国产精品自拍合集,日韩av观看网址V,日日噜噜噜噜夜夜爽亚洲精品

面向电网应急保供的氢能知识图谱构建与优化方法

电子技术应用

郭子轩1，姚杰2，刘畅1，李永军1，夏志军2，章立2，漆夏彬1

1.中国电力科学研究院有限公司；2.国网江苏省电力有限公司常州供电分公司

摘要： 针对电网应急保供过程中信息分散、状态异构、知识缺失与决策耦合等问题，提出一种面向电网应急保供的氢能知识图谱与协同决策一体化方法。以“氢能为手段、电网保供为目标”为主线，构建氢能侧、电网侧、调度侧三域耦合知识表示框架。在知识抽取层，采用基于LoRA微调大语言模型的问答式联合抽取机制，实现跨句实体关系识别与场景语义增强；在知识补全层，提出融合R-GCN与符号规则推理的混合补全策略；在状态感知层，融合时序传感器流、设备图纸与运行数据，构建可动态更新的多模态知识图谱；在演化层，引入基于熵的不确定度主动学习机制实现知识持续迭代。实验表明，所提方法将NER F1提升至92.0%，RE F1提升至88.9%，跨句RE F1达65.4%，知识补全Hits@10达58.2%，并在关键负荷恢复率、恢复时长及决策时延等指标上优于多种对比方法。论文为氢能参与电网韧性提升与应急供电调度提供了一条兼具知识表达、推理与协同决策能力的技术路径。

關(guān)鍵詞： 电网应急保供氢能知识图谱大语言模型多模态融合主动学习

中圖分類號：TP181；R319 文獻(xiàn)標(biāo)志碼：A DOI: 10.16157/j.issn.0258-7998.268184
中文引用格式： 郭子軒，姚杰，劉暢，等. 面向電網(wǎng)應(yīng)急保供的氫能知識圖譜構(gòu)建與優(yōu)化方法[J]. 電子技術(shù)應(yīng)用，2026，52(6)：21-27.
英文引用格式： Guo Zixuan，Yao Jie，Liu Chang，et al. Knowledge graph construction and optimization for hydrogen-enabled power grid emergency supply assurance[J]. Application of Electronic Technique，2026，52(6)：21-27.

Knowledge graph construction and optimization for hydrogen-enabled power grid emergency supply assurance

Guo Zixuan1，Yao Jie2，Liu Chang1，Li Yongjun1，Xia Zhijun2，Zhang Li2，Qi Xiabin1

1.China Electric Power Research Institute；2.Changzhou Power Supply Branch of State Grid Jiangsu Electric Power Company

Abstract： In response to challenges in power-grid emergency supply assurance such as dispersed information, heterogeneous states, missing knowledge, and tightly coupled decision-making, this paper proposes an integrated hydrogen knowledge graph and collaborative decision-making framework for grid emergency supply assurance. Centered on the main line of “using hydrogen as the means and grid supply assurance as the objective”, the framework constructs a three-domain coupled knowledge representation architecture covering the hydrogen side, the grid side, and the dispatch side. At the knowledge completion layer, a hybrid completion strategy is developed by integrating R-GCN with symbolic rule reasoning. At the state perception layer, time-series sensor streams, equipment drawings, and operational data are fused to build a dynamically updatable multimodal knowledge graph. At the evolution layer, an entropy-based uncertainty active learning mechanism is introduced to support continuous knowledge iteration. Experimental results show that the proposed method improves NER F1 to 92.0%, RE F1 to 88.9%, and cross-sentence RE F1 to 65.4%, while achieving 58.2% Hits@10 in knowledge completion. It also outperforms multiple baseline methods in critical-load restoration rate, restoration time, and decision latency. The proposed framework provides a technical pathway that jointly supports knowledge representation, reasoning, and collaborative decision-making for hydrogen-enabled grid resilience enhancement and emergency power supply dispatch.

Key words : power grid emergency supply assurance；hydrogen knowledge graph；large language model；multimodal fusion；active learning；multi-agent collaborative dispatch

引言

隨著新型電力系統(tǒng)建設(shè)的深入推進(jìn)，高比例新能源接入、高波動負(fù)荷涌現(xiàn)與多類分布式資源深度耦合，使電網(wǎng)運行環(huán)境日趨復(fù)雜。極端天氣、設(shè)備故障、局部網(wǎng)絡(luò)攻擊等擾動事件可能引發(fā)區(qū)域性供電能力下降，威脅關(guān)鍵負(fù)荷的連續(xù)供電。本文所指的電網(wǎng)應(yīng)急保供，是指電網(wǎng)在遭受極端天氣、設(shè)備故障、局部網(wǎng)絡(luò)攻擊等擾動事件后，在信息分散、知識缺失、決策耦合的條件下，通過協(xié)調(diào)氫能、儲能等資源，優(yōu)先保障關(guān)鍵負(fù)荷（如醫(yī)院、通信基站、數(shù)據(jù)中心、重要用戶）連續(xù)供電的能力。與常規(guī)電網(wǎng)運行不同，應(yīng)急保供強(qiáng)調(diào)韌性，要求在短時間內(nèi)完成快速恢復(fù)。在此背景下，提升電網(wǎng)在擾動條件下的快速恢復(fù)能力與韌性支撐能力，已成為電力系統(tǒng)研究的重要方向。

氫能系統(tǒng)兼具清潔低碳、長時供能、靈活部署與多場景適應(yīng)等優(yōu)勢，正成為支撐電網(wǎng)應(yīng)急保供的重要備選資源。在偏遠(yuǎn)區(qū)域、數(shù)據(jù)中心、通信基站和重要民生設(shè)施等場景中，氫燃料電池可與儲能、可再生能源協(xié)同，為局部電網(wǎng)提供應(yīng)急電力支撐。然而，氫能參與電網(wǎng)應(yīng)急保供涉及制氫、儲氫、輸氫、發(fā)電、并網(wǎng)全鏈條，以及負(fù)荷優(yōu)先級、故障傳播與安全約束等跨域耦合問題，相關(guān)知識分散在技術(shù)標(biāo)準(zhǔn)、運行規(guī)程、調(diào)度文檔與監(jiān)測數(shù)據(jù)中，難以支撐快速、可靠且可解釋的應(yīng)急決策。

知識圖譜能夠統(tǒng)一表達(dá)實體、關(guān)系、規(guī)則與語義約束，已被廣泛應(yīng)用于工業(yè)知識管理與決策支持。但現(xiàn)有研究多聚焦于單領(lǐng)域靜態(tài)知識組織，缺乏面向電網(wǎng)應(yīng)急保供場景的跨域知識建模與動態(tài)調(diào)度能力：一方面，傳統(tǒng)抽取方法在跨句關(guān)系識別與復(fù)雜事件語義表達(dá)方面存在不足；另一方面，單純圖譜查詢難以在信息不完整和動態(tài)擾動下完成應(yīng)急供電方案優(yōu)化。因此，亟需將知識圖譜從“靜態(tài)知識組織工具”升級為“知識驅(qū)動的協(xié)同決策中樞”。

基于此，本文圍繞“氫能為手段、電網(wǎng)保供為目標(biāo)”的核心思路，提出一種面向電網(wǎng)應(yīng)急保供的氫能知識圖譜與協(xié)同決策方法，主要貢獻(xiàn)如下：

（1）三域耦合知識建?？蚣埽禾岢鰵淠?、電網(wǎng)、調(diào)度三域耦合知識建模方法，將氫能工藝知識、電網(wǎng)拓?fù)渲R、關(guān)鍵負(fù)荷知識與調(diào)度規(guī)則統(tǒng)一納入同一知識表示體系。

（2）問答式聯(lián)合抽取機(jī)制：基于LoRa微調(diào)大語言模型，實現(xiàn)跨句實體關(guān)系識別與應(yīng)急場景語義增強(qiáng)，提升復(fù)雜應(yīng)急文本的低成本信息抽取能力。

（3）混合知識補(bǔ)全方法：融合 R-GCN 表征學(xué)習(xí)與規(guī)則推理，將工藝拓?fù)?、電網(wǎng)供電路徑和應(yīng)急保供邏輯耦合建模，提高圖譜的完整性與可解釋性。

（4）多智能體協(xié)同調(diào)度機(jī)制：以氫能資源、儲能資源、關(guān)鍵負(fù)荷與電網(wǎng)節(jié)點為決策主體，構(gòu)建知識圖譜驅(qū)動的多智能體協(xié)同框架，實現(xiàn)信息不完備條件下的快速應(yīng)急供電恢復(fù)。

（5）系統(tǒng)性實驗驗證：從抽取準(zhǔn)確率、圖譜補(bǔ)全質(zhì)量、供電恢復(fù)能力、決策成本、響應(yīng)時延等多維度，結(jié)合消融實驗系統(tǒng)驗證所提方法的有效性。

本文詳細(xì)內(nèi)容請下載：

http://www.tom3567.com/resource/share/2000007099

作者信息：

郭子軒1，姚杰2，劉暢1，李永軍1，夏志軍2，章立2，漆夏彬1

（1.中國電力科學(xué)研究院有限公司，北京 100192；

2.國網(wǎng)江蘇省電力有限公司常州供電分公司，江蘇常州 213000）

原創(chuàng)聲明：此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。

相關(guān)內(nèi)容