电力设计知识图谱服务平台的设计与实现

doi:10.3969/j.issn.1006-2475.2025.10.010

计算机与现代化 ›› 2025, Vol. 0 ›› Issue (10): 57-66.doi: 10.3969/j.issn.1006-2475.2025.10.010

电力设计知识图谱服务平台的设计与实现

（1.国网江苏电力设计咨询有限公司徐州勘测设计分公司，江苏徐州 221000； 2.中国矿业大学计算机科学与技术学院，江苏
徐州 221000； 3.中国矿业大学力学与土木工程学院，江苏徐州 221000）

出版日期:2025-10-27 发布日期:2025-10-28
作者简介: 作者简介：许彦（1983—），男，江苏徐州人，高级工程师，硕士，研究方向：电力系统规划与设计，E-mail: 1127468763@qq.com；柏广林（1971—），男，江苏淮安人，高级工程师，本科，研究方向：输变电线路结构设计，E-mail: 1115372366@qq.com；张鹏（1976—），男，湖北襄阳人，高级工程师，硕士，研究方向：变电站电气二次设计，E-mail: 2829345472@qq.com；褚成（1998—），男，山东枣庄人，硕士研究生，研究方向：知识图谱构建与应用，E-mail: cc201877156@163.com；刘文文（2001—），女，山东济宁人，硕士研究生，研究方向：知识图谱构建与应用，E-mail: 101161222@163.com；通信作者：张博（1981—），男，江苏徐州人，副教授，硕士生导师，博士，研究方向：知识图谱，大语言模型，E-mail: zbcumt@163.com；许娜（1982—），女，江苏徐州人，副教授，博士，研究方向：煤炭安全，基础设施工程项目管理，大数据与人工智能技术，E-mail: xuna@cumt.edu.cn。
基金资助:
基金项目：国家社会科学一般项目（23BGL277）

Design and Implementation of Power Design Knowledge Graph Service Platform

（1. Xuzhou Survey and Design Branch of State Grid Jiangsu Electric Power Design Consulting Co.， Ltd.， Xuzhou 221000， China； 2. School of Computer Science & Technology， China University of Mining and Technology， Xuzhou 221000， China；
3. School of Mechanics & Civil Engineering， China University of Mining and Technology， Xuzhou 221000， China）

Online:2025-10-27 Published:2025-10-28

摘要/Abstract

摘要： 摘要：随着电力工程设计领域数据的爆炸式增长，如何高效管理和利用这些数据成为了亟待解决的问题。本文基于知识图谱技术，重点分析电力设计领域数据的特点，并结合电力设计领域的专业人员的具体需求，设计并实现一种电力设计知识图谱服务平台，旨在实现对电力设计数据的高效管理、融合和深度挖掘。平台采用B/S架构，遵循J2EE规范，实现电力设计知识的搜索、知识图谱可视化、智能问答、同类推荐、相关资料分析等功能。测试结果表明，平台能够有效整合和管理大量电力设计相关的数据，还能通过知识图谱技术深入挖掘数据背后的关联和价值，为电力设计领域的研究和应用提供强有力的支持和创新动力，显著提高数据的关联性和实用性。该平台的应用可为电力设计领域的科研人员和工程师提供强大的知识支持和决策辅助，提升他们在处理和分析数据方面的效率与能力。

关键词: 关键词：电力设计, 知识图谱, 知识搜索, 智能问答, 可视化

Abstract:
Abstract: With the explosive growth of data in the field of power engineering design， how to efficiently manage and utilize these data has become an urgent problem to be solved. Based on the knowledge graph technology， this paper focuses on the analysis of the characteristics of the data in the field of power design， and combines the specific needs of the professionals in the field of power design， and designs and implements a power design knowledge graph service platform to achieve efficient management， integration and deep mining of power design data. The platform adopts B/S architecture and follows the J2EE standard， and realizes the functions of power design knowledge search， knowledge graph visualization， intelligent question and answer， similar recommendation， and related data analysis. The test results show that the platform can effectively integrate and manage a large number of power design-related data， and can also deeply explore the correlation and value behind the data through knowledge graph technology， which provides strong support and innovation impetus for the research and application in the field of power design， and significantly improves the correlation and practicability of data. The application of the platform provides powerful knowledge support and decision aid for researchers and engineers in the field of power design， improving their efficiency and ability to process and analyze data.

Key words: Key words: power design, knowledge graph, knowledge search, intelligent question answering, visualization

中图分类号:

中图分类号：TP3

许彦１, 柏广林1, 张鹏1, 褚成2, 刘文文2, 张博2, 许娜3. 电力设计知识图谱服务平台的设计与实现[J]. 计算机与现代化, 2025, 0(10): 57-66.

XU Yan1, BO Guanglin1, ZHANG Peng1, CHU Cheng2, LIU Wenwen2, ZHANG Bo2, XU Na3. Design and Implementation of Power Design Knowledge Graph Service Platform[J]. Computer and Modernization, 2025, 0(10): 57-66.

参考文献

［1］蒋玮，周颖，陈舒淇，等. 电网基建工程数据挖掘及知识图谱构建技术研究［J］. 电力信息与通信技术， 2021，19（2）:15-22.
［2］高海翔，苗璐，刘嘉宁，等. 知识图谱及其在电力系统中的应用研究综述［J］. 广东电力， 2020，33（9）:66-76.
［3］杨东华，何涛，王宏志，等. 面向知识图谱的图嵌入学习研究进展［J］. 软件学报， 2022，33（9）:3370-3390.
［4］卢琪，谢艺菲，谢钧，等. 知识图谱在智能问答中的应用研究［J］. 计算机技术与发展， 2021，31（7）:13-20.
［5］蒲天骄，谈元鹏，彭国政，等.电力领域知识图谱的构建与应用［J］. 电网技术， 2021，45（6）:2080-2091.
［6］饶竹一，张云翔. 基于知识图谱的智能客服系统研究［J］. 电力信息与通信技术， 2017，15（7）: 41-45.
［7］杨强. 基于知识图谱的核电设备知识平台建设［C］// 数字中国能源互联——2018 电力行业信息化年会论文集. 中国电机工程学会电力信息化专业委员会， 2018:265-269.
［8］ FU B， QIU Y， TANG C， et al. A survey on complex question answering over knowledge base: Recent advances and challenges［J］. arXiv preprint arXiv:2007.13069， 2020.
［9］ BROWN T B. Language models are few-shot learners［J］. arXiv preprint arXiv:2005.14165， 2020.
［10］ AUGENSTEIN I， BALDWIN T， CHA M， et al. Factuality challenges in the era of large language models［J］. arXiv preprint arXiv:2310.05189， 2023.
［11］赵月，何锦雯，朱申辰，等.大语言模型安全现状与挑战［J］.计算机科学， 2024，51（1）:68-71.
［12］ LEWIS P， PEREZ E， PIKTUS A， et al. Retrieval-augmented generation for knowledge-intensive NLP tasks［C］// Proceedings of the 34th International Conference on Neural Information Processing Systems. ACM， 2020，33: 9459-9474.
［13］王学超，刘大伟，郑凯，等. 电力设计院知识库构建研究［J］. 电脑知识与技术， 2021，17（15）:222-225.
［14］王永胜，冯伟华，郑新章，等. 烟草科技知识图谱服务平台的设计与实现［J］. 计算机应用与软件， 2023，40（5）:37-43.
［15］刘峤，李杨，段宏，等. 知识图谱构建技术综述［J］. 计算机研究与发展， 2016，53（3）:582-600.
［16］付雷杰，曹岩，白瑀，等. 国内垂直领域知识图谱发展现状与展望［J］. 计算机应用研究， 2021，38（11）:3201-3214.
［17］刘锦隆，马进，邹双，等. 基于知识图谱的电力行业与外部数据融合研究［J］. 四川电力技术， 2020，43（6）:26-30.
［18］刘勤，陈世平，霍欢.基于知识图谱用户偏好传播的实体推荐模型［J］.计算机应用研究， 2020，37（10）:2926-2931.
［19］ QIAO J Y. Intelligent big data framework for the technical design of public management applications in sports［J］. Mathematical Problems in Engineering， 2022，2022（4）:1-9.
［20］ REYNOLDS O， GARCÍA-DOMÍNGUEZ A， BENCOMO N. Cronista: A multi-database automated provenance collection system for runtime-models［J］. Information and Software Technology， 2022，141. DOI: 10.1016/j.infsof.2021.
106694.
［21］ LI J， SUN A， HAN J， et al. A survey on deep learning for named entity recognition［J］. IEEE Transactions on Knowledge and Data Engineering， 2020，34（1）:50-70.
［22］ NASEER S， GHAFOOR M， BIN KHALID ALVI S， et al. Named entity recognition （NER） in NLP techniques， tools accuracy and performance［J］. Pakistan Journal of Multidisciplinary Research， 2021，2（2）:293-308.
［23］ JIANG J， LIN R， ZOU H. Power domain named entity recognition based on rules and dictionaries［C］// 2022 IEEE 22nd International Conference on Communication Technology （ICCT）. IEEE， 2022:1898-1902.
［24］ SHEN W， WANG J， HAN J. Entity linking with a knowledge base: Issues， techniques， and solutions［J］. IEEE Transactions on Knowledge and Data Engineering， 2014，27（2）:443-460.
［25］ REIMERS N， GUREVYCH I. Sentence-BERT: Sentence embeddings using siamese BERT-networks［J］. arXiv preprint arXiv:1908.10084， 2019.
［26］田星，郑瑾，张祖平. 基于词向量的Jaccard相似度算法［J］. 计算机科学， 2018，45（7）:186-189.
［27］郭胜国，邢丹丹. 基于词向量的句子相似度计算及其应用研究［J］. 现代电子技术， 2016，39（13）:99-102.
［28］张恩红，尹海燕，李高洁. 基于Elasticsearch的气象数据检索技术研究［J］. 计算机技术与发展， 2019，29（11）:154-158.
［29］王仁武，陈川宝，孟现茹. 基于词向量扩展的学术资源语义检索技术［J］. 图书情报工作， 2018，62（19）:111-119.
［30］马晖男，吴江宁，潘东华. 一种基于同义词词典的模糊查询扩展方法［J］. 大连理工大学学报， 2007，（3）:439-443.
［31］ ZHOU Y， MURESANU A I， HAN Z， et al. Large language models are human-level prompt engineers［J］. arXiv preprint arXiv:2211.01910， 2022.
［32］ ZHENG C， LIU Z， XIE E， et al. Progressive-hint prompting improves reasoning in large language models［J］. arXiv preprint arXiv:2304.09797， 2023.
［33］ SONG Y F， HE Y Q， ZHAO X F， et al. A communication theory perspective on prompting engineering methods for large language models［J］. arXiv preprint arXiv:2310.18358，
2023.
［34］文森，钱力，胡懋地，等. 基于大语言模型的问答技术研究进展综述［J］. 数据分析与知识发现， 2024，8（6）:16-29.
［35］张鹤译，王鑫，韩立帆，等. 大语言模型融合知识图谱的问答系统研究［J］. 计算机科学与探索， 2023，17（10）:2377-2388.

[1]	姜苏伦1, 2, 3, 袁德成1, 郭清达2, 3, 刘坚3, 于广平2, 3. 知识图谱在智能制造领域中的应用现状与展望[J]. 计算机与现代化, 2025, 0(05): 48-59.
[2]	张岳, 李华昱, 张智康, 沈鑫怡. 基于知识图谱和语义信息的学术推荐系统[J]. 计算机与现代化, 2025, 0(01): 50-58.
[3]	张昆1, 张永伟1, 吴永城1, 张笑文2, 翟世臣2. 基于大模型的设备故障知识图谱自动构建方法[J]. 计算机与现代化, 2024, 0(11): 46-53.
[4]	齐俊1, 2, 曲睿婷2, 教传铭2, 周巧妮2, 郭彦良3, 覃文军3. 基于知识图谱增强大语言模型双碳领域服务[J]. 计算机与现代化, 2024, 0(09): 8-14.
[5]	汪显顺, 熊卿智, 万磊, 李祥, 林重汕, 金安安. 基于知识图谱的区域企业关联可视化及关系挖掘[J]. 计算机与现代化, 2024, 0(08): 11-16.
[6]	杨孟, 杨进, 陈步前. 基于知识图谱的多目标可解释性推荐[J]. 计算机与现代化, 2024, 0(03): 34-40.
[7]	黄政霖, 董宝良. 基于语义和结构增强的时序知识图谱问答方法[J]. 计算机与现代化, 2024, 0(03): 15-23.
[8]	王运乾, 王以松, 陈攀峰, 邹龙. 融合注意力机制的药用植物文本命名实体识别[J]. 计算机与现代化, 2021, 0(11): 100-105.
[9]	王钰蓥, 王勇. 基于知识图谱和Bi-LSTM的推荐算法[J]. 计算机与现代化, 2021, 0(09): 90-98.
[10]	耿化聪, 梁宏涛, 刘国柱. 基于知识图谱与协同过滤的饮食推荐算法[J]. 计算机与现代化, 2021, 0(08): 24-29.
[11]	张艳, 杨芳, 杨蕾, 韩奎国, 李辉. 基于知识图谱的区块链技术及电力行业应用分析[J]. 计算机与现代化, 2020, 0(12): 55-60.
[12]	张紫璇,陆佳民,姜笑,冯钧. 面向水利信息资源的智能问答系统构建与应用[J]. 计算机与现代化, 2020, 0(03): 65-.
[13]	项威. 事件知识图谱构建技术与应用综述[J]. 计算机与现代化, 2020, 0(01): 10-.
[14]	冯钧，徐新，陆佳民. 水利信息知识图谱的构建与应用[J]. 计算机与现代化, 2019, 0(09): 35-.
[15]	冯钧,柳菁铧,孔盛球. 融合多特征的中文集成实体链接方法[J]. 计算机与现代化, 2019, 0(01): 69-.

电力设计知识图谱服务平台的设计与实现

Design and Implementation of Power Design Knowledge Graph Service Platform

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价