随着电力领域的数字化、智能化的快速发展，人工智能将是未来智能电网的重要部分，是构建高效、协同、互动、共享、“物-物-人”互联互通的电网智能化建设的重要手段，是电力系统发展的必然选择。
随着规程文件、管理制度文件等文档越来越完备精细，知识经验库也越来越庞大，大量的知识使得人员承载能力越来越不足，特别是对新员工来说更显吃力。积极推进自然语言处理和知识图谱等人工智能技术在电网设备知识检索及问答、设备故障辅助分析处理等方面的智能化建设，能有效地提高电网安全生产效率、企业精益管理水平，促进电网数字化、智能化发展，提升电力设备缺陷管理水平，为电力行业减负赋能。
达观数据通过建设多知识融合的知识图谱系统，为客户实现图谱探索、知识问答、归因分析等应用场景，解决了当前一线作业人员设备缺陷资料获取难、知识服务程度低的问题，有效地提高了一线作业人员的工作效率。
多维的知识融合
达观的知识图谱系统实现了对运检管理过程中的结构化、半结构化、非结构化的数据进行融合，可以将国网各种规章管理制度、规程文件、业务系统设备相关数据及专家系统的缺陷处理数据等多源数据进行融合。系统将数据融合后统一地给用户提供查询结果，大大提高检索效率。
灵活的图谱本体设计
图谱本体设计是系统的基础，图谱效果的好坏直接依赖于本体设计是否完整。系统实现可视化图谱本体设计，灵活调节本体设计，达观的知识图谱系统能针对不同场景可以创建多个图谱实体，以满足不同场景不同用户的需求。
灵活的图谱本体设计，支持可视化编辑
便捷的图谱构建
在构建知识图谱的过程中，达观的知识图谱系统支持对上传的文档进行细粒度的解析，快速抽取出跟故障相关的实体、属性和关系，并可对抽取出的相信息进行维护，然后将这些信息存储到图数据库中，构建知识图谱。基于成熟的NLP技术、图计算、知识推理和知识融合等技术使得整个失效模式图谱的构建过程尽可能便捷高效。
失效归因分析，自动定位原因和解决方案
精准的故障分析
电力设备一旦发生故障，需要快速准确地定位故障原因并找到合理的解决方案，传统的故障分析过程太过依赖工程师的经验，往往分析周期长且易于疏漏，故障分析不准确会延长故障留存时间，影响电网正常运行。
知识图谱基于语义关系构建设备、故障原因、解决方案、规程文档等多维度的关联，通过缺陷分析，可以快速分析及数据挖掘，加快关联和交叉检查信息分析，及时得到设备发生异常故障的原因及解决方案，并可对发生的故障进行统计分析，以直观的方式呈现发生故障的设备及发生故障的概率，为现场人员提供数据支持，提出有效可行的维护方案，提升风机故障诊断的效率和准确性，从而降低运维成本，提高风场的生产管理能力。
及时的知识更新
在电力设备的日常维护过程中可能存在设备更替，规程文件、管理制度的更新，相关资料也会随之更新以及专家经验系统中不断录入的新的经验办法，达观的知识图谱系统可以从新上传的文件中深度挖掘新的模式、新原因、新的解决方法和新的改善措施，更新到相应的图谱中，保持图谱中的信息和实际情况同步更新迭代，使整个图谱中的信息处于最新的状态。
随着知识图谱技术在电力设备运检领域的不断深入运用，可以有效提升一线运检人员的故障分析效率，减少设备故障停机时间，提升设备运行可靠性和经济性。达观知识图谱的各类应用也将持续为国家电网高效智能化运行赋能，未来在电力领域将进一步探索更多的场景的融合，满足用户的真实需求，响应国网设备部数字化班组建设任务，助力中国早日实现“双碳”目标。
