基于知识图谱的电力安全知识智能问答系统设计与实现
罗艾珂1 纪伟2 喻召杰2

1广东电网有限责任公司东莞供电局，广东东莞，523129；

2南网数字运营软件科技（广东）有限公司，广东深圳，518000；

摘要：电力安全生产知识呈现碎片化、多源异构的特点，传统依赖人工检索与经验判断的知识获取方式存在效率低、易遗漏关键信息等问题，难以满足电力行业对安全知识精准化、实时化的需求。为此，本文设计并实现了一种基于知识图谱的电力安全知识智能问答系统，旨在解决电力安全知识分散管理与低效检索的行业痛点。系统采用分层架构设计，包括知识图谱构建层、自然语言理解层与应用服务层，通过结构化知识存储为问答提供底层支撑，结合优化算法实现用户问句意图识别与知识映射，并基于语义关联生成精准答案。系统通过可视化界面提升交互体验，为电力从业人员提供高效、智能的安全知识服务工具，显著降低安全规程学习门槛，为电力行业数智化安监转型提供技术支撑。

关键词：电力安全生产；知识图谱；智能问答系统；数智化安监

参考文献

[1]张金营,王哲峰,谢华,等.基于知识图谱与大语言模型的电力行业知识检索分析系统研发与应用[J].中国电力,2024,57(12):198-205.

[2]张泽镔,王飞,张安岭,等.知识图谱在电力故障诊断领域的研究与应用综述[J].工业控制计算机,2023,36(10):150-152.

[3]刘沿娟,张栋栋,于海亮,等.基于知识图谱的电力标准智能问答系统研究[J].电工技术,2024,(16):143-146.

[4]阎光伟,张云馨,符哲源,等.基于改进集合预测网络的输变电设备故障知识图谱构建方法[J/OL].电工技术学报,1-13[2025-05-25].

[5]MA G, HUANG J, ZHOU N, et al. Construction and application of SCADA system knowledge graph based on multi-source data fusion[C]//2024 IEEE PES 16th Asia-Pacific Power and Energy Engineering Conference (APPEEC). IEEE, 2024: 1-5.

[6]闫悦,郭晓然,王铁君,等.问答系统研究综述[J].计算机系统应用,2023,32(08):1-18.

[7]陈明,刘蓉,熊回香.基于医疗知识图谱的智能问答系统研究[J].情报科学,2023,41(12):118-126.

[8]黄佳佳,周立云,徐超.基于大模型的审计知识智能问答系统构建研究[J].会计之友,2025,(09):24-30.

[9]AGARWAL A, GITE R, LADDHA S, et al. Knowledge graph-deep learning: A case study in question answering in aviation safety domain[J]. arxiv preprint arxiv:2205.15952, 2022.

[10]梁宏涛,郭超男,刘红菊,等.电力领域命名实体识别研究综述[J].计算机与数字工程,2024,52(07):2115-2122.

[11]WANG J, WANG X, MA C, et al. A survey on the development status and application prospects of knowledge graph in smart grids[J]. IET Generation, Transmission & Distribution, 2021, 15(3): 383-407.

[12]SHARMA R K, JOSHI M. An analytical study and review of open source chatbot framework, rasa[J]. Int. J. Eng. Res, 2020, 9(06): 1011-1014.

[13]LI C, GUO R, ZHOU J, et al. Pp-structurev2: A stronger document analysis system[J]. arxiv preprint arxiv:2210.05391, 2022.

[14]韦莉,赵德春,秦璐,等.融合医疗实体标签语义的医疗文本分类模型[J].生物医学工程学杂志,2025,42(02):326-333.

[15]DEVLIN J, CHANG M W, LEE K, et al. Bert: Pre-training of deep bidirectional transformers for language understanding[J]. arXiv preprint arXiv:1810.04805, 2018.

[16]JI Z X, WANG X H, CAI C Y, et al. Research on power entity recognition technology based on bidirectional long short-term memory network and conditional random field[J]. Global Energy Interconnection (English Edition), 2020, 3 (2): 186-192.

[17]张大波, 郭怀新, 储著伟, 等. 基于多分类BiLSTM-CRF的电网启动方案结构化数据转换模型研究[J]. 电力信息与通信技术, 2023, 21(1):54-61.

[18]张国梁,朱桐,陈文亮.面向无触发词文本的因果关系事件对联合抽取模型[J].中文信息学报,2024,38(05):76-87.

[19]张佳豪,黄勃,王晨明,等.一种融合文本与知识图谱的问答系统模型[J].重庆大学学报,2024,47(08):55-64.

[20]金岩磊,郗发刚,高少华,等.基于达梦数据库的水电厂智能数据存储策略[J].中国农村水利水电,2023,(01):181-184.

[21]彭璐祎,易雄胜.电力系统典型场景下大数据平台架构的设计与应用[J].水电站设计,2024,40(04):42-46.

[22]LIU R, FU R, XU K, et al. A review of knowledge graph-based reasoning technology in the operation of power systems[J]. Applied Sciences, 2023, 13(7): 4357.

[23]屠鹏,车松阳,朱姣,等.基于文本挖掘的电力安全事故致因网络研究[J].安全,2025,46(03):58-64.

[24]陈鹏,邰彬,石英,等.基于知识图谱的电力设备缺陷问答系统研究[J].广西师范大学学报(自然科学版),2024,42(06):149-163.

[25]冯国峰,闫贺,王百泉,等.基于Flask技术的隧道检测装备知识图谱智能问答系统设计与实现[J].科学技术创新,2025,(12):92-95.

[26]时振普,吕潇,董彦如,等.医学领域多模态知识图谱融合技术发展现状研究[J/OL].计算机科学与探索,1-17[2025-05-24].

[27]张金营,王天堃,么长英,等.基于大语言模型的电力知识库智能问答系统构建与评价[J].计算机科学,2024,51(12):286-292.

[28]任海玉,刘建平,王健,等.基于大语言模型的智能问答系统研究综述[J].计算机工程与应用,2025,61(07):1-24.

[29]苟晓茹.基于多模态的AI语音识别及人机交互系统研究[J].自动化与仪器仪表,2024,(12):159-162+167.

[30]WANG C, WU Y, CHEN S, et al. Self-supervised learning for speech recognition with intermediate layer supervision[J]. arxiv preprint arxiv:2112.08778, 2021.

[31]刘伟,薛航,张晗.面向中文医学命名实体识别的判别式与生成式语言模型比较研究[J].图书情报工作,2025,69(05):107-116.

[32]龙欣,赵容梅,孙界平,等.面向多跳问答的多视图语义推理网络[J].工程科学与技术,2023,55(02):285-297.

[33]李俊燕,韩昕熠,赵敏.基于多模态知识库的遥感智能问答系统研究[J].测绘技术装备,2025,27(01):39-44.

[34]ZAINA L A M, FORTES R P M, CASADEI V, et al. Preventing accessibility barriers: Guidelines for using user interface design patterns in mobile applications[J]. Journal of Systems and Software, 2022, 186: 111213.

[35]张逸涵,洪赓,杨哲慜.基于多模态融合的移动应用细粒度用户意图理解[J].计算机系统应用,2024,33(11):209-223.

[36]冯国峰,王百泉,闫贺.基于知识图谱的隧道病害治理知识库问答系统研究[J/OL].隧道建设(中英文),1-11[2025-05-24].