暂无图片
暂无图片
暂无图片
暂无图片
暂无图片

图谱动态|学苑周刊 NO.106

图谱学苑 2022-08-09
395

本期将分享近期全球知识图谱相关

行业动态、会议讲座、论文推荐

—--| 行业动态 |--—
国网新疆电科院开展知识图谱在变压器故障诊断中的应用示范

近日,由国网新疆电力有限公司电力科学研究院与云知声智能科技股份有限公司联合打造的基于知识图谱的电力变压器故障诊断与处理解决方案,辅助一线班组人员更高效地进行设备故障诊断与处理工作,进一步实现知识图谱技术在电力行业的深层次应用,为行业赋能。

什么是基于知识图谱的电力变压器故障诊断与处理解决方案

顾名思义,基于知识图谱的电力变压器故障诊断与处理解决方案,就是为了解决当前电力变压器故障诊断与处理过程中存在的问题,以知识图谱为其核心技术,打造而成的一套从诊断到处理全流程的解决方案。该套方案可辅助人工进行电力变压器故障的逐步诊断,最终定位到具体原因,并提供建议性措施。由此提高人工诊断的效率,降低人工成本,实现提质增效。

为什么要打造电力变压器故障诊断与处理解决方案

变压器是电力企业中的重要设备,在电网中处于极为重要的地位,是保证电网安全、可靠、经济运行和人们生产生活用电的关键设备。由于变压器长期处于连续运行状态,变压器故障不可避免。进行变压器早期诊断,对保证变压器安全运行,防止变压器故障具有重要作用。

但在当前的人工诊断方式下,也存在着以下几大问题:

一是电力变压器结构复杂,其发生故障的形式和原因错综复杂,电力变压器的故障诊断和处理所需要的经验和知识体量比较庞大,检修班组新员工不容易成体系地全面掌握;

二是设备检修技术知识分散在各种技术导则、规程规范和操作指南中,因此无法以整体统一的方式高效支撑变压器故障诊断和处理工作;

三是检修班组在一线工作中积累了大量的变压器故障诊断检修的工作经验和数据,这些宝贵的实践经验记录,本身就是蕴含一线诊断实践知识的巨大宝藏,目前这些知识没有能够被充分的挖掘、沉淀和利用。

因此,需要引入知识图谱技术,辅助人工进行电力变压器的故障诊断与处理工作。

如何有效应用电力变压器故障诊断与处理解决方案

为了能够有效解决电力变压器故障诊断与处理过程中存在的问题,云知声与国网新疆电科院联合进行以下工作:

一是收集变压器故障相关的检修导则、规则、细则和故障检修案例等数据,并进行进一步的清洗与加工,校对数据高可用性。

二是以处理过的变压器检修导则、规则、细则和故障检修案例等数据为基础,抽取数据中的故障诊断相关业务知识与实体、关系及属性,构建故障诊断概念图谱与实体图谱,为变压器故障诊断提供基础认知底座。

三是梳理故障诊断知识点,将变压器故障诊断规则知识进行语义表示,建立诊断规则知识库以提供知识管理和服务功能。

四是应用相关技术,实现逐步引导式的故障诊断认知推理流程,引导一线班组人员逐步定位故障原因,并从知识库中调取相应故障的建议措施,辅助一线班组人员更快更好地处理问题。

解决方案能带来什么效益

基于知识图谱的电力变压器故障诊断与处理解决方案,能够辅助变压器故障的快速诊断并提供相应处理措施,提高一线班组进行故障诊断和处理的准确率,实现基层班组减负;通过知识和数据驱动的运检业务创新发展模式,提高设备状态管控力和运检管理穿透力;通过对知识不断的挖掘、梳理、加工和应用,可形成故障诊断和处理知识的显性积累,为未来进一步智能化应用形成知识积累沉淀。

https://t.hk.uy/bhUS

电力知识图谱领域国际标准正式通过编审

近日,由国家电网、联想集团、浙能集团、四川大学、中国电子标准研究院等单位共同编制的电力知识图谱领域首个国际标准——IEEE电力知识图谱(P2807.3)标准《Guide for Electric-Power-Oriented Knowledge Graph》(《电力知识图谱应用指南》)以正式通过编审。

http://mtw.so/64pHo1

林草领域知识图谱应用系统正式运行

日前,由中国林科院科信所林草大数据与知识服务团队研发的“林草领域知识图谱应用系统”正式运行。该系统实现了林草领域知识资源协同建设与共享,可为用户提供基于语义关联的知识发现服务。

该系统历经3年多研发,覆盖了从数据采集、图谱自动构建及动态更新、可视化关联分析、智能问答、语义检索等知识图谱技术链。开展了林草专家、机构、造林树种、国家林木良种名录、授权植物新品种等知识的收集、数据抽取、精细化加工和标注,构建了林草领域知识本体库。

目前,该系统已收录林草领域实体数据53753个,具备知识关联、智能搜索与可视化分析等功能。

http://mtw.so/64pHTN


—--| 会议讲座 |--—

ICBDR 2022

ICBDR 20222将于2022年8月10日至12日在中国哈尔滨举行。

大数据研究现在已经确立为非常多样化和多学科的研究领域,其目标是处理大量和异构的数据集,并且这些数据集太大而无法通过传统建模和大多数当前计算方法进行操作。显然,大数据挑战应该需要新的方法和成功的故事,这有利于交流,交叉施肥,最终的进步以及未来的研究方向。

详情请访问

http://icbdr.org/

BDIOT 2022

物联网是近十年来最具创新性的发展之一,它成功地融合了技术和数据以开发更具建设性的战略。在过去的十年中,随着传感器和智能设备的激增,物联网与大数据之间的关系已达到一个阶段,由于物联网设备从其传感器收集大量的结构化和非结构化数据,因此实时处理和描绘它们将面临挑战, 在这里,大数据的作用变得很明显。 

由重庆工商大学和澳门大学联合主办的第六届大数据与物联网国际会议(BDIOT 2022), 将于2022年8月12-14日在中国重庆召开。本届会议关注大数据和物联网的新理论及其应用,为相关领域的技术及相关研究领域的专家、学者交流最新研究成果、探讨学术发展方向提供一个广泛的交流平台。

详情请访问

http://www.bdiot.org/

—--| 论文推荐 |--—
TACO

本周推荐的是发表于VLDB 2022的工作:Towards Event Prediction in Temporal Graphs,提出了一种用于事件预测的时间关联规则TACO,并进行了大量的理论分析、算法设计和实验研究,作者是来自爱丁堡大学的樊文飞教授等人。

事件预测旨在推测与特定主题相关并将在特定时间发生的真实事件,在灾难预防、商业智能、乃至电商推荐等领域都用广泛应用。规则是一种有效且可解释程度高的方法,但是现有的在图上广泛研究的规则,如GFD、GAR、horn规则等,都只考虑了静态图而没有表达时间变化。

这篇工作提出了一种时间关联规则TACO,在机器学习模型的基础上引入时间约束,并且用逻辑为模型赋予更多语义。文章对TACO规则的三个推理问题:可满足性、蕴含和事件预测进行了理论上的复杂度分析,并且开发了一个TASTE系统,集成了规则发现和事件预测模块,整体框架如下图所示。对这个系统中的规则发现和事件预测两个关键问题,分别设计了结合LSTM语言模型和GAN对抗网络的生成算法及并行可扩展的预测算法。在文章的最后,还利用真实和合成数据集进行了大量实验验证,在预测准确率和执行效率上都有大幅提升。




更多链接


图数据库入门系列 | AI4DB入门与思考-北京大学杨磊博士
新版gStore官网、图谱门户齐上线!
华为天才少年|王选所毕业生杨磊
图数据库入门系列 | 图流研究入门-北京大学苟向阳博士
北京大学王选计算所数据管理研究室招聘启事
【数据发布】CCKS2022评测任务 “开放知识图谱问答” 数据已上线!
【报名开启】CCKS2022技术评测任务十五“基于图数据库的自定义图分析算法评测”
北京大学 gBuilder 平台完美适配 openGauss,共促知识图谱生态繁荣与产品创新
自主可控图数据库gStore新版0.9.1发布
公开课程 | 图数据管理与挖掘 最终讲-第九讲:面向知识图谱的自然语言问答
未来是属于大图的:图处理系统的社区观点
图说《人民的名义》
导师访谈 | 邹磊:对数据科学以及本科生科研的思考
北京大学重庆大数据研究院招聘 图数据库与知识图谱系统研发和工程人员(含新增职位)

内容:代雪佩、肖欣、袁玮鸿、薛冰聪、王图图

编辑:王图图

排版:王图图




诚邀您加入我们的gStore社区,我们将在群内解决使用问题,分享最新成果~


请在微信公众号图谱学苑发送“社区”入群~或扫码入群



免责声明本文全部内容均来源于网络开放信息整理,如有侵权,请联系删除

最后修改时间:2022-08-09 09:49:48
文章转载自图谱学苑,如果涉嫌侵权,请发送邮件至:contact@modb.pro进行举报,并提供相关证据,一经查实,墨天轮将立刻删除相关内容。

评论