电力故障检测方法及装置与流程-凯发k8天生赢家

1.本公开实施例涉及电力技术领域，尤其涉及一种电力故障检测方法及装置。


背景技术：

2.在电力领域中，通常通过构建电力知识图谱来辅助运维人员进行电力方面的故障维护和故障检测，但现有技术中，基于嵌入式表示的推理方法的可解释性和多步推理能力仍十分有限，这样会对使用者造成一定的困惑，具有不便于用户理解与使用，以及故障检测能力低的问题。


技术实现要素：

3.本公开实施例提供一种电力故障检测方法及装置，可以提高故障检测的准确率以及故障检测的可解释性。
4.第一方面，本公开实施例提供了一种电力故障检测方法，包括：获取电力故障实体信息；其中，所述电力故障实体信息包括电力故障器件、所述电力故障器件的部件、所述部件的故障类型以及故障处理策略中的任意两项；将所述电力故障实体信息输入至目标电力故障检测模型中，输出所述电力故障实体信息对应的目标故障路径以及目标故障路径的置信度；根据所述目标故障路径进行电力故障检测。
5.第二方面，本公开实施例还提供了一种电力故障检测装置，包括：电力故障实体信息获取模块，用于获取电力故障实体信息；其中，所述电力故障实体信息包括电力故障器件、所述电力故障器件的部件、所述部件的故障类型以及故障处理策略中的任意两项；目标电力故障检测模型模块，用于将所述电力故障实体信息输入至目标电力故障检测模型中，输出所述电力故障实体信息对应的目标故障路径以及目标故障路径的置信度；电力故障检测模块，用于根据所述目标故障路径进行电力故障检测。
6.第三方面，本公开实施例还提供了一种电子设备，所述电子设备包括：
7.一个或多个处理器；
8.存储装置，用于存储一个或多个程序，
9.当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本公开实施例所述的电力故障检测方法。
10.本实施例所公开的技术方案，获取电力故障实体信息；其中，所述电力故障实体信息包括电力故障器件、所述电力故障器件的部件、所述部件的故障类型以及故障处理策略中的任意两项；将所述电力故障实体信息输入至目标电力故障检测模型中，输出所述电力故障实体信息对应的目标故障路径以及目标故障路径的置信度；根据所述目标故障路径进行电力故障检测。本公开实施例，通过将所述电力故障实体信息输入至目标电力故障检测模型中，输出所述电力故障实体信息对应的目标故障路径以及目标故障路径的置信度；根据所述目标故障路径进行电力故障检测的方式，可以提高故障检测的准确率以及故障检测的可解释性。
附图说明
11.结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
12.图1为本公开实施例所提供的一种电力故障检测方法流程示意图；
13.图2为本发明实施例提供的一种目标电力故障检测模型结构示意图；
14.图3为本发明实施例提供的一种层次化注意力网络模块结构示意图；
15.图4为本发明实施例提供的一种电力故障检测方法的应用效果示意图；
16.图5为本公开实施例所提供的一种电力故障检测装置结构示意图；
17.图6是本公开实施例所提供的一种电子设备的结构示意图。
具体实施方式
18.下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
19.应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
20.本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
21.需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
22.需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
23.本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
24.可以理解的是，在使用本公开各实施例公开的技术方案之前，均应当依据相关法律法规通过恰当的方式对本公开所涉及个人信息的类型、使用范围、使用场景等告知用户并获得用户的授权。
25.例如，在响应于接收到用户的主动请求时，向用户发送提示信息，以明确地提示用户，其请求执行的操作将需要获取和使用到用户的个人信息。从而，使得用户可以根据提示信息来自主地选择是否向执行本公开技术方案的操作的电子设备、应用程序、服务器或存储介质等软件或硬件提供个人信息。
26.作为一种可选的但非限定性的实现方式，响应于接收到用户的主动请求，向用户发送提示信息的方式例如可以是弹窗的方式，弹窗中可以以文字的方式呈现提示信息。此外，弹窗中还可以承载供用户选择“同意”或者“不同意”向电子设备提供个人信息的选择控
件。
27.可以理解的是，上述通知和获取用户授权过程仅是示意性的，不对本公开的实现方式构成限定，其它满足相关法律法规的方式也可应用于本公开的实现方式中。
28.可以理解的是，本技术方案所涉及的数据(包括但不限于数据本身、数据的获取或使用)应当遵循相应法律法规及相关规定的要求。
29.图1为本公开实施例所提供的一种电力故障检测方法流程示意图，本公开实施例适用于对电力故障进行检测的情形，例如对变压器故障检测的情形，该方法可以由电力故障检测装置来执行，该装置可以通过软件和/或硬件的形式实现，可选的，通过电子设备来实现，该电子设备可以是移动终端、pc端或服务器等。
30.s110、获取电力故障实体信息。
31.其中，所述电力故障实体信息包括电力故障器件、所述电力故障器件的部件、所述部件的故障类型以及故障处理策略中的任意两项。
32.本实施例中，可以获取电力故障器件、所述电力故障器件的部件、所述部件的故障类型以及故障处理策略中的任意两项电力故障实体信息。对于任意两项的电力故障实体信息，可以将其中一项作为头实体信息，另一项作为尾实体信息。
33.s120、将所述电力故障实体信息输入至目标电力故障检测模型中，输出所述电力故障实体信息对应的目标故障路径以及目标故障路径的置信度。
34.本实施例中，可以通过目标电力故障检测模型将电力故障实体信息输入至预先构建完成的知识图谱中，输出电力故障实体信息对应的目标故障路径以及目标故障路径的置信度。其中，目标电力故障检测模型可以由改进的强化学习模型构成。目标故障路径中的头实体信息和尾实体信息为电力故障实体信息。示例性的，如果电力故障实体信息为电力故障器件和部件的故障类型，则目标故障路径中的头实体信息可以为电力故障器件，尾实体信息可以为部件的故障类型。
35.其中，所述目标电力故障检测模型包括层次化注意力网络模块、多层感知机模块、智能体模块、概率分布模块、激活函数模块以及动作模块；智能体模块包括关系智能体单元和实体智能体单元；动作模块包括关系动作单元和实体动作单元。
36.示例性的，图2为本发明实施例提供的一种目标电力故障检测模型结构示意图。如图2所示，environment可以为强化学习环境，也即电力故障知识图谱。hae为层次化注意力网络模块，mlp为多层感知机模块，智能体(agent)模块包括r_agent关系智能体单元和e_agent实体智能体单元，也即两个智能体。r1、r2、r3为关系智能体所选择的关系，e1、e2、e3为实体智能体所选择的实体。概率分布模块包括πr和πe，分别用于确定各关系和实体的概率分布。激活函数模块为softmax函数，以及动作模块包括e_action实体动作单元和r_action关系动作单元。
37.其中，层次化注意力网络模块包括：第一层注意力机制单元、第二层注意力机制单元以及第三层编码器；所述第一层注意力机制单元包括第一设定数量的注意力机制网络；第二层注意力机制单元包括第二设定数量的注意力机制网络；第三层编码器包括第三设定数量的编码器。
38.示例性的，图3为本发明实施例提供的一种层次化注意力网络模块结构示意图。如图3所示，第一层注意力机制单元包括一个注意力机制网络；第二层注意力机制单元包括三
个注意力机制网络；第三层编码器包括多个编码器。encoder可以采用transformer结构。
39.可选的，目标电力故障检测模型的训练方式如下：从电力故障知识图谱训练集中提取任意两个训练实体信息，并分别作为训练头实体信息和训练尾实体信息；从所述电力故障知识图谱训练集中获取所述两个实体信息对应的真实路径信息；将所述两个实体信息输入至所述目标电力故障检测模型中，输出预测路径信息以及所述预测路径信息的置信度；根据所述置信度训练所述目标电力故障检测模型。
40.本实施例中，首先可以准备知识图谱的数据，包括实体、关系和属性等信息。这些数据可以从电力变压器故障相关表以及文档数据中获取。根据准备好的知识图谱数据，构建电力故障知识图谱训练集，这一步可以使用图数据库或者其他图处理工具来实现。然后从电力故障知识图谱训练集中提取任意两个训练实体信息，并分别作为训练头实体信息和训练尾实体信息；从所述电力故障知识图谱训练集中获取所述两个实体信息对应的真实路径信息；将所述两个实体信息输入至所述目标电力故障检测模型中，输出预测路径信息以及所述预测路径信息的置信度；根据所述置信度训练所述目标电力故障检测模型。
41.可选的，将所述真实路径信息与所述两个训练实体信息输入至所述目标电力故障检测模型中，输出预测路径信息及所述预测路径信息的置信度，包括：根据所述训练头实体信息确定多条预测子路径信息；确定所述多条预测子路径信息对应的置信度；根据所述多条预测子路径信息对应的置信度确定目标置信度；根据所述目标置信度确定目标预测子路径信息；将所述目标预测子路径信息中的尾实体信息作为训练头实体信息，继续确定多条预测子路径信息，直到所述目标预测子路径信息中的尾实体信息为所述训练尾实体信息。
42.其中，真实路径信息包括多条真实子路径信息；预测路径信息包括多条预测子路径信息，任意一条所述真实子路径信息对应多条预测子路径信息。本实施例中，通过目标电力故障检测模型从电力故障知识图谱训练集中进行探索，并输出预测路径信息以及对应的置信度的方式如下：从训练头实体信息开始探索，每探索一步，输出所探索的多个预测子路径信息，并输出每个预测子路径信息的置信度，并选择该步的最佳预测子路径信息以及对应的置信度，并在所选择的最佳预测子路径信息上继续探索，依此类推，直至所述目标预测子路径信息中的尾实体信息为所述训练尾实体信息。
43.具体的，根据所述训练头实体信息确定多条预测子路径信息；确定所述多条预测子路径信息对应的置信度；在多条预测子路径信息对应的置信度中，将最大的置信度确定为目标置信度；将所述目标置信度对应的预测子路径信息确定为目标预测子路径信息；在目标预测子路径信息基础上探索下一个目标预测子路径，也即将所述目标预测子路径信息中的尾实体信息作为训练头实体信息，继续根据训练头实体信息确定多条预测子路径信息，继续确定目标预测子路径信息，依此类推，直到所述目标预测子路径信息中的尾实体信息为所述训练尾实体信息，至此，可以得到完整的预测路径信息以及每个目标预测子路径信息对应的置信度。
44.可选的，确定所述多条预测子路径信息对应的置信度，包括：对于任意预测子路径信息的置信度，比对所述真实子路径信息与所述预测子路径信息，获得比对结果；根据比对结果确定第一置信度；根据所述真实子路径信息与所述预测子路径信息的相似度确定第二置信度；根据所述第一置信度和所述第二置信度确定综合置信度。
45.本实施例中，每条预测子路径信息对应的置信度的确定方式如下：比对所述真实
子路径信息与所述预测子路径信息，获得比对结果；根据比对结果确定第一置信度，例如比对结果为比对一致，则确定所述第一置信度为1；比对结果为比对不一致，则确定所述第一置信度为0或-1。根据所述真实子路径信息与所述预测子路径信息的相似度确定第二置信度；其中，第二置信度的数值为相似度的数值。将所述第一置信度和所述第二置信度进行相加的和确定为综合置信度。
46.可选的，根据比对结果确定第一置信度，包括：若所述比对结果为所述真实子路径信息与所述预测子路径信息相同，则确定所述第一置信度为1；若所述比对结果为所述真实子路径信息与所述预测子路径信息不相同，确定所述第一置信度置为0或-1。
47.本实施例中，若所述比对结果为所述真实子路径信息与所述预测子路径信息相同(也即真实子路径信息与所述预测子路径信息中的关系信息和实体信息均相同)，则确定所述第一置信度为1；若所述比对结果为所述真实子路径信息与所述预测子路径信息中的实体信息相同，但关系信息不相同，确定所述第一置信度置为0，若所述比对结果为所述真实子路径信息与所述预测子路径信息中的实体信息以及关系信息均不相同，确定所述第一置信度置为-1。
48.可选的，若所述比对结果为所述真实子路径信息与所述预测子路径信息相同，则确定所述第一置信度为1，包括：确定所述真实路径信息第一步长；根据所述预测子路径信息确定第二步长；若所述第二步长小于或等于第一步长，所述预测子路径信息中的尾实体与对应的真实子路径信息尾实体相同，且所述预测子路径信息中的关系与对应的真实子路径信息的关系相同，则确定所述第一置信度为1；若所述比对结果为所述真实子路径信息与所述预测子路径信息不相同，确定所述第一置信度置为0或-1，包括：若所述第二步长小于或等于第一步长，所述预测子路径信息中的尾实体与对应的真实子路径信息尾实体相同，且所述预测子路径信息中的关系与对应的真实子路径信息的关系不相同，则确定所述第一置信度置为0；若所述第二步长小于或等于第一步长，所述预测子路径信息中的尾实体与对应的真实子路径信息尾实体不相同，且所述预测子路径信息中的关系与对应的真实子路径信息的关系不相同，则确定所述第一置信度为-1。
49.示例性的，确定第一置信度的公式如下：
[0050][0051]
其中，t为第一步长，t为第二步长。e
t
为当前预测子路径信息中的尾实体，eo为当前预测子路径信息对应的真实子路径信息尾实体。r为当前预测子路径信息中的关系，rq为当前预测子路径信息对应的真实子路径信息中的关系。
[0052]
具体的，若所述第二步长小于或等于第一步长，当前预测子路径信息中的尾实体与对应的真实子路径信息尾实体相同，且所述预测子路径信息中的关系与对应的真实子路径信息的关系相同，则视为命中，确定所述第一置信度为1。若所述第二步长小于或等于第一步长，当前预测子路径信息中的尾实体与对应的真实子路径信息尾实体相同，且当前预测子路径信息中的关系与对应的真实子路径信息的关系不相同，则确定所述第一置信度置为0。其中，otherwise表示为若所述第二步长小于或等于第一步长，所述预测子路径信息中
的尾实体与对应的真实子路径信息尾实体不相同，且所述预测子路径信息中的关系与对应的真实子路径信息的关系不相同，则确定所述第一置信度为-1。或者otherwise表示为若所述第二步长大于第一步长，所述预测子路径信息中的尾实体与对应的真实子路径信息尾实体不相同，且所述预测子路径信息中的关系与对应的真实子路径信息的关系不相同，则确定所述第一置信度为-1。
[0053]
可选的，根据所述真实子路径信息与所述预测子路径信息的相似度确定第二置信度，包括：将所述预测子路径信息确定第一曼哈顿距离；将所述真实子路径信息确定第二曼哈顿距离；将所述第一曼哈顿距离和所述第二曼哈顿距离的相似度确定为第二置信度。
[0054]
本实施例中，将所述预测子路径信息中的两个实体信息转换为二维平面坐标轴上的两个预测实体坐标点；根据两个预测实体坐标点确定第一曼哈顿距离；将所述真实子路径信息中的两个实体信息转换为二维平面坐标轴上的两个真实实体坐标点；根据两个真实实体坐标点确定第二曼哈顿距离；将第一曼哈顿距离和所述第二曼哈顿距离的相似度确定为第二置信度。
[0055]
本实施例中，引入了计算曼哈顿距离的思想来作为强化学习的置信度机制。曼哈顿距离和欧式距离不同，它代表了两点的绝对轴距之和，而欧式距离则是代表了两点的直线距离。简单来说，若给定二维平面坐标轴上的两点i和j及两点坐标(xi，yi)和(xj，yj)，则曼哈顿距离可以表示为d(i，j)＝|xi-xj| |yi-yj|，扩展之后，计算两个n维向量的a(x11，x12，...，x1n)和b(x21，x22...，x2n)之间的曼哈顿距离：
[0056][0057]
其中，曼哈顿距离求解相似度的特性是距离越大相似度越小，当距离趋近于无穷时，表明相似度几乎为0。对求得的曼哈顿距离取负数后使得相似度越高，相似度越小。
[0058]
s130、根据所述目标故障路径进行电力故障检测。
[0059]
本实施例中，可以根据目标故障路径进行电力故障维护以及电力故障检测。其中，目标故障路径包括电力故障运维方案。
[0060]
本实施例所公开的技术方案，获取电力故障实体信息；其中，所述电力故障实体信息包括电力故障器件、所述电力故障器件的部件、所述部件的故障类型以及故障处理策略中的任意两项；将所述电力故障实体信息输入至目标电力故障检测模型中，输出所述电力故障实体信息对应的目标故障路径以及目标故障路径的置信度；根据所述目标故障路径进行电力故障检测。本公开实施例，通过将所述电力故障实体信息输入至目标电力故障检测模型中，输出所述电力故障实体信息对应的目标故障路径以及目标故障路径的置信度；根据所述目标故障路径进行电力故障检测的方式，可以提高故障检测的准确率以及故障检测的可解释性。
[0061]
本实施例中，可解释性可以理解为输出目标故障路径的同时，还输出目标故障路径的置信度，也即将知识图谱中的节点(实体)和边(关系)进行解释，以便运维人员进行理解和应用。
[0062]
图4为本发明实施例提供的一种电力故障检测方法的应用效果示意图。如图4所示，从电力变压器故障相关表以及文档数据中获取构建知识图谱所需要的数据，电力变压器故障相关表以及文档数据可以是事故报告、规程规范以及运维手册等，通过自然语言处理技术从事故报告、规程规范以及运维手册等进行实体抽取、知识更新、关系抽取以及知识
补全等，以构建电力变压器运维知识图谱(电力变压器运维知识图谱检索)。
[0063]
如图4所示，电力故障器件为110kv变压器、所述电力故障器件的部件可以为绕组、铁心及套管；所述部件的故障类型包括匝间击穿、过热故障以及电容芯子击穿；故障处理策略包括对铁心叠片、上调绕组及吊心后对等。110kv变压器与绕组的边为变压器一部件，110kv变压器与铁心的边为变压器一部件，110kv变压器与套管的边为变压器一部件，绕组与匝间击穿之间的边为部件缺陷，铁心与过热故障之间的边为部件缺陷，套管与电容芯子击穿之间的边为部件缺陷，过热故障与铁心叠片、上调绕组及吊心后对等之间的边均为处理方法。
[0064]
如图4所示，接收变压器的告警信号，解析变压器告警信号，得到故障信息，故障信息包括时间、地点及故障描述。根据故障信息检索知识图谱，得到目标故障路径，根据目标故障路径得到运维策略，还可以将运维策略反馈给事故报告、规程规范以及运维手册等文档数据中。
[0065]
如图4所示，例如电力故障实体信息为110kv变压器以及过热故障，通过知识图谱检索，则输出的目标故障路径可以是110kv变压器-》铁心-》过热故障(也包括110kv变压器-》铁心-》过热故障内的关系)；输出的目标故障路径还可以是变压器-》铁心-》过热故障-》对铁心叠片、上调绕组及吊心后对等(也即110kv变压器和过热故障所在路径上的全部信息)。
[0066]
本公开实施例所提供的方案，结合了强化学习以及知识图谱，相当于提出了一种基于强化学习的动态知识图谱可解释性推理方法。该方法在利用强化学习的手段时可以显式地给出推理路径，同时设计一套具备可解释性强化学习模型(目标电力故障检测模型)，可以提高推理的可解释性。
[0067]
本方案的优点：实现了知识的自适应学习和优化，提高了知识的质量和可解释性；可以应用于电力领域或其他领域的知识建模和应用，提高了知识管理和应用的效率和准确性；采用强化学习算法，可以通过不断的试错和学习，优化知识图谱的结构和内容，提高知识的质量和可解释性；可以根据应用需求，将知识图谱中的节点和边进行解释，以便用户理解和应用。
[0068]
示例性的，另一种电力故障检测方法具体步骤如下：
[0069]
步骤一：数据准备：首先需要准备知识图谱的数据，包括实体、关系和属性等信息。这些数据可以从电力变压器故障相关表以及文档数据中获取。
[0070]
步骤二：动态知识图谱构建：根据准备好的数据，构建知识图谱。这一步可以使用图数据库或者其他图处理工具来实现。
[0071]
首先，根据电力领域中变压器故障相关的知识和数据，构建初始的知识图谱，并将该知识图谱存储在数据库中。然后，通过对该知识图谱进行不断地更新和优化，实现知识图谱的动态性。给定知识图谱的实体集合e和关系集合r，知识图谱由形如(e1，r，e2)的三元组构成，其中e1，e2∈e，r∈r，将所有已知的三元组组成的集合记为δ。知识图谱问答为给定三元组中的关系和一个实体，对另一个实体寻求答案，形如(e1，r，？)
[0072]
步骤三：强化学习环境设计：根据具体任务的需求，设计强化学习环境。这包括定义状态、动作和置信度等。
[0073]
定义状态和动作。首先，根据已建立好的知识图谱，定义状态，s∈e
×e×r×
e，在该环境内状态由4元组构成，当前所在节点e
t
，起始节点e
1q
，初始查询关系rq和正确答案e
2q
，
即s＝(e
t
,e
1q
,rq,e
2q
)。并通过观察(observations)，环境中的状态无法被完全观测，仅当前节点和初始查询可知，正确答案隐藏，故任意状态的观察设计状态为o(s＝(e
t
,e
1q
,rq,e2q))＝(e
t
,e
1q
,rq)。然后再定义动作，动作(actions)，当前状态下可执行的动作由当前节点e
t
决定，除不行动(no_op)外，其余动作均是根据当前节点e
t
关联的三元组进行的，即任意已知三元组(e
t
,r,v)均可作为动作。最后再设计状态转移函数，状态转移函数δ：s
×a→
s，δ(s,a)＝(v,e
1q
,rq,e
2q
)，当s＝(e
t
,e
1q
,rq,e
2q
)和动作a＝(e
t
,r,v)。
[0074]
定义奖励函数(也即置信度函数)。强化学习的奖励函数是指导agent代理进行有效的策略决策的关键因素。为了能够让模型充分考虑图谱的路径多样性，让agent彼此间“走”出不同的路径。本实施例，在多agent协作式交互的场景下，不再拘泥于简单的“非1即0”的命中奖励。本发明实施例中的置信度由两部分构成，分别为命中奖励raccuracy和路径相似性奖励rsimilarity，也即分别对应第一置信度和第二置信度。
[0075]
步骤四：强化学习算法选择：根据任务的特点和需求，选择合适的强化学习算法。常见的强化学习算法包括q-learning算法、deep q network(dqn)算法、policy gradient算法等。
[0076]
步骤五：强化学习训练：使用选择的强化学习算法对知识图谱进行训练。这包括通过与环境的交互来更新模型的参数，以优化策略。
[0077]
agent在经过策略网络的决策之后，在t时刻选择动作(e
t
,r
t
)后状态更新并将其输入到一个层次化注意力网络模块(hae)之中。encoder可以采用transformer结构。
[0078]
为了能够最终agent“的策略网络的输入来辅助agent“进行当前时刻的决策，设计了智能体agent交互推理的模式。在agent的历史状态h-更新后，将其作为agent的策略网络的输入来辅助agent进行当前时刻的决策。并且每当在agent选择一个可能的动作a＝(etrt)时，a的embedding可以表示为[e
t
；r
t
]([；]表示向量拼接)，然后将所有的可能动作a堆叠得到矩a。将a与经过relu非线性激活的当前历史h和查询尾实体e一同输入softmax函数中，即可得到agent可能采取的动作的概率分布。需要注意的是，设计的多agent模型需要实现策略网络上的交互，因此agent代理在该环节的表示是不同的。
[0079]
采用agent交替训练的模式，当t＝0时对agent进行训练，并将agent模型的历史嵌入h作为agent“的策略网络的输入训练agent”，之后进行交替训练。作为对于具有一系列关系r的路径策略网络的参数0由mlp的参数、权重wi和w2、偏差构成。为了能够找到使预期回报最大化的参数0，采用蒙特卡洛策略梯度reinforce来更新参数:
[0080][0081]
其中，at＝(et，rt)。并且需要注意的是，在梯度训练时，对两个agent(r_agent关系智能体单元和e_agent实体智能体单元)的状态st做了区分，分别表示为
[0082]
步骤六：策略评估和改进：训练完成后，对训练得到的策略进行评估，并根据评估结果进行改进。这可以包括调整参数、增加训练数据等。
[0083]
解释知识图谱。运维人员通过变压器故障描述，通过目标电力故障检测模型进行
推理，推测出故障发生的原因以及凯发真人首先娱乐的解决方案，这样通过图谱路径的记录和推理，将知识图谱中的节点(实体)和边(关系)进行解释，以便运维人员进行理解和应用。对于链接预测任务来说，推理任务的结果是个关系列表。然而在进行结果校验时，目标电力故障检测模型是根据它是否能够预测待查询三元组中的一个目标关系来评估。基于路径的方法是以路径的终点为目标实体，然后取整个推理路径的关系链的表示与关系列表进行对比，进行结果评价。
[0084]
本实施例，状态和动作：在解释性强化学习中，状态(state)和动作(action)是两个重要的概念。状态(state)是指在强化学习过程中，环境的某个特定时刻的观测或描述。它可以是一个完整的环境状态，也可以是一个部分观测。状态包含了环境的所有信息，用于描述当前的情境和环境的特征。在知识图谱中，状态可以表示为一个实体或一组实体的集合，或者是一个实体与其属性、关系的组合。动作(action)是指在某个状态下，智能体(agent)可以选择的行为或决策。动作可以是离散的，也可以是连续的。在知识图谱中，动作可以表示为对实体的操作，如添加、删除、修改实体的属性或关系等。
[0085]
图5为本公开实施例所提供的一种电力故障检测装置结构示意图；如图5所示，装置包括电力故障实体信息获取模块510、目标电力故障检测模型模块520、电力故障检测模块530；
[0086]
电力故障实体信息获取模块510，用于获取电力故障实体信息；其中，所述电力故障实体信息包括电力故障器件、所述电力故障器件的部件、所述部件的故障类型以及故障处理策略中的任意两项；目标电力故障检测模型模块520，用于将所述电力故障实体信息输入至目标电力故障检测模型中，输出所述电力故障实体信息对应的目标故障路径以及目标故障路径的置信度；电力故障检测模块530，用于根据所述目标故障路径进行电力故障检测。
[0087]
本实施例所公开的技术方案，通过电力故障实体信息获取模块获取电力故障实体信息；其中，所述电力故障实体信息包括电力故障器件、所述电力故障器件的部件、所述部件的故障类型以及故障处理策略中的任意两项；通过目标电力故障检测模型模块将所述电力故障实体信息输入至目标电力故障检测模型中，输出所述电力故障实体信息对应的目标故障路径以及目标故障路径的置信度；通过电力故障检测模块根据所述目标故障路径进行电力故障检测。本公开实施例，通过将所述电力故障实体信息输入至目标电力故障检测模型中，输出所述电力故障实体信息对应的目标故障路径以及目标故障路径的置信度；根据所述目标故障路径进行电力故障检测的方式，可以提高故障检测的准确率以及故障检测的可解释性。
[0088]
其中，所述目标电力故障检测模型包括层次化注意力网络模块、多层感知机模块、智能体模块、概率分布模块、激活函数模块以及动作模块；智能体模块包括关系智能体单元和实体智能体单元；动作模块包括关系动作单元和实体动作单元。
[0089]
其中，层次化注意力网络模块包括：第一层注意力机制单元、第二层注意力机制单元以及第三层编码器；所述第一层注意力机制单元包括第一设定数量的注意力机制网络；第二层注意力机制单元包括第二设定数量的注意力机制网络；第三层编码器包括第三设定数量的编码器。
[0090]
可选的，目标电力故障检测模型模块具体用于：从电力故障知识图谱训练集中提取任意两个训练实体信息，并分别作为训练头实体信息和训练尾实体信息；从所述电力故
障知识图谱训练集中获取所述两个实体信息对应的真实路径信息；将所述两个实体信息输入至所述目标电力故障检测模型中，输出预测路径信息以及所述预测路径信息的置信度；根据所述置信度训练所述目标电力故障检测模型。
[0091]
其中，真实路径信息包括多条真实子路径信息；预测路径信息包括多条预测子路径信息，任意一条所述真实子路径信息对应多条预测子路径信息；可选的，目标电力故障检测模型模块还用于：根据所述训练头实体信息确定多条预测子路径信息；确定所述多条预测子路径信息对应的置信度；根据所述多条预测子路径信息对应的置信度确定目标置信度；根据所述目标置信度确定目标预测子路径信息；将所述目标预测子路径信息中的尾实体信息作为训练头实体信息，继续确定多条预测子路径信息，直到所述目标预测子路径信息中的尾实体信息为所述训练尾实体信息。
[0092]
可选的，目标电力故障检测模型模块还用于：对于任意预测子路径信息的置信度，比对所述真实子路径信息与所述预测子路径信息，获得比对结果；根据比对结果确定第一置信度；根据所述真实子路径信息与所述预测子路径信息的相似度确定第二置信度；根据所述第一置信度和所述第二置信度确定综合置信度。
[0093]
可选的，目标电力故障检测模型模块还用于：若所述比对结果为所述真实子路径信息与所述预测子路径信息相同，则确定所述第一置信度为1；若所述比对结果为所述真实子路径信息与所述预测子路径信息不相同，确定所述第一置信度置为0或-1。
[0094]
可选的，目标电力故障检测模型模块还用于：确定所述真实路径信息第一步长；根据所述预测子路径信息确定第二步长；若所述第二步长小于或等于第一步长，所述预测子路径信息中的尾实体与对应的真实子路径信息尾实体相同，且所述预测子路径信息中的关系与对应的真实子路径信息的关系相同，则确定所述第一置信度为1。
[0095]
可选的，目标电力故障检测模型模块还用于：若所述第二步长小于或等于第一步长，所述预测子路径信息中的尾实体与对应的真实子路径信息尾实体相同，且所述预测子路径信息中的关系与对应的真实子路径信息的关系不相同，则确定所述第一置信度置为0；若所述第二步长小于或等于第一步长，所述预测子路径信息中的尾实体与对应的真实子路径信息尾实体不相同，且所述预测子路径信息中的关系与对应的真实子路径信息的关系不相同，则确定所述第一置信度为-1。
[0096]
可选的，目标电力故障检测模型模块还用于：将所述预测子路径信息确定第一曼哈顿距离；将所述真实子路径信息确定第二曼哈顿距离；将所述第一曼哈顿距离和所述第二曼哈顿距离的相似度确定为第二置信度。
[0097]
本公开实施例所提供的电力故障检测装置可执行本公开任意实施例所提供的电力故障检测方法，具备执行方法相应的功能模块和有益效果。
[0098]
值得注意的是，上述装置所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本公开实施例的保护范围。
[0099]
图6为本公开实施例所提供的一种电子设备的结构示意图。下面参考图6，其示出了适于用来实现本公开实施例的电子设备(例如图6中的终端设备或服务器)500的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、pda(个人数字助理)、pad(平板电脑)、pmp(便携式多媒体播放器)、车载终端(例如
车载导航终端)等等的移动终端以及诸如数字tv、台式计算机等等的固定终端。图6示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
[0100]
如图6所示，电子设备500可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(rom)602中的程序或者从存储装置608加载到随机访问存储器(ram)603中的程序而执行各种适当的动作和处理。在ram 603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、rom 602以及ram 603通过总线604彼此相连。编辑/输出(i/o)接口605也连接至总线604。
[0101]
通常，以下装置可以连接至i/o接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(lcd)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
[0102]
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从rom 602被安装。在该计算机程序被处理装置601执行时，执行本公开实施例的方法中限定的上述功能。
[0103]
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
[0104]
本公开实施例提供的电子设备与上述实施例提供的电力故障检测方法属于同一发明构思，未在本实施例中详尽描述的技术细节可参见上述实施例，并且本实施例与上述实施例具有相同的有益效果。
[0105]
本公开实施例提供了一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述实施例所提供的电力故障检测方法。
[0106]
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的
程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf(射频)等等，或者上述的任意合适的组合。
[0107]
在一些实施方式中，客户端、服务器可以利用诸如http(hypertext transfer protocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“lan”)，广域网(“wan”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
[0108]
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
[0109]
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取电力故障实体信息；其中，所述电力故障实体信息包括电力故障器件、所述电力故障器件的部件、所述部件的故障类型以及故障处理策略中的任意两项；将所述电力故障实体信息输入至目标电力故障检测模型中，输出所述电力故障实体信息对应的目标故障路径以及目标故障路径的置信度；根据所述目标故障路径进行电力故障检测。
[0110]
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如java、smalltalk、c ，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
[0111]
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0112]
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。
[0113]
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、片上系统(soc)、复杂可编程逻辑设备(cpld)等等。
[0114]
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
[0115]
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
[0116]
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
[0117]
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。