(guān)及線路檢修）。若是則輸出錯(cuò)誤提示1，進(jìn)入下一流程；若否則直接進(jìn)入下一流程。

Step6：校對(duì)“由冷備用改為線路檢修”之前狀態(tài)，判別是否處冷備用。若是直接進(jìn)入下一流程；若否輸出錯(cuò)誤提示2后進(jìn)入下一流程。

Step7：校對(duì)“由熱備用改為冷備用”之前狀態(tài)，判別是否處熱備用。若是直接進(jìn)入下一流程；若否輸出錯(cuò)誤提示3后進(jìn)入下一流程。

Step8：校對(duì)是否有“由運(yùn)行改為熱備用”或“檢查線路間隔處熱備用”步驟。若是直接進(jìn)入下一流程；若否輸出錯(cuò)誤提示4后進(jìn)入下一流程。

Step9：線路邏輯校驗(yàn)完畢。

2.2.2 母線停役審票

對(duì)于地調(diào)管轄110 kV母線，以母線“由冷備用改為母線檢修”為操作目的調(diào)度操作票對(duì)應(yīng)校核規(guī)則如圖7所示。

圖7 地調(diào)管轄110 kV母線邏輯審票子流程

母線審票子步驟如下：

Step1：判別操作對(duì)象是否為母線設(shè)備。若是則進(jìn)入母線邏輯審票子程序。

Step2：校對(duì)“由冷備用改為母線檢修”之前狀態(tài)，判別是否處冷備用及以上。

Step3：校對(duì)橋開關(guān)是否處冷備用及以上。若是直接進(jìn)入下一流程；若否輸出錯(cuò)誤提示1后進(jìn)入下一流程。

Step4：校對(duì)主變是否處冷備用及以上。若是直接進(jìn)入下一流程；若否輸出錯(cuò)誤提示2后進(jìn)入下一流程。

Step5：校對(duì)線路間隔是否處冷備用及以上。若是直接進(jìn)入下一流程；若否輸出錯(cuò)誤提示3后進(jìn)入下一流程。

Step6：校對(duì)110 kV備自投是否處信號(hào)。若是直接進(jìn)入下一流程；若否輸出錯(cuò)誤提示4后進(jìn)入下一流程。

Step7：母線邏輯校驗(yàn)完畢。

2.2.3 主變停役審票

對(duì)于地調(diào)管轄110 kV主變，以主變“由運(yùn)行改為主變檢修”為操作目的調(diào)度操作票對(duì)應(yīng)校核規(guī)則如圖8所示。

圖8 地調(diào)管轄110 kV主變邏輯審票子流程

主變審票子步驟如下：

Step1：判別操作對(duì)象是否為主變。若是則進(jìn)入后續(xù)主變邏輯審票子程序。

Step2：判別1號(hào)主變（或2號(hào)主變）“運(yùn)行改為主變檢修”之前狀態(tài)。

Step3：校驗(yàn)已執(zhí)行步驟“配調(diào)匯報(bào)10 kVⅠ段（或Ⅱ段）母線各分路已停役”。

Step4：校驗(yàn)負(fù)荷已經(jīng)由備用電源線轉(zhuǎn)供。

Step5：判別進(jìn)線開關(guān)是否有冷備用及以上安措。若否直接進(jìn)入下一流程；若是輸出錯(cuò)誤提示2后進(jìn)入下一流程。

Step6：判別進(jìn)線開關(guān)處合位。

Step7：主變邏輯校驗(yàn)完畢，系統(tǒng)重新校驗(yàn)一次后輸出。進(jìn)入后續(xù)操作流程。

2.3 安全校驗(yàn)

涉及分層分區(qū)校驗(yàn)、中性點(diǎn)校驗(yàn)、保護(hù)設(shè)備投退情況（如圖9所示），對(duì)于安全校驗(yàn)?zāi)K，本文僅給出校驗(yàn)基本流程［16］。

圖9 安全審票子流程

3 基于語義分析的操作票智能校驗(yàn)技術(shù)應(yīng)用

3.1 智能校核的實(shí)施應(yīng)用

本文所提出的技術(shù)作為浙江電網(wǎng)停電智能管控系統(tǒng)的補(bǔ)充模塊，在溫州電網(wǎng)運(yùn)行大腦輔助擬票、審票系統(tǒng)中集成，從而對(duì)調(diào)度操作票實(shí)施在線校核分析。本文以安措“飛北1045線線路由運(yùn)行改為檢修”溫州電網(wǎng)檢修申請(qǐng)單擬定的電網(wǎng)調(diào)度操作票為目的實(shí)施了校驗(yàn)，詳細(xì)內(nèi)容如表4所示。

表4 智能校核實(shí)施應(yīng)用（飛北1045線改為線路檢修）

3.2 預(yù)期效益分析

該智能校核技術(shù)為調(diào)控值班、管理人員進(jìn)行電網(wǎng)調(diào)度操作票審核提供了更安全高效的智能化解決方案。當(dāng)前作為試運(yùn)行階段，電力調(diào)度控制中心在利用本方案人工智能方法進(jìn)行校核的同時(shí)，也采用傳統(tǒng)的“三審三?！蹦Ｊ綄?duì)上述當(dāng)值電網(wǎng)調(diào)度操作票進(jìn)行校核。

統(tǒng)計(jì)2021 年8—11 月浙江電網(wǎng)停電智能管控系統(tǒng)中465 張溫州電網(wǎng)調(diào)度操作票的錯(cuò)誤修改記錄，得到效益指標(biāo)情況如表5所示。

表5 效益指標(biāo)分析

分析表5 可知，在準(zhǔn)確率方面，傳統(tǒng)的“三審三?！蹦Ｊ较鹿舶l(fā)現(xiàn)電網(wǎng)調(diào)度操作票錯(cuò)誤57處，而智能校驗(yàn)發(fā)現(xiàn)錯(cuò)誤63 處，錯(cuò)誤識(shí)別率提升高達(dá)10.5%。在執(zhí)行效率（包括平均校核耗時(shí)、人員投入）和每張票的平均校核時(shí)間方面，傳統(tǒng)的“三審三?！蹦Ｊ叫枰度? 名專業(yè)調(diào)度運(yùn)行人員，且每張票的平均校核時(shí)間約為1.5 h；而智能規(guī)則校核僅需1名調(diào)度員執(zhí)行，且校核耗時(shí)在10 s以內(nèi)。因此，智能校核方法提高了審核的安全性和工作效率，為調(diào)度員審票輔助決策提供了參考。

4 結(jié)語

為實(shí)現(xiàn)電網(wǎng)調(diào)度操作票的自動(dòng)智能校核，將基于雙向GRU神經(jīng)網(wǎng)絡(luò)的語義分析技術(shù)與智能審核方法相結(jié)合，提出了一種基于雙向GRU神經(jīng)網(wǎng)絡(luò)和多種校驗(yàn)規(guī)則的調(diào)度操作票審核分析方法。該方法實(shí)現(xiàn)了電網(wǎng)調(diào)度操作票的智能效核，審核的準(zhǔn)確率和工作效率較傳統(tǒng)“三審三?！蹦Ｊ接休^明顯提高，為調(diào)度員審票提供了輔助決策。調(diào)控人員校驗(yàn)耗時(shí)減少，有更多精力用于突發(fā)電網(wǎng)缺陷故障處置，有助于調(diào)度班組精益化管理，提升電網(wǎng)安全風(fēng)險(xiǎn)管控水平，成果實(shí)施轉(zhuǎn)化后，具有顯著的經(jīng)濟(jì)和社會(huì)效益。采用人工智能NLP 技術(shù)對(duì)調(diào)度操作票及檢修申請(qǐng)單辨識(shí)和分析，作為后續(xù)基于知識(shí)譜圖的電網(wǎng)調(diào)度操作票智能生成、審核、發(fā)令的技術(shù)鋪墊［18］，為拓展近零碳電網(wǎng)運(yùn)行大腦功能提供了理論指導(dǎo)。