电网调度智能对话机器人的系统架构和关键技术研究

张雨璇，沙立成，王海霞，王海云，陈 茜

（1.国网北京市电力公司电力科学研究院，北京 100075；2.国网北京市电力公司，北京 100031）

伴随着人工智能和人机交互技术的快速发展，对话机器人已成为目前智能聊天机器人的主要研究热点和实现形式，并已在国防、军事、商业、教育等诸多领域中体现出较高的应用价值，这对人机交互的智能化具有重要的现实意义[1]。但是目前大部分语音对话机器人都是通过模板匹配的方式从对话库中搜索输入语句得到相应的答案[2]，这种基于机械模板匹配和搜索模板的模式已经不能满足人们人性化、智能化的需求，开发能准确理解语义和人类情感的语音对话机器人已成为该领域的必然趋势[3]。为此研究了电网调度智能对话机器人的系统架构和关键技术，在现有机器人基础上，设计了一种调度对话机器人，并使用声纹识别技术对原型机器人中的主要对话模块进行优化研究。

1 系统架构

从信息流角度看，信息处理的全过程是由低到高，在调度数据集成技术方面，由原始网络分析模型生成和验证，有效整合和综合利用电力机器人运行信息，然后通过数据滤波获得可靠的数据截面，实现电力机器人正常工作状态的监测，智能识别复杂事故，以及事故后分析处理，修复机器人并指导其正常工作，控制事故状态恢复[4-6]。为了避免因决策失误而造成的不安全因素，对机器人研制中各环节的精确度、合理性、可靠性和可用性等方面提出了更高的要求[7-9]。由于机器人需要与不同区域的基站进行沟通交流，完成相关的信息传输工作，为此设计了电网调度智能对话机器人的系统架构，如图1 所示。

图1 系统架构

由图1 可知，该系统主要是由应用服务器、工作站、调控云和调控机器人组成，其中一区应用服务器属于机架服务器，用于解析和响应一区的语音服务；三区应用服务器属于调控云虚拟机，用于解析和响应三区的语音服务；声音采集设备用于收集语音信息[10-11]。

虽然一区与三区使用的是相同类型的机器人，但是针对不同的场景，起到不同的作用：

1）以D-5000 图形为基础构建相对独立的应用程序，完成厂站图/网络图的调阅、设备定位等功能，同时可提供知识问答、声纹识别等服务[12-14]。

2）三区是云SAAS 层管理应用，主要实现基于调控云的状态查询、调控日志、操作票等相关功能；此外，还需要完成三区的对话管理、知识库管理和语音/语义模型培训工作[15]。培训结束后，机器人自动将新模型更新到三区应用服务器上，但是对于一区服务，由于模型文件一般较大(大约20～30 GB)，需要维护人员手动同步到一区服务器上，以避免因网络传输量过大而造成阻塞。

1.1 M2M/M2C通信模块

M2M 层是利用无线网络与多个机器人互联，形成一个协同计算集群，其优点是可以共享资源信息，将不同的计算单元组合在一起，提高了机器人的整体计算能力，使云网络覆盖范围之外的机器人能够参与信息交换。

M2C 层是云与机器人直接连接形成的计算集群，云中存储了机器人完成任务的过程中记录的动作行为、地图、导航等资源信息，并随着机器人完成任务的进程不断地反馈更新[16]。

由于M2M/M2C 通信模块中存在超级节点，因此M2M/M2C 通信模块不需要路径规划和维护，适用于高动态机器人网络，减少了计算和存储资源，降低了信息延迟，云端机器人能弹性分配资源并且将复杂的大数据量的计算任务转移到云端，从而快速完成任务。

1.2 事故处理辅助决策模块

事故辅助处理决策机器人协助调度员在事故中进行分析找出关键问题，协助调度员消除机器人越界，提供合理的事故处理参考方案。事故辅助决策过程包括从低层次到高层次的信息处理全过程，其基础是IEC61970/CIM 架构，可按实际情况进行仿真，通过事故预想、故障诊断和事故后分析，提出智能对话机器人的事故处理方案。该机器人积极配合各种事故后分析工具，综合分析事故后智能机器人的工作状态，同时，根据事故处理规则，为调度人员提供事故处理辅助决策。并且可以利用衍生功能实时处理智能对话机器人在无事故情况下的事故应急预案。

1.3 CIM虚结构智能调度模块

在CIM 虚结构的基础上，通过软件开发，各个异构平台之间实现了双向的实体数据映射，除在线机器人中包含的关系库结构如OPEN3000、OPEN2000和SS40，异构平台中还包含有层次的库结构，以及离线分析数据格式IEEE、BPA 以及CIM/XML/E 文件的模型，从而打通了联机与离线分析的内在界限。CIM 虚结构智能调度平台如图2 所示。

图2 CIM虚结构智能调度平台

如图2 所示，除了常规的自动调度机器人平台之外，还支持IEEE/BPA/XML 等常用的离线分析计算模型，打通了一般离线计算资源和实时机器人之间的数据连接，使之成为一种新的模式架构。

1.4 机器人界面展示模块

网调机器人应用程序的语音入口是电网调度智能对话机器人，即调控者通过语音控制网调机器人的各种应用程序，初步设计接口采用客户展示和交互方式。该机器人运行在控制机器人安全一区或三区调度工作站上，其接口主要包括：

1）悬浮态

悬浮态作为智能对话机器人最常见的运行状态之一，主要用于通过后台程序实现控制的调用方式，此时机器人界面只显示少量信息或处于隐藏状态，而被控制应用则切换到前台，按照指令进行操作。挂靠在机器人旁边的小窗口主要包括语音播报、指令确认和文字录入。

2）展示态

展示态主要应用于需要接收大量信息并以文字或图表综合显示的情况，例如当查询某一个月的负荷状况时，可综合显示总体负荷变化曲线、分区负荷分布、分时负荷分布和表格数据等。

2 关键技术研究

2.1 对话检索

对话检索模块以接收到的信息为输入，按照信息的内容安排相应的处理方式。利用BM25 模型检索系统挖掘原始对话，抽取优质的单轮或多轮对话。BM25 是一种基于答案的文本评分算法，其基本思想是根据两句话中各词之间的相似度，再赋予各词之间的权重，通过加权得分计算两句话的相似度，具体公式如下：

式（1）中，i表示语句个数，其取值范围为[1,I]Q表示语句，d表示期望搜索语句，而语句Q中的词q与期望搜索语句d之间的相似度应由权重w决定；根据文档搜索频率n，可计算获取检索速度，避免出现网络时延。

2.2 设计对话的辅助调节流程

系统采用统一的信息化管理，根据目前智能对话机器人网络拓扑结构的变化，自动识别设备运行状态，根据季节等因素选择合适的实时稳定控制断面和监控范围。因此，该文针对电力系统智能对话机器人在运行过程中因限电、人工维护不及时等因素造成的潜在风险，在其维护方式和机制上进行了创新。着重解决传统操作模式运行速度慢、复杂性高的核心痛点问题，以听觉图像为基础提供自然交互的用户使用体验，提高工作效率。利用如语音识别、语义理解、文本分析、知识检索、语音合成、文档生成等人工智能技术，将语音输入转化为智能对话机器人调节指令，实现基于语音的辅助调节功能。

对话的辅助调节过程如下：收集并接收用户输入的语音信号，通过自然语言理解组件分析文本语义，对话管理人员根据所分析的语义信息，维护对话的历史和当前状态，管理和控制整个对话流程。会话管理器检索知识库中存储的领域知识，应答产生器根据会话管理器的会话策略生成会话文本、图像，最终文本通过语音合成器渲染输出；根据特定的命令调用外部调制器，实现电网调度的智能对话。

2.3 声纹识别

采用声纹和语音的双重识别技术进行身份认证，提高登录用户识别的准确率，后续操作均与登录用户绑定，自动记录每位调控员的工作状态、行为和习惯等数据，使智能助手可以更有效地提供服务。声纹识别应用场景如图3 所示。

由图3 可知，通过声纹的方式实现用户快速登录，避免输入密码的繁琐操作，系统自动记录登录状态，并把之后一段内的操作均与登录用户进行关联。当调控人员进行重要操作前，例如确认操作票等，可以通过声纹方式进行身份验证，经确认后方可执行。

图3 声纹识别应用场景

3 实 验

为了验证电网调度智能对话机器人的系统架构和关键技术研究合理性，分别使用传统的机械模板匹配、搜索模板和声纹识别技术进行实验验证分析。

3.1 实验条件设置

利用电网调度智能对话机器人执行电网调度任务，采集调度信息为20 万次，执行采集任务获取相关信息22 万次。在该情况下，分析不同调度任务对话框弹出次数，结果如表1 所示。

表1 不同调度任务对话框弹出次数

3.2 实验结果与分析

3.2.1 对话资源搜索返回时间

理想情况下，电网调度智能对话资源搜索返回时间小于0.50 s，对比对话资源搜索返回时间结果如图4 所示。

由图4 可知，使用机械模板匹配技术和搜索模板技术在对话资源搜索时，均出现了不同程度的搜索时间延迟；使用声纹识别技术，无搜索时间延迟问题，所有的对话资源最终搜索返回时间均在0.50 s以内。

图4 对话资源搜索返回时间对比分析

3.2.2 任务调度响应时间

理想情况下，自动调图、状态查询、知识学习、问题解答等响应时间小于3.00 s，对比任务调度响应时间结果如图5 所示。

图5 任务调度响应时间对比分析

由图5 可知，使用机械模板匹配技术和搜索模板技术出现响应延迟问题，导致调度响应时间超出3.00 s；使用声纹识别技术，无响应时间延迟问题，所有的对话资源最终搜索返回时间均在3.00 s 以内。

4 结束语

文中研究了基于知识库的电网调度智能对话机器人，针对不同场景设计不同的应答技巧，使机器人拥有可扩展性。虽然使用该架构文本相似度检索技术具有应答响应时间短的优势，但也存在一定问题。未来电网调度功能可根据实际情况进行适当调整。如关键历史信息的提取与保存、生成与整合，关键问题的解决与进一步融合，都是值得研究的课题。