速途网3月3日讯（报道：乔志斌）近日，第三届电力人工智能大会暨电力行业数字化转型大会于苏州成功举办，以“会+展”的形式，深度链接电力人工智能领域上下游产业链，推动电力行业向智能化升级转型。作为人工智能领域的佼佼者，云知声亮相展会并受主办方特别邀请发表主题演讲。
作为一家具备全栈式AI技术的硬核企业，云知声基于知识图谱技术建立了电力行业知识中台，以电力设备检修场景痛点为出发点，创新性推出电力设备故障诊断系统，以“知”赋能，为我国电力行业实现数字化、智能化升级提供“认知智能”新引擎。
在云知声展位前，行业专家、意向客户络绎不绝。云知声专家团队现场答疑，并针对客户的需求痛点提供针对性解决方案，赋能客户产业升级。
在当天下午的专题论坛上，云知声结合自身赋能经验，发表了题为《基于知识图谱的电力知识中台及其示范应用》的主题演讲，向与会者分享了知识图谱技术在电力行业的创新应用。
政策护航，AI+电力未来已来
为抢抓人工智能发展的重大战略机遇，构筑我国人工智能发展先发优势，近几年，国家陆续出台相关政策，鼓励人工智能行业创新与发展。《新一代人工智能发展规划》《关于加快推进国有企业数字化转型工作的通知》等一系列政策的提出，从顶层设计上为各行各业的数字化转型提出了指导方向。
澎湃的数智化发展浪潮之下，关乎国计民生的电力行业也在加紧推进AI技术与业务的深度融合。伴随《关于促进智能电网发展的指导意见》《关于推进“互联网+”智慧能源发展的指导意见》等多项政策出台，电力人工智能已在紧锣密鼓的探索中。
打造知识中台，赋能电力知识数字化
作为国内领先的人工智能企业，云知声基于自身全栈式AI技术，与生态合作伙伴共同研制了电力行业知识的数字化解决方案：电力知识中台。
电力知识中台分为5个层次：
1.数据层：融合多源异构设备数据，建立设备状态参量数据库；
2.平台层：提供知识图谱的构建和规则引擎的能力；
3.知识层：以电力设备技术标准、运维规范为基础数据，建立设备知识图谱和设备知识库；
4.服务层：在知识图谱和知识库的基础之上，提供知识查询、关联计算、知识搜索、语义理解等一系列能力；
5.应用层：提供主设备知识库，并面向采购、验收、巡检、状态评估、故障诊断、缺陷消除，提供面向具体应用场景的知识辅助决策。
而在这其中，最具关键支撑作用的核心技术，是知识图谱。
知识图谱是一种大规模语义网络，它以结构化的形式描述客观世界中的概念、实体、关系及其逻辑，具备概念标准化、层次化、关联化三个重要特征。
概念标准化：可实现不同场景数据的抽象，并实现同一对象不同说法的统一对齐；
层次化：建立了数据对象之间的层次逻辑，可实现行业知识的上下位推理；
关联化：建立数据对象之间的关联关系，可实现知识的因果或关联推理。
基于知识图谱，我们可以实现行业知识/数据的语义化表征，以此提升数字化治理水平，实现业务辅助决策和业务自动化，最终实现提质增效。
当前，云知声知识图谱在电力行业的应用大概分三个层次：资源管理、知识服务、辅助决策。
资源管理可以通俗地理解为数据管理，它是以语义和知识为基础能力，去赋能到数据管理的一个环节，包含设备数据语义标签、设备技术标准知识管理、故障案例/检修记录管理等；知识服务是把知识进行语义化的组织，最终呈现给我们，包含知识文档语义搜索、技术标准/消缺方案知识服务等；辅助决策是将知识进行语义化表征后，让机器去执行相应的辅助决策，包含故障诊断研判、消缺知识推送、两票自动填充、修试记录比对审查等。
赋能电力场景提质增效，知识图谱在电力场景的应用示范
目前，云知声知识图谱已在设备知识库、设备运检工单知识辅助、缺陷图像资源管理、电力设备故障诊断系统等多个场景得以应用。
- 设备知识库
首先我们基于电力行业的相关导则、规则、规范，建立起一个设备知识库。
知识库由四个部分构成。第一部分是基础的知识类项，我们把大的技术标注、导则和规程进行拆解，拆解成段落、图谱和表；第二部分是在里面构建出主题词库；第三块是FAQ，即常见问题解答；最后是知识图谱。
基于知识库，我们能够提供相应的知识服务能力，包含知识内容的浏览，知识点的搜索，基于自然语言的知识问答，还有知识点的推荐，以及基于知识图谱的知识数据编目。
- 设备运检工单知识辅助
基于设备知识库，又可以进行设备运检工单知识辅助。
在这个场景中，云知声实现了四个智能化应用，包括巡检语音录入，工单辅助填充，消缺方案自助推动和运检知识服务。
想象一下，一线电力员工在进行户外巡检时，往往需要佩戴手套，手机使用很麻烦，这时，以语音录入的形式，配合工单辅助填充，可精准高效完成巡检工作，大大节省作业时间。
- 基于知识图谱的缺陷图像资源管理
在电力缺陷图像资源管理场景，往往存在着数据规模大、数据细分维度多（线路、场站、部位、电压等级、缺陷）等特点，由此带来的问题是，我们在进行图像模型训练和解码时，往往存在找不到、找不准、找到的东西不是我们想要的情况。
针对以上痛点，我们开发出一套基于知识图谱的缺陷图像资源管理系统。通过信息抽取技术对图像资源缺陷描述的关键信息进行信息抽取，并用图像识别技术识别图像缺陷类型、部位等信息，产出一批缺陷图像的语义化标签对图像资源进行标引，辅助实现缺陷图像资源的语义搜索功能。
从功能上来看，我们的系统可以提供三方面的能力：一是缺陷标签自动抽取 (图像、自然文本)、缺陷资源自动编目；二是语义搜索、语义推荐、知识树浏览；三是知识卡片。
- 基于知识图谱的电力设备故障诊断系统
在过去，电力设备故障诊断往往需要经验丰富的“老师傅”借助检测工具通过“望闻问切”快速精准地定位设备问题。为充分传承和利用检修“老师傅”的工作经验，发掘丰富经验中蕴含的宝贵知识，提升一线班组故障诊断精准度，云知声研发了基于知识图谱的电力设备故障诊断系统。
以电力设备检修导则、规范、细则和故障检修案例为基础数据，通过大规模知识构建技术学习到电力设备的故障诊断专业知识，以知识计算推理实现电力设备故障智能诊断。最终提升设备故障诊断工作的精准率和效率，赋能新型电力系统和数字化班组建设。基于该系统，我们还可以进行类案推理、处理建议、知识检索等。
相较于其他技术路线，云知声基于知识图谱的专家系统和类案搜索系统在知识构建规模、知识可扩展性、知识应用灵活性等方面具有明显的代际领先性，这也使其屡获业界关注。
在2021年的国网设备技术标准精准检索与智能问答技术验证工作中，云知声取得了问答赛道第二名的优异成绩（共23支队伍）。目前，云知声已与国网、南网、电科院、智研院、南瑞、泰豪、东大金智等多家机构建立了良好的合作关系，并重点参与了2022年北京冬奥会的电力保障工作。
作为以技术为驱动的硬核科技企业，成立十余年，云知声累计储备知识产权1300余项，其中专利900余项（80%均为发明专利），连续三年参与承建科技部的国家重点研发计划——“科技创新2030”新一代人工智能重大项目，并先后获得中国智能科技最高奖——“吴文俊人工智能科技进步奖”“北京市科技进步一等奖”“国家级专精特新小巨人”等重要奖项。
围绕知识图谱技术，云知声在ACL、EMNLP、CCKS等国内外顶会上发表了数十篇论文，累积了近百项专利，并在多个评测中领先阿里达摩院、腾讯AI实验室、平安科技、中国科学院大学、清华大学等参赛队伍，持续领跑AI赛道。
目前，云知声正积极推进ChatGPT行业版的建设——以医疗作为切入口，构建ChatGPT医疗行业版，同时基于ChatGPT行业版构建平台，快速扩展到其他领域，再利用领域模型集成MoE（Mixture of Experts）技术，训练得到通用ChatGPT模型。相信在不远的未来，云知声ChatGPT行业版也将成功落地电力行业，成为电力行业的下一个“智慧大脑”。
