人工智能应用研究所谈元鹏2022年03月12日
人工智能应用所简介
- 职能定位：国家电网有限公司唯一人工智能应用技术的重要研究和支撑机构，聚焦电力领域智能感知、大数据、智能平台、智能认知和智能应用五大研究方向。
- 组织机构：下设5个专业研究室（智能感知、大数据应用、平台技术、智能认知、智能技术）和1个管理部门（综合管理办公室），员工近70人，硕士及以上学历占比100%，博士占比34%。
- 学术生态：承担多个学术委员会和联盟挂靠工作，建立各类电力人工智能科研平台，打造电力人工智能学术生态。
电力知识工程的背景、内核及发展历程
- 电力系统特点：资产庞杂、知识密集，涉及发、输、变、配、用等多个领域，知识体系呈现开放式、扁平化、边界模糊化趋势。
- 知识图谱应用：引入知识图谱以结构化方式刻画电力系统中的概念、实体、事件及其关系，推动电力人工智能有序发展。
- 知识图谱局限性：电力领域知识图谱作为复杂因果网络，需细化、闭合知识需求，找到有限的知识子集支撑特定应用。
电力领域知识表示与图谱构建
- 知识来源：传统电力知识工程系统、专家经验知识库等结构化数据，以及电力标准、制度、法律、法规和专家经验等半/非结构化数据。
- 知识分类：通用知识（如设备名称、电压等级等，多领域需求）和专用知识（如客服领域用户名称、电费等，特定领域需求）。
- 本体构建方法：自顶向下（业务专家人工编制或利用现有知识库）、自底向上（从开放非结构化数据中提取信息）、两者结合。
电力领域知识图谱的应用实践
- 电力调度：基于调度故障处置管理规定、故障处置预案等文本数据和结构化数据，构建电力调度知识本体，实现故障实体识别、属性抽取、关系抽取等，构建电力调度领域知识图谱（实体数量超过16万个，关系超过54.7万条）。
- 电力运检：基于输电架空线路工程台账、工单、工作票等业务数据和检修标准文档，构建输电架空线路工程运检知识本体，实现智能决策、故障溯源、标准推荐等，构建电力运检领域知识图谱（实体数量超过2.7万个，关系超过11.4万条）。
- 电力客服：基于95598客服知识库标准问、坐席客服记录、对话语音等业务数据，构建电力客服知识本体，实现客服领域实体识别、关系抽取、知识融合等，构建电力客服知识图谱。
领域知识图谱的应用架构
- 基于NoDKG思想：结合图数据库与关系型数据库，合理划分结构化、半结构化、非结构化数据的存储与调用方式。
- 架构层级：数据获取层（结构化数据解析、半/非结构化数据标注）、图谱构建层（自然语言处理、知识抽取、知识融合、知识加工）、知识计算层（表示学习、关系推理、属性推理、事件推理等）、图谱应用层（智能搜索、智能问答、智能推理、智能决策等）。
应用方向（技术需求向）
- 智能搜索：借助知识图谱进行语义搜索，提升用户开放域知识搜索体验，如电费电价政策检索、故障知识查询等。
- 智能推荐：基于个体评价或群体规律的智能推荐，应用于客服、电商、传媒等领域，如专家遴选技术。
- 智能问答：将知识图谱视为知识库，对自然语言问题进行分析和查询，如客服智能问答系统、电力保险行业知识解答等。
- 智能决策：结合人工智能和知识工程，通过逻辑推理解决复杂决策问题，如工作票智能生成、修试记录智能比对、科技项目查重等。
未来挑战
- 混杂数据下的知识提取与图谱构建：如何构建、更新大规模、结构清晰、可解释的电力领域知识图谱，并使其在混杂数据下自主进化。
- 电网拓扑下的认知推理与辅助决策：如何高效利用电网拓扑数据等原生数据，满足实时、准实时或及时的计算决策要求。
- 领域知识图谱的质量评价体系：缺乏系统化的质量评价方法，现有评价多针对实体、关系、属性三类数据。
- 领域知识图谱的应用开发技术：如何提出基于领域知识图谱构建特定业务应用的方法论，以支撑相关数据产品的研发与迭代。
总结
电力领域知识图谱旨在充分利用电力物联网所承载的数据信息，以结构化方式刻画电力系统中的概念、实体、事件及其间的关系，为电力行业产业链提供一种更为有效的跨媒体大数据组织、管理、认知能力。结合大数据与人工智能技术，领域知识图谱正逐步成为推动电力人工智能发展的核心驱动力之一。目前，电力领域知识图谱的应用场景相对有限、应用方式仍显得创新不足，需在认知推理、图计算、类脑计算以及演化计算等领域的算法上多下功夫，并加强对电力领域知识图谱标准化的顶层设计，加快电力领域知识图谱标准化测试工具的建设。
