本发明涉及电力系统调度领域，尤其涉及一种基于电力网络拓扑结合自然语言处理的调度监督方法。
背景技术：
1、在电力系统的许可、委托调度模式下，任务的具体执行步骤由调度对象负责。然而，由于调度对象在执行过程中不向上级调度机构实时汇报进度，只有在任务全部完成后才汇报结果，这导致上级调度机构无法及时把控执行过程及质量。这样的操作方式存在较大的盲点，特别是在任务理解和执行进度存在偏差的情况下，可能会对电力系统的安全和稳定运行造成严重影响。现有技术中，通过网络拓扑的许可、委托操作模型仿真技术，可以对电力系统的操作过程进行模拟和分析。然而，这些技术在实际应用中，主要依赖人工监督和事后分析，缺乏实时性和智能化，难以满足现代电力系统高效、安全的管理需求。因此亟需建立一种有效的监督方法，以监控和规范调度对象的操作过程，确保电力系统的安全可靠运行。中国专利cn113506576a，公开了一种基于操作票与调度语音的电力调度实时监督方法，该方法通过区块链技术确保信息的透明和不可篡改，集成并实时展示操作任务、操作票、调度人员信息和语音识别结果，显著提高了调度过程的规范性和安全性，帮助调度员及时发现和处理操作票填写不规范、冒名顶替、指令错误等问题，然而，系统的实现复杂性和成本较高，依赖于区块链和语音识别技术的准确性，可能受到噪声和数据质量的影响，且该方法仍然无法解决调度对象在执行过程中不向上级调度机构实时汇报进度的问题，对具体操作步骤缺乏实时监控。中国专cn116127946a公开了一种基于智能语音识别的电力调度安全监督方法及系统，该方法能够自动识别调度联系中的不规范行为，提供直观清晰的监督，保障电力安全生产运行。然而，该方法仍存在不足之处，包括对语音识别模型的准确性依赖较大，可能受到背景噪音和录音质量的影响，且在识别复杂或特殊口音时可能存在误判。此外，该方法仍无法解决调度对象在执行过程中不向上级实时汇报进度的问题，对实际操作步骤缺乏实时监控，无法及时发现和纠正任务理解和执行偏差，影响电力系统的安全和稳定运行。
2、在电力调度中存在着对关键节点和连接识别不准确、操作权限管理不严格、调度指令理解和执行效率低、系统缺乏实时监控能力等问题。
技术实现思路
1、发明目的：本发明的目的是提供一种基于电力网络拓扑结合自然语言处理的调度监督方法。
2、技术方案：本发明包括如下步骤：
3、(1)获取电力网络拓扑中的数据，包括scada系统中的数据以及pmu设备中的数据；
4、(2)基于机器学习的电力网络拓扑辨识；
5、(3)自然语言处理模块，包括电网网络结构解析，匹配权限范围以及用户侧操作指令解析；
6、(4)调度实时监控与报警，自动生成检测报告。
7、进一步地，所述步骤(2)包括电力网络数据预处理；数据特征值提取；特征数据动态模拟以及拓扑生成器与模型训练。
8、进一步地，所述电力网络数据预处理包括：
9、收集和处理电力网络的时间序列数据，包含节点状态和邻居节点信息，使用标准化方法将数据进行归一化处理，确保数据的均匀分布，基于采集的数据构建电力网络的邻接矩阵，表示节点间的连接关系，邻接矩阵a是一个n×n的矩阵，其中aij表示节点i与节点j之间的连接关系，如果节点i和节点j之间有连接，则aij＝1；如果没有连接，则aij＝0，其矩阵表达如下所示：
10、
11、进一步地，所述数据特征值提取包括：
12、利用图卷积神经网络从原始电力网络数据中提取节点特征，gcn的卷积操作可以表示为：
13、
14、其中，是加入自环后的邻接矩阵，是的度矩阵，h(l)是第1层的节点特征矩阵，w(l)是第l层的权重矩阵，σ是激活函数。通过这一过程，可以有效地提取和学习电力网络中各个节点的特征。
15、进一步地，所述特征数据动态模拟包括：
16、将从特征提取阶段得到的节点特征输入多层感知机，模拟节点间的信息传递和聚合，多层感知机的公式为：
17、f(x)＝σ(wx+b)
18、其中，x是输入特征向量，w和b分别是权重矩阵和偏置向量，σ是激活函数。
19、进一步地，所述拓扑生成器与模型训练包括：
20、使用参数矩阵表示电力网络的拓扑生成器，采用gumbel soffmax采样方法生成网络拓扑，以便梯度可以传回拓扑生成器参数矩阵，gumbel softmax采样公式为：
21、
22、其中，π是类别概率，g是gumbel噪声，τ是温度参数；
23、将节点的平衡状态作为输入，使用全局转换函数和全局输出函数完成分类或回归任务，训练目标设定为二次损失函数，并基于随机梯度下降策略进行优化：
24、
25、其中，yi是实际值，是预测值，n是样本数量。
26、进一步地，所述步骤(3)自然语言处理模块包括电网网络结构解析、匹配权限范围，以及用户侧操作指令解析。
27、进一步地，所述电网网络结构解析包括：
28、构建图模型与初始化节点权重：从图数据库中提取出电力网络拓扑图数据，构建图模型，其中节点代表电力网络中的关键设备，边代表节点之间的直接连接，给图中的每个节点赋予一个初始的权重值，通常设为相同的初始值。
29、迭代计算节点权重：通过textrank算法中的迭代公式更新每个节点的权重，直到收敛，不断调整节点权重，直至所有节点权重的变化小于设定的收敛阈值，具体公式如下：
30、
31、其中，w(vi)表示节点vi的权重，d是阻尼系数，in(vi)表示指向节点vi的节点集合，out(vj)表示从节点vj指向其他节点的数量。
32、确定收敛条：设定迭代的收敛条件，当所有节点的权重变化小于预定的阈值停止迭代过程，其停止迭代条件如下：
33、w(vi-1)-w(vi)≤10-6
34、通过连续两次迭代中每个节点权重的绝对差值是否低于设定阈值，来判断迭代是否收敛。
35、排序并提取关键节点和连接：根据迭代计算得到的节点权重，对所有节点进行排序，权重越高的节点表示在电力网络中越重要，提取权重最高的前n个节点作为关键节点，对于每条边，计算其重要性，公式如下：
36、e(vi，vj)＝w(vi)+w(vj)
37、其中，e(vi，vj)表示边的权重，w(vi)和w(vj)分别是连接节点vi和vj的权重。
38、权限规则分析与划分：对权重较高的节点和连接设置更严格的权限控制，仅允许高级别用户操作，根据权限规则和解析结果，生成具体的权限配置文件或数据库记录，并将其集成到电力网络管理系统中，接收到用户操作指令时，系统首先检查用户的角色和权限配置，若指令超出权限范围，则拒绝执行并记录日志。
39、进一步地，所述用户侧操作指令包括：
40、提取电力调度操作文本特征：采用动态时间归整算法，将电力调度文本处理时间轴调整一致，以解决不同人员处理同一文本时时间长短不一致的问题。设电力调度文本输入的两个时间序列分别为j和k，两个文本的时间轴长度为j和k，规整的路径有m个，时间规整的取值范围为max(j，k)≤m≤j+k，设文本的时间坐标为x，强度坐标为y，动态规整路径为ra，最佳的规整路径r(x，y)为：
41、
42、通过时间规整后，获得电力调度文本中的特征信息；
43、文本特征信息预处理：利用自然语言处理对文本特征信息进行降维处理来降低高维文本空间的识别难度，设电力调度时间规整后的文本数据维度为na个，样本数量为ma个，时间规整后的文本序列为la，降维后的数据lma×na表示为：
44、lma×na＝cov(lama，lana)
45、提取文本词袋信息：文本词袋模型用于将电力调度的专用词语集合起来，形成专用文本词袋，并将后续的电力调度文本与这些专用词袋进行关联分析，将电力调度文本样本划分为s个簇，每个簇的中心为o，向量值为u，电力调度文本词袋质心pt计算公式为：
46、
47、通过计算电力调度文本词袋质心，确定文本的词袋所属特性，为后续的文本关联分析提供依据；
48、上下文语义关联分析：采用多标签分类算法进行上下文语义关联分析，设上下文关联的边界为vd，新增加的上下文关联标签为η，电力调度文本数据为hc，上下文语义关联特征集wh表示为：
49、wh＝{(vd)(hcs)∈η}
50、通过上下文本进行关联分析，提高文本识别的准确率，确保对文本内容的正确理解，提高电力调度文本处理的可靠性和精确性；
51、获取调度文本信息：通过解析和关联分析，系统理解文本的含义并提取关键信息；随后，将电力调度文本转换为结构化的文本信息，供电力调度模型或相关人员分析和决策。
52、有益效果：本发明与现有技术相比，具有如下显著优点：基于图卷积神经网络和基于textrank算法的自然语言处理技术的应用，实现了对电力网络的实时监测，规划电力网络拓扑结构各节点的权限，优化了调度权限管理，降低了用户侧操作文本的识别难度，提高了文本处理的效率和准确性，确保系统在接收到用户操作指令时能够实时验证指令是否在用户的权限范围内；通过自动化的文本解析和权限匹配，减少了人工干预，提高了调度指令的处理速度和执行效率，确保电力系统的高效运行，整体提升了电力调度的安全性和稳定性。
1.一种基于电力网络拓扑结合自然语言处理的调度监督方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于电力网络拓扑结合自然语言处理的调度监督方法，其特征在于，所述步骤(2)包括电力网络数据预处理；数据特征值提取；特征数据动态模拟以及拓扑生成器与模型训练。
3.根据权利要求2所述的基于电力网络拓扑结合自然语言处理的调度监督方法，其特征在于，所述电力网络数据预处理包括：
4.根据权利要求2所述的基于电力网络拓扑结合自然语言处理的调度监督方法，其特征在于，所述数据特征值提取包括：
5.根据权利要求2所述的基于电力网络拓扑结合自然语言处理的调度监督方法，其特征在于，所述特征数据动态模拟包括：
6.根据权利要求2所述的基于电力网络拓扑结合自然语言处理的调度监督方法，其特征在于，所述拓扑生成器与模型训练包括：
7.根据权利要求1所述的基于电力网络拓扑结合自然语言处理的调度监督方法，其特征在于，所述步骤(3)自然语言处理模块包括电网网络结构解析、匹配权限范围，以及用户侧操作指令解析。
8.根据权利要求7所述的基于电力网络拓扑结合自然语言处理的调度监督方法，其特征在于，所述电网网络结构解析包括：
9.根据权利要求7所述的基于电力网络拓扑结合自然语言处理的调度监督方法，其特征在于，所述用户侧操作指令包括：
