买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：国网福建省电力有限公司;国网福建省电力有限公司厦门供电公司

摘要：本发明涉及一种基于双重图结构结合双监督的电网调度认知图谱生成方法，包括以下步骤：步骤S1:获取电网调度相关的数据集；步骤S2:构建出对应的知识图谱结构；步骤S3:获取节节点表示信息，动作边表示信息，人机交互指令信息；步骤S5:更新子图中的图注意力机制融合模型;步骤S6:利用图注意力机制融合模型和图表示学习机制对历史离线数据集进行表示学习，一方面融合环境中的时空因子，另一方面基于双重图结构结合双监督机制生成应用于电网调度的认知图谱。本发明可以有效提升指令推荐的准确性和合理性，提高指令动作的质量，最终使得产生的决策效果更优。

主权项：1.一种基于双重图结构结合双监督的电网调度认知图谱生成方法，其特征在于，包括以下步骤：步骤S1:获取电网调度相关的数据集；步骤S2:基于电网调度的先验知识结合电网调度相关的实体状态和相应的调度动作构建出对应的知识图谱结构；步骤S3:根据知识图谱结构以及各个电网调度相关实体状态转换的关系对节点和电网调度命令进行图表示学习，其中实体节点状态由电网数据本身特征、资源数据、环境数据和作业数据在子图中通过图注意力机制融合得到，而动作边对应与历史数据集中的指令动作集合，通过神经网络对其进行初始化；步骤S4:根据得到的节点表示和动作边表示，通过线上人机交互指令信息，对电网调度工作人员的指令票使用历史数据中的指令集表示集合进行表示学习,得到的节点表示信息，动作边表示信息，人机交互指令信息；步骤S5:基于步骤S4中得到的节点表示信息，动作边表示信息，人机交互指令信息,首先使用动作边信息和节点表示信息使用graphembedding对子图中的节点相关信息进行图注意力机制融合模型训练，然后线上使用线上人机交互指令信息和基于认知图谱推理的指导动作信息进行对抗学习，约束更新应用于子图中的图注意力机制融合模型；步骤S6:利用图注意力机制融合模型和图表示学习机制对历史离线数据集进行表示学习，一方面融合环境中的时空因子，另一方面基于双重图结构结合双监督机制生成应用于电网调度的认知图谱；所述步骤S3具体为：步骤S3-1:根据电网节点状态，定义出每个电网节点状态所对应的实体类，实体类的个数定义为n；同时定义每个状态输入的维度大小为embed_size；步骤S3-2:根据每个包含数个的时空因子节点的子图对实体类每个电网节点状态进行表示学习初始化，初始化向量的维度为embed_size；定义的一个基于图注意力机制的消息传递函数GA_f，作用为在节点状态中嵌入环境信息： 其中i和j表示相邻的两个节点的下标，k表示邻居节点的小标，第一个式子求出的是注意力机制的系数，第二个式子中是对邻居节点信息基于图注意力机制进行融合，这些子图的邻居节点表示时空因子信息，其中每个子图都共享图注意力机制卷积核参数；步骤S3-3:定义指令动作的初始化向量维度为1*embed_size；步骤S3-4:依据相关节点状态下指令动作数据集，从中获取对应的记录，该记录中包含n个实体类对应的实例记录，作为一个n元组；基于n元组，从中生成对应存在关系的状态i，指令动作r，状态j的三元组，这类三元组的个数记作k，将这k个三元组作为成熟的图表示学习算法transH的输入，共同进行损失训练，生成电网节点状态集和指令动作集对应的Embedding。

全文数据：

权利要求：

百度查询： 国网福建省电力有限公司 国网福建省电力有限公司厦门供电公司 基于双重图结构结合双监督的电网调度认知图谱生成方法