人工智能语音交互技术在电力调控领域的应用

汤晓燕 瞿海燕

摘要：近年来，随着语音识别与自然语言处理技术的不断成熟及实用化水平提升，将之引入配网调度领域，辅助调度业务开展，从而减轻基层班组工作负荷，降低调度工作出错率，提高调度工作效率，对保证电网安全、稳定、高效运行具有重要意义。

关键词：人工智能;语音交互技术;电力调控

引言

人工智能技术在电力系统中的应用逐渐扩大，通过传统方法的智能化，提供关键技术的延伸和创新，融合多种智能方案，可以实现电力系统乃至整个能源行业的商业模式的变革。人机语音交互是电力系统中推动数字化和网络化运行的重要手段之一，因此人机语音交互是人工智能技术中的重要应用。利用人机语音交互技术，能够实施计划检修申请单批复、网络化下发指令、电子公告牌、故障汇报和生产信息汇报等关于调度指挥内容的具体工作。

1 语音识别技术研究现状

语音识别是实现人机自然交互的途径之一。它可以使机器“理解”人类语言并进行反馈，还可以将人类语言转换为文本信息进行表达。语音识别技术是近年来的一个热门研究方向，并取得了一系列的研究成果。苹果的智能手机助手先生、亚马逊的智能音箱和微软的晓娜已经进入人们的日常生活。国内的语音识别技术研究正在如火如荼地进行。以科大讯飞为首的互联网公司不断探索语音识别技术，在语音输入和语音转录方面取得了长足进步，并致力于推动语音识别技术的产业化。随着深度学习神经网络应用的不断延展及计算资源夯实，基于深度学习的语音识别模型在语音识别准确率显现出了一定的优势，针对普通话的语音识别准确率较高，未来面向特定领域方言及复杂场景的语音识别任务仍是近期及未来一段时间的研究重点。语音识别技术已经广泛的应用于车载、医疗、家居行业，在电力行业中应用相對较少，主要应用于95598客户服务侧，用于客户来电环节的服务质检，在电网调度领域，存在一定的语音识别应用需求，但受限于方言识别及调度专有业务特性等影响，针对调度业务的语音识别技术难度较大，取得的研究成果较少。

2 人机语音交互技术

自然语言处理技术是实现人机语音交互的重要手段。其主要技术包括分词、词性标注、命名实体识别、依存句法分析、语义角色标注和上下文语义分析。分词是将人类语音输出序列分割成计算机可以批量处理的单词序列的过程。在许多语言中，词是话语意义的基本单位。因此，将重要的词语进行信息检索、信息分类和语义分析，有助于实现机器理解人类语言的功能和任务。由于某些单词在不同的语境中具有一定歧义，因此，切分歧义是分词任务中的主要难题，需要将分词模块置于机器学习框架中，通过广泛读取历史数据，形成分词数据库，形成词典策略来解决同一词语在不同语境中的含义分析。词性标注是赋予语句中单词词性的过程。词性是语义分析中的基本内容，通过辨别词性能够快速、有效地分解语句中的词语，理解语句中的语言形式和词语构成，从而更准确地理解句子含义。命名实体识别是指从语言文本中提取具有特定类别的实体名词。实体命名识别是机器语言信息检索、语义查询、语义分析等基本过程，其处理效果直接影响到整体的语义理解和分析。针对电力系统调度，命名实体识别主要的对象是电网设备名称、操作票主要内容、网络和设备运行状态变化等名词，方便人机语音沟通及交互后的指令下发和对象处理等。

3 在电力调控领域的应用

3.1 基于语音识别的实时转译和情感功能

在实际的智能客服中，借助语音识别技术，可以将客户与客服通话时的语言信息实时转换成文本，方便代理监听实时监听通话。系统提取语音特征参数，对客服代理进行实时预警，并进行灵活调整，保证通话质量。通过对音频音高等变化情况的监测，可对用户的情绪变化信息进行了解，判断出用户的情绪，结合其情绪进行分析。也可将语音转移文本及预警统计等信息作为判断服务质量的参考依据，使服务的改善有更好的效果，进一步发挥出信息的重要性。质检员对通话进行人工测听，可深入分析客服的质量及客户的情况，准确反映出客服的能力。

3.2 调度信息智能搜索及质检分析

各级调度语音数据以音频形式分散式存储于独立的语音服务器上，针对调度语音的质检分析采用人工全量或抽量听音频的形式，听完一个完整的音频文件往往需要花费几分钟时间，由于工作量巨大，容易因疲累等原因造成注意力不集中，未发现调度语音中存在的问题，使得调度语音质检分析失去可操作性。由于在发生电网事件事故时，运行单位负责人往往需要通过在海量的音频文件中查找相关的调度语音，调度语音搜索困难。利用语音识别技术将非结构的调度语音音频转化为结构化的文本信息进行存储，基于自然语言关键词搜索及语义理解实现调度文本信息的快速定位，并能够在音频上自动标记查询关键词的语音位置，并自动播放，以提升调度语音质检效率及质量。

3.3 在电力调度中的应用

人机语音交互技术在电力系统调度中的应用，主要体现在将调度人员的专业调度数据转换为计算机能够理解和识别的机器语言，从而实现对发送给计算机的人工指令的有效执行。电力系统调度信息包括结构化数据和非结构化数据。对于非结构化数据的语义分析，需要建立结构化数据和非结构化数据的统一数据索引，这也是机器识别和人类语言进一步分析的关键难点。由于电网设备信息较多，又涉及到检修信息、设备故障信息、调度日志信息、设备缺陷信息、组织机构信息、调度规程信息、运行细则信息和投入审批信息等电网调控信息，因此，首先需要利用自然语言处理技术，结合电力调控的关键性业务，将自然语言处理的结果映射到电网调度操作的流程中，对电力相关业务的文档和信息进行归纳，实现分词的数据库建立。结合现有电力业务知识库模型，对分词的拆分结果进行语义分析，将自然语言解析分解，并针对电网业务的语义重构，实现人机交互的语音识别和语义分析。

3.4 调度指令智能校核

在配电网调度工作中，各级调度运行单位一般通过电话下达调度命令。频繁的操作任务和维护工作使得调度员每天都要打大量的电话。调度员将准备好的操作票和维修任务信息以口头方式传递给执行单位。在这一过程中，很容易出现口头错误、信息曲解等人为错误，导致不正确的操作指令被执行，造成电网安全事故。因此，可通过收集配网调度语音语料，结合调度特殊发音处理及专业术语对语音语料进行标注，基于半监督形式进行语音识别模型训练，将调度录音实时转化为文本信息，并通过配网调度工作台进行显示，在调度联络过程中，便于调度人员及时核查调度指令，有效防止调度指令下达偏差。

结束语

综上所述，结合配网调度运行管理现状，为提升配调调度管理效率，将基层班组人员从大量重复性工作中解放出来，提升电网本质安全水平。

参考文献：

[1]张云翔，李智诚.面向电力行业的热词语音识别技术[J].现代计算机，2020（22）：14-17.

[2]韩丽丽，潘炜，刘丰威.基于人工智能语音识别客服稽查应用前景[J].电子测试，2020（15）：118-119+95.

[3]张淑娟，李轶，张丽霞，刘晓娜.智能语音交互技术在呼叫中心中的应用[J].中国新通信，2020，22（09）：92.

[4]徐昱，裘愉涛，侯伟宏，等.变电站二次测试中智能语音控制关键技术研究[J].电力系统保护与控制，2020，48（5）：103-111.