基于形状约束语言的电网模型知识图谱验证方法

• 作者: 李晓露 左璇 刘日亮 陆一鸣 李聪利 林顺富
• 来源期刊: 中国电力
• 关键词: 电网模型 公共信息模型 知识图谱 模型验证 形状约束语言
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 人工智能在新型电力系统中的应用|Application 0f Artificial Intelligence in New Power System
• 页码范围: 119-125,228
• 页数: 8页
• 语种: 中文
• DOI: 10.11930/j.issn.1004-9649.202107093

摘要

随着电网规模的扩大、分布式能源的高比例渗透,电网分析决策对电网模型的全面性和准确性提出了更高的要求.针对交换模型所依赖的公共信息模型(common information model,CIM)存在版本变化频繁、自定义扩展不可避免以及模型质量要求动态演化的问题,提出基于形状约束语言(shapes constraint language,SHACL)的电网模型知识图谱验证方法.基于CIM构建电网模型的概念图谱和实体图谱,设计了电网模型验证的CIM模式一致性形状和基于简单协议和资源描述框架查询语言(simple protocol and RDF query language,SPARQL)的跨类、跨属性一致性形状.基于SHACL的电网模型知识图谱验证方法无需对验证规则进行硬编码,提升了电网模型质量验证的灵活性,满足应用对模型质量要求的动态演化.