本發(fā)明屬于電力自動化與智能化，更具體地，涉及基于nfc與智能成票模型的倒閘操作生成驗證方法及系統(tǒng)。

背景技術：

1、倒閘操作作為變電專業(yè)日常重要工作之一，由于電力生產的特殊性決定倒閘操作必須嚴格執(zhí)行其技術原則及組織措施，確保人身及設備的安全。但是在實際的生產過程中，影響倒閘操作標準化、規(guī)范化的因素諸多，即使制定了保證安全的組織措施和技術措施，制定了危險點控制措施，但誤入帶電間隔、誤操作設備事故卻時有發(fā)生，嚴重威脅一線作業(yè)人員安全和設備資產安全。

2、現階段在倒閘操作環(huán)節(jié)，通過對操作票執(zhí)行預演、安全工器具管理、兩票關聯等方式加強對倒閘操作環(huán)節(jié)的作業(yè)管控，包括設備巡視、檢修管理、設備維護和檢測試驗，并取得一定的應用成效，為保障作業(yè)人員安全及電網穩(wěn)定運行奠定了扎實的基礎，但在倒閘操作執(zhí)行過程中，仍有待提升的點，包括以下幾方面：

3、1)尚未做到在運檢移動作業(yè)平臺上進行操作前驗鎖的提示確認，存在一定安全隱患，也為整體倒閘操作流程執(zhí)行埋下管控盲區(qū)，

4、2操作票通常是在預先確認設備狀態(tài)的基礎上生成的，但可能會導致無法完全反映現場的實際情況，包括現場的設備和鎖具是否完全匹配，設備的狀態(tài)或位置發(fā)生變化等，當操作人員掃描鎖具信息時，發(fā)現與操作票信息不一致時，操作就會被阻止，可能導致不必要的延遲和混亂。

5、3)在開展基層調研時，變電運維專業(yè)提出，倒閘操作票編制具有強邏輯關聯性，目前作業(yè)操作票仍采用人工制票方式效率低、操作票正確性校核手段單一、操作過程中人員頻繁往返主控室與現場確認設備狀態(tài)等問題嚴重影響現場工作質效。

6、因此，本發(fā)明提出來一種基于nfc與智能成票模型的倒閘操作生成驗證方法及系統(tǒng)。

技術實現思路

1、為解決現有技術中存在的不足，本發(fā)明提供基于nfc與智能成票模型的倒閘操作生成驗證方法及系統(tǒng)，以新一代集中監(jiān)控系統(tǒng)、變電站防誤閉鎖系統(tǒng)為基礎，充分發(fā)揮數據整合共享優(yōu)勢，通過設備知識圖譜、智能成票專家模型、狀態(tài)校核等新技術手段構建數字化倒閘操作應用，打造智能成票、防誤解鎖確認、設備狀態(tài)實時校核的倒閘操作全過程管控，提升變電站防誤操作風險安全管控能力。

2、本發(fā)明采用如下的技術方案。

3、本發(fā)明提供了一種基于nfc與智能成票模型的倒閘操作生成驗證方法，包括以下步驟：

4、s1：利用變電運檢移動作業(yè)終端reid感應模塊與鎖具對應的nfc貼片進行接觸感應，獲取nfc唯一id并驗證是否符合預設觸發(fā)條件，若滿足條件將采集到的nfc數據信息回傳至變電運檢移動作業(yè)平臺；

5、s2：在變電運檢移動作業(yè)平臺中通過建立電力設備知識圖譜構建設備臺賬與鎖具臺賬模塊，生成倒閘操作規(guī)則決策樹，利用五防系統(tǒng)提供的電氣設備與鎖具的對應關系，對設備臺賬名稱與鎖具臺賬名稱進行一一匹配；

6、s3：根據步驟s2獲得電力設備知識圖譜和倒閘操作規(guī)則決策樹結合業(yè)務數據歷史票與典型票，采用glm模型進行智能成票專家模型的操作邏輯學習完成對操作票自動生成的訓練；

7、s4：電力專業(yè)語音識別模型將電力操作人員的語音指令轉化為文本，并與步驟s3的智能成票專家模型結合，將轉化后的文本數據作為輸入自動生成符合設備類型、電壓等級和操作要求的操作票內容；

8、s5：基于步驟s1的nfc驗證成功確保現場條件正確，通過步驟s4中語音識別模塊現場錄入語音指令并自動生成實時操作票，對操作票中鎖具信息進行識別，利用操作票術語規(guī)范識別操作設備所對應的鎖具名稱；

9、s6：根據步驟s5確認倒閘操作設備對應鎖具信息，并將nfc貼片數據傳輸至變電運檢移動作業(yè)平臺，通過rfid感應返回的數據，對操作對象鎖具的正確性及順序執(zhí)行進行校核和提醒，完成操作前驗鎖環(huán)節(jié)的業(yè)務閉環(huán)，進而確認作業(yè)人員正確執(zhí)行倒閘操作內容。

10、優(yōu)選地，所述步驟s1中驗證是否符合預設觸發(fā)條件具包括：

11、判斷nfc信號是否有效，若未檢測到鎖具id、檢查nfc貼片信號的強度不滿足系統(tǒng)的設定范圍以及設備與nfc貼片之間的距離不滿足最小距離，則系統(tǒng)會顯示錯誤提示通知作業(yè)人員重新校準位置或檢查設備；

12、若nfc信號有效，則繼續(xù)利用nfc貼片唯一id判斷nfc貼片與鎖具是否匹配，確認操作設備和鎖具是否正確綁定；

13、若果設備與鎖具不匹配，系統(tǒng)將發(fā)出告警并禁止繼續(xù)操作，操作人員需要重新確認現場設備和鎖具的一致性。

14、優(yōu)選地，步驟s2包括以下步驟：

15、s2.1：從多個數據源獲取設備拓撲信息語料并對設備拓撲信息語料進行數據清洗和預處理后提取出與電力設備相關實體屬性數據和設備之間的關聯性數據；

16、s2.2：對步驟s2.1獲得的實體屬性數據和關聯性數據通過數據融合將多源數據整合為統(tǒng)一格式的電力設備知識圖譜；

17、s2.3：基于步驟s2.2的電力設備知識圖譜提取倒閘操作的邏輯和規(guī)則構建符合實際操作需求的倒閘操作規(guī)則決策樹，所述決策樹自動推導出各類設備在不同狀態(tài)下的倒閘操作步驟。

18、s2.4：將步驟s2.2的電力設備知識圖譜中記錄的實體設備屬性和狀態(tài)整理成設備臺賬，將記錄的鎖具實體屬性和狀態(tài)整理成鎖具臺賬；

19、s2.5：基于步驟s2.4將設備臺賬中的每個設備信息與鎖具臺賬中的對應鎖具進行匹配，此匹配信息將為后續(xù)操作票執(zhí)行信息與nfc獲取信息的對比提供依據，確保操作票中的設備與鎖具名稱一致。

20、優(yōu)選地，進行篩選預處理后將多遠數據融合構建成統(tǒng)一的電力設備知識圖譜包括；

21、以設備節(jié)點和設備節(jié)點之間的關系邊為電力設備知識圖譜的基礎信息；

22、每個設備節(jié)點包含該設備的屬性信息，包括設備的類型、狀態(tài)、位置和規(guī)格；

23、設備節(jié)點之間的關系邊屬性包括類型、依賴度和操作順序；

24、所述類型包括控制、連接、依賴和影響，表示設備之間的關系性質，所述依賴度是指描述設備之間的關系強度以及表示兩設備間是否存在強制執(zhí)行的操作順序，所述操作順序描述設備操作的先后關系。

25、優(yōu)選地，所述步驟s3具體包括：

26、s3.1：通過歷史操作票、典型票和常見操作記錄數據利用glm模型，采用監(jiān)督式微調算法對電力倒閘操作票領域的數據進行精調，并依據實際需求和對復雜場景采用人類反饋強化學習優(yōu)化模型；

27、s3.2：根據步驟s3.1優(yōu)化的glm模型利用電力設備知識圖譜的設備節(jié)點和對應關系邊構建智能成票專家模型，并通過設備操作順序、狀態(tài)變化以及設備間的關系訓練智能成票專家模型推理；

28、s3.3：基于步驟s3.2中獲得智能成票專家模型使用倒閘操作規(guī)則決策樹推理每個設備節(jié)點的倒閘操作步驟，根據設備當前狀態(tài)、設備間的依賴關系和操作順序智能成票專家模型推導出符合操作規(guī)范的倒閘操作票；

29、s3.4：結合思維鏈算法的智能成票專家模型對步驟s3.3獲得的倒閘操作票生成任務進行逐步推理并將任務拆解為多個小步驟，每個步驟基于設備狀態(tài)、操作順序和依賴關系進行推理，逐步生成準確的操作票內容。

30、s3.5：對步驟s3.4中推理過程通過知識圖譜查詢實時確認設備的當前狀態(tài)并對狀態(tài)進行校核，如果設備狀態(tài)與推理步驟不一致，則系統(tǒng)發(fā)出警報重新調整操作步驟；

31、s3.6：基于步驟s3.5的推理校驗結合專家模型的推理結果、設備知識圖譜的信息和倒閘操作規(guī)則，自動生成符合電網管理規(guī)定的倒閘操作票。

32、優(yōu)選地，所述步驟s3.1中監(jiān)督式微調算法具體包括：

33、收集來自電力設備的歷史操作票、典型操作票和常見操作記錄數據并進行人工標注明確每個操作步驟的正確順序、設備間的關聯、設備狀態(tài)的變化；

34、將標注后的歷數據作為輸入提供給glm模型進行訓練，采用標準的監(jiān)督式微調損失函數計分析模型的輸出與真實標簽之間的差異，通過最小化所述損失函數模型學習如何根據輸入的數據生成正確的操作步驟和相關決策。

35、優(yōu)選地，所述步驟s3.1中人類反饋強化學習優(yōu)化模型具體包括：

36、定義一個適用于電力倒閘操作的強化學習環(huán)境模擬倒閘操作過程中的不同場景，包括設備狀態(tài)變化、設備間的依賴關系和操作順序；

37、定義狀態(tài)空間和行動空間，所述狀態(tài)是指設備的當前狀態(tài)，所述行動是指具體操作步驟；

38、將行業(yè)專家納入反饋流程，專家根據glm模型輸出的操作步驟通過評分機制對每個操作步驟進行反饋，包括對操作步驟的正確性、時序性及依賴關系是否滿足規(guī)范的評分；

39、將這些專家打分數據反饋轉化為獎勵信號用于強化學習算法的訓練，通過強化學習算法對模型進行更新，每個操作步驟行動的獎勵信號影響模型的權重調整，使glm模型在下次操作時根據專家的反饋做出優(yōu)化的決策。

40、優(yōu)選地，所述步驟s4具體包括：

41、s4.1：從多源電力知識庫中提取電力專業(yè)術語以及術語相關的語音特征，將所有術語標注為標準化格式；

42、所述電力專業(yè)術語包括站內設備、變電站、操作規(guī)范術語和地理位置；

43、所述知識庫包括兩票管理規(guī)定、變電站運行規(guī)程、電氣設備操作規(guī)程、操作執(zhí)行要點、設備接線方式、運行操作事項、設備操作規(guī)則、設備防誤規(guī)則；

44、所述術語相關的語音特征包括音頻的頻譜、音高和音量；

45、s4.2：將步驟s4.1獲得的電力專業(yè)術語經過人工錄入生成一個包含電力行業(yè)專業(yè)術語的語音識別庫；

46、s4.3：通過人工錄制電力行業(yè)術語并生成超過100小時的音頻文件，對所有錄制的語音進行清洗和標注，確保每個音頻文件對應正確的術語和指令；

47、s4.4：使用peft算法通過人工錄音樣本對電力專業(yè)語音識別模型進行微調，調整模型的權重，針對語音數據的特性對模型進行參數調整，完成電力專業(yè)語音識別模型的優(yōu)化。

48、優(yōu)選地，利用nfc貼片id與鎖具臺賬匹配，通過讀取nfc貼片上的唯一標識符，系統(tǒng)在鎖具臺賬中查找對應的鎖具信息，在設備與鎖具的對應關系已知的情況下，系統(tǒng)通過nfc貼片id確認該貼片是否與鎖具臺賬中記錄的鎖具匹配，若當nfc貼片id與鎖具id相匹配時為有效；當匹配成功時，系統(tǒng)記錄此關系，并為后續(xù)的鎖具驗證和操作票執(zhí)行提供必要的依據；如果匹配失敗，則中斷當前操作。

49、本發(fā)明還提供了一種基于nfc與智能成票模型的倒閘操作生成驗證系統(tǒng)，運行如前述的一種基于nfc與智能成票模型的倒閘操作生成驗證方法：

50、nfc感應驗證模塊，用于利用變電運檢移動作業(yè)終端reid感應模塊與鎖具對應的nfc貼片進行接觸感應，獲取nfc唯一id并驗證是否符合預設觸發(fā)條件，若滿足條件將采集到的nfc數據信息回傳至變電運檢移動作業(yè)平臺；

51、設備與鎖具匹配模塊，用于在變電運檢移動作業(yè)平臺中通過建立電力設備知識圖譜構建設備臺賬與鎖具臺賬模塊，生成倒閘操作規(guī)則決策樹，利用五防系統(tǒng)提供的電氣設備與鎖具的對應關系，對設備臺賬名稱與鎖具臺賬名稱進行一一匹配；

52、操作票自動生成模塊，用于依據設備與鎖具匹配模塊提供的電力設備知識圖譜和倒閘操作規(guī)則決策樹結合業(yè)務數據歷史票與典型票，采用glm模型進行智能成票專家模型的操作邏輯學習完成對操作票自動生成的訓練；

53、電力專業(yè)語音識別模塊，用于將電力操作人員的語音指令轉化為文本，并與操作票自動生成模塊的智能成票專家模型結合，將轉化后的文本數據作為輸入自動生成符合設備類型、電壓等級和操作要求的操作票內容；

54、操作票與操作設備鎖對應模塊，用于基于nfc感應驗證模塊的nfc驗證成功確?，F場條件正確，通過電力專業(yè)語音識別模塊現場錄入語音指令并自動生成實時操作票，對操作票中鎖具信息進行識別，利用操作票術語規(guī)范識別操作設備所對應的鎖具名稱，為后續(xù)歸集驗證鎖具是否正確提供依據；

55、執(zhí)行倒閘模塊，用于根據操作票與操作設備鎖對應模塊確認倒閘操作設備對應鎖具信息，并將nfc貼片數據傳輸至變電運檢移動作業(yè)平臺，通過rfid感應返回的數據，對操作對象鎖具的正確性及順序執(zhí)行進行校核和提醒，完成操作前驗鎖環(huán)節(jié)的業(yè)務閉環(huán)，進而確認作業(yè)人員正確執(zhí)行倒閘操作內容。

56、與現有技術相比，本發(fā)明的有益效果至少包括：

57、1、基于變電運檢移動作業(yè)平臺倒閘操作的防誤操作驗鎖管控，不僅是充分響應國網總部對現場作業(yè)風險安全管控的重要舉措，也是進一步豐富生產現場作業(yè)“五級五控”風險防控體系的有效探索，并實現以nfc貼片作為驗鎖確認載體，完成鎖具臺賬數據與變電運檢移動作業(yè)操作票信息的數據對比確認，進一步清掃倒閘操作執(zhí)行管控盲區(qū)，防止操作人員誤操作或者遺漏操作環(huán)節(jié)，大幅提升保障現場作業(yè)人員安全及設備資產安全，為電網穩(wěn)定運行再增安全保險。

58、2、通過利用nfc與reid感應模塊的配合，確保每個操作步驟都能通過驗證，確認現場設備和鎖具的正確性，避免由于鎖具或設備識別錯誤引發(fā)的操作事故，通過實時驗證鎖具的狀態(tài)，確保作業(yè)人員不會執(zhí)行錯誤操作，進一步提升了現場操作的安全性。

59、4、通過先進行nfc驗證可以在操作票生成之前確認設備和鎖具的匹配關系，避免了生成操作票時出現錯誤的設備信息或鎖具信息，這種提前驗證的機制保證了操作票中的鎖具與設備的匹配更加準確，減少了設備和鎖具信息不一致的風險。

60、3、結合glm模型與電力設備知識圖譜，通過自動化生成操作票，可以減少人工干預，提高操作的準確性，同時，語音識別技術使操作員可以以自然語言發(fā)出指令，快速完成操作任務，進一步加速倒閘操作流程，提高了工作效率。