中國的電網經過幾十年的發展，目前全國用電覆蓋率超過98%，220千伏及以上輸電線路長度超過790000千米。隨著電力系統的快速發展，電網結構和執行模式愈加複雜，對電網的故障應急處置能力要求也越來越嚴格。依賴於人工經驗的傳統排程決策機制越來越難以應對複雜大電網的快速故障分析和故障處置。
當系統發生故障後，工作人員需要快速定位故障位置和原因，及時派遣人員對故障進行檢修並做好相應的記錄。整個處置排程工作高度依賴排程人員以往的經驗，甚至需要反覆查閱大量的歷史資料，如故障處置要點，故障案例等檔案。傳統以關鍵字進行文字檢索的方法雖然能夠定位段落，但是檢索結果碎片化、缺乏組織，經常出現檢索不全、答非所問的情況，容易產生疏忽遺漏，使得故障應急處置工作的效率降低。
針對上述電網故障處理應用場景中的問題，達觀推出電力故障模式知識圖譜，藉助自然語言處理、深度學習、圖計算等智慧化技術從非結構化的故障處置文件中抽取出故障相關知識，並將這些知識組織成結構化、視覺化的表示形式。藉助知識圖譜的智慧問答檢索、故障歸因分析等功能，在電網故障發生時，幫助排程員快速分析事故原因，全面地掌握故障處理的關鍵資訊，並進行輔助決策，以提高電網的應急處置能力。
圖 視覺化圖譜模式設計
01智慧檢索及問答
傳統的故障處置資訊檢索方式透過對關鍵詞分解與匹配來完成，不能深入理解與處理問題的語義資訊。達觀電網故障知識圖譜透過構建電網系統故障模式、故障原因、故障處理措施等資訊之間全方位的關聯。藉助知識圖譜強大的語義網路，可以智慧理解使用者接近口語化的問題並返回準確的答案，搜尋問答的結果可以檢視追溯原始檔，為答案的結果提供可解釋性。基於知識圖譜的故障資訊檢索可以大大提升檢索的準確性和效率。
圖 基於圖譜的智慧問答
02故障歸因分析及統計
電網的裝置從地域上分佈十分廣泛，系統裝置組成複雜，導致電網故障的診斷處理過程複雜且專業度要求高，需要查閱大量的專業資料及歷史故障處理記錄，整個故障診斷及處置過程高度依賴專家經驗。達觀電網故障知識圖譜首創支援細顆粒度解析失效關聯的失效案例FA、失效樹FTA和FMEA，智慧理解失效現象、抽取失效要素並定位到深層故障原因，透過探索圖譜發現可能引起該現象的失效模式、該失效的改善措施、分析實驗等等。如下圖變壓器漏液故障歸因分析。
圖 變壓器漏液故障現象歸因分析
電網故障知識圖譜不僅支援故障歸因分析，也支援以圖表等形式呈現故障率趨勢、失效模式累計計數、部件故障數量等，讓使用者對故障的原因有更加直觀深刻的認識，同時為故障預判提供可靠的依據。
圖 故障原因分析統計
03智慧輔助決策
除了故障診斷，故障後的排程處置也是影響整個故障解決效率的重要環節。排程任務需要分析故障後電網的狀態、引數變化情況，全面考慮排程規程、安全規程等工作規定，結合故障預案、歷史故障記錄，然後制定相應的故障處置措施，協調各部門做出快速準確的應對措施和工作部署，整個過程依賴於排程員的工作經驗和專業知識。
電網故障知識圖譜詳細記錄了各類故障的事故特徵，當事故發生後根據事故後電網執行方式的變化情況，對知識圖譜進行檢索和推理，實現知識驅動型的輔助決策，藉助知識圖譜處理事故中的部分非關鍵環節，減少事故處理期間對排程員的干擾，使排程員能夠將精力集中於事故處理中，以便制定更加最佳化的排程決策。如制定符合規定的故障處理流程，根據歷史資料推薦有相應經驗的專家解決故障等。
此外，電網故障知識圖譜支援基於時間維度的資料更新，將每次故障診斷的結果和記錄檔案，如故障工單，工作票等檔案，透過開放的API介面在知識圖譜進行更新完善，如果出現了以往並未記錄的新故障，平臺會自動提示維護人員有新故障知識需要在圖譜中完善，並將新故障推薦給相應的工作人員，確保知識圖譜提供更為精確、全面、動態化的決策輔助支援。