本發(fā)明涉及一種基于大模型的決策桿塔因子權(quán)重設(shè)置及評估的方法，屬于電力系統(tǒng)安全評估與災(zāi)害風(fēng)險管理領(lǐng)域。

背景技術(shù)：

1、隨著大數(shù)據(jù)和人工智能技術(shù)的發(fā)展，越來越多的災(zāi)害評估方法開始依賴于數(shù)據(jù)驅(qū)動。例如，通過收集和分析歷史災(zāi)害數(shù)據(jù)、氣象數(shù)據(jù)、地理數(shù)據(jù)等，來預(yù)測和評估桿塔等電力設(shè)施的潛在風(fēng)險。

2、傳統(tǒng)分析方法的局限性：目前，桿塔災(zāi)害分析主要依賴決策樹、深度神經(jīng)元網(wǎng)絡(luò)和數(shù)學(xué)建模等傳統(tǒng)方法。這些方法需要對相關(guān)因子進行詳細的篩選和分析，以確定決策因子的權(quán)重，并可能需要構(gòu)建標簽來進行建模。傳統(tǒng)方法的缺點在于權(quán)重分配的固定性，一旦確定后難以更改，且建模過程耗時費力，效果不穩(wěn)定，同時難以進行通用化分析。

3、公開號：cn113537846b的《基于氣象災(zāi)害的輸配電線路桿塔的風(fēng)險分析方法及系統(tǒng)》，提到了根據(jù)氣象災(zāi)害信息繪制風(fēng)險等級分布圖，對桿塔位置進行柵格化并進行疊置分析，以得出區(qū)域內(nèi)各輸配電線路桿塔的氣象風(fēng)險等級分布圖，雖然此方法考慮了氣象因素對桿塔風(fēng)險的影響，但它并未涉及到大模型和無監(jiān)督學(xué)習(xí)的應(yīng)用，且在權(quán)重分配和模型構(gòu)建的靈活性上可能仍有局限。

4、在進行桿塔災(zāi)害分析時，目前采用的方法如決策樹、深度神經(jīng)元網(wǎng)絡(luò)或數(shù)學(xué)建模確實需要對各類相關(guān)因子進行細致的篩選和分析，以確定決策因子的權(quán)重，甚至需要構(gòu)建標簽，以便對桿塔災(zāi)害模型進行建模。然而，這一過程存在幾個顯著的問題和缺陷：

5、(1)權(quán)重分配的固定性：一旦確定了各因子的權(quán)重分配，就很難進行更改。這種固定性限制了模型的靈活性和適應(yīng)性。若需要調(diào)整權(quán)重以更精確地反映實際情況，就必須重新構(gòu)建和訓(xùn)練模型，這既耗時又費力。

6、(2)建模的通用性差：由于權(quán)重和標簽的特定性，現(xiàn)有的災(zāi)害分析模型往往難以進行通用化分析。這意味著為每個具體場景或情況都需要單獨建模，大大降低了分析效率。

7、(3)對標簽的依賴：現(xiàn)有的有監(jiān)督學(xué)習(xí)方法高度依賴于真實標簽。然而，在實際應(yīng)用中，真實標簽可能并不總是可用或易于獲取。這限制了有監(jiān)督學(xué)習(xí)方法在桿塔災(zāi)害分析中的應(yīng)用范圍。

8、(4)效果的不確定性：即使投入了大量時間和資源進行模型構(gòu)建和訓(xùn)練，最終效果也不一定理想。這可能是由于數(shù)據(jù)的復(fù)雜性、模型的局限性或權(quán)重分配的不合理性等多種因素導(dǎo)致的。

9、目前進行桿塔災(zāi)害分析所采用的方法在權(quán)重分配、建模通用性、標簽依賴以及效果不確定性等方面存在明顯的缺陷和不足。為了解決這些問題，可能需要探索更加靈活和通用的建模方法，以及減少對真實標簽的依賴，提高分析的準確性和效率。

技術(shù)實現(xiàn)思路

1、為了解決上述現(xiàn)有技術(shù)中存在的問題，本發(fā)明提出了一種基于大模型的決策桿塔因子權(quán)重設(shè)置及評估的方法。

2、本發(fā)明的技術(shù)方案如下：

3、一方面，本發(fā)明提供了一種基于大模型的決策桿塔因子權(quán)重設(shè)置及評估的方法，包括如下步驟：

4、選取具備邏輯推理和結(jié)構(gòu)化數(shù)據(jù)處理功能的通用大模型作為基礎(chǔ)；

5、確定與桿塔災(zāi)害相關(guān)的影響因子，收集樣本桿塔對應(yīng)的影響因子數(shù)據(jù)并進行json格式處理，形成json格式數(shù)據(jù)集；

6、通過json格式數(shù)據(jù)集提取影響因子的字段輸入至大模型中，利用大模型的邏輯推理和結(jié)構(gòu)化數(shù)據(jù)處理功能輸出各影響因子的權(quán)重值；

7、利用大模型構(gòu)建一個基于各影響因子的權(quán)重值的多元函數(shù)模型，以各桿塔因子數(shù)據(jù)的數(shù)據(jù)值為輸入變量，以多元函數(shù)模型的輸出值衡量桿塔穩(wěn)定性；

8、實時獲取目標桿塔的影響因子數(shù)據(jù)，將目標桿塔的影響因子數(shù)據(jù)的數(shù)據(jù)值輸入至多元函數(shù)模型，得到目標桿塔的桿塔穩(wěn)定性評估結(jié)果；

9、收集用戶對應(yīng)桿塔穩(wěn)定性評估結(jié)果的反饋信息，輸入至大模型中進行無監(jiān)督反饋學(xué)習(xí)，對各影響因子的權(quán)重值和多元函數(shù)模型進行優(yōu)化。

10、作為優(yōu)選，所述大模型基于transformer架構(gòu)模型，通過多層自注意力機制和前饋神經(jīng)網(wǎng)絡(luò)處理輸入數(shù)據(jù)；

11、所述注意力機制通過計算輸入序列的注意力分數(shù)矩陣，得到輸入序列中每個位置對其它位置的關(guān)注度；所述注意力分數(shù)矩陣通過點積注意力機制計算，具體公式如下：

12、

13、其中，aij為注意力分數(shù)，表示位置i對位置j的關(guān)注度；eij是位置i和位置j之間的原始注意力分數(shù)；eik是位置i和位置k之間的原始注意力分數(shù)；α為縮放因子；bij為第一偏置項；bik為第二偏置項；λ為正則化系數(shù)；reg(i，j)為正則化函數(shù)，表示基于位置i和j之間的關(guān)系計算懲罰值；

14、所述懲罰值的計算，具體公式如下：

15、

16、其中，|i-j|為位置i和j之間的絕對距離；

17、所述原始注意力分數(shù)，具體公式如下：

18、

19、其中，qi為位置i的查詢向量；kj為位置j的鍵向量；為縮放因子，dk是鍵向量的維度；b為第三偏置項；

20、基于注意力分數(shù)矩陣將不同位置的信息進行加權(quán)聚合，并送至前饋神經(jīng)網(wǎng)絡(luò)進行處理，得到大模型的輸出。

21、作為優(yōu)選，所述json格式數(shù)據(jù)集由桿塔災(zāi)害相關(guān)的因子組成，包括桿塔編號、臺風(fēng)中心風(fēng)速、桿類型、臺風(fēng)位置經(jīng)緯度、桿塔所在地區(qū)短時降雨量、桿塔地質(zhì)情況、桿塔經(jīng)緯度、溫度和濕度、臺風(fēng)移動速度、覆冰情況；

22、所述桿塔編號用于跟蹤和管理桿塔信息，作為桿塔的唯一標識符；所述臺風(fēng)中心風(fēng)速用于評估臺風(fēng)對桿塔影響；所述桿類型用于區(qū)別不同桿塔的結(jié)構(gòu)類型對風(fēng)的承受能力，所述桿塔的結(jié)構(gòu)類型包括木質(zhì)電線桿、鋼制電線桿、混凝土電線桿和復(fù)合材料電線桿；所述臺風(fēng)位置經(jīng)緯度用于計算臺風(fēng)與桿塔的相對距離和方向；所述桿塔所在地區(qū)短時降雨量用于評估在短時間內(nèi)的降雨量對土壤濕度和桿塔基礎(chǔ)穩(wěn)定性的影響；所述桿塔地質(zhì)情況用于評估桿塔所處地基的土壤類型和承載力對桿塔穩(wěn)定性的影響；所述桿塔經(jīng)緯度用于表述桿塔的準確地理位置進而進行空間分析和風(fēng)險評估；所述溫度和濕度用于評估桿塔材料的性能和壽命；所述臺風(fēng)移動速度用于判斷臺風(fēng)移動的快慢，評估臺風(fēng)對特定地區(qū)的作用時間和強度；所述覆冰情況用于判斷桿塔上是否有冰層覆蓋，評估塔桿倒桿的風(fēng)險。

23、作為優(yōu)選，所述無監(jiān)督反饋學(xué)習(xí)的具體步驟包括：

24、收集用戶反饋，包括桿塔編號和對數(shù)學(xué)模型評估結(jié)果準確性的評價；分析準確性的評價，若評價桿塔評估結(jié)果不夠準確，則檢查模型對該桿塔的評估結(jié)果；根據(jù)用戶反饋調(diào)整字段的權(quán)重值，并修改數(shù)學(xué)模型中的嵌套公式以及公式中的組合方式；基于調(diào)整后的權(quán)重值和嵌套公式重新構(gòu)建數(shù)學(xué)模型。

25、另一方面，本發(fā)明還提供一種基于大模型的決策桿塔因子權(quán)重設(shè)置及評估的系統(tǒng)，包括：

26、數(shù)據(jù)收集及處理模塊，選取具備邏輯推理和結(jié)構(gòu)化數(shù)據(jù)處理功能的通用大模型作為基礎(chǔ)；確定與桿塔災(zāi)害相關(guān)的影響因子，收集樣本桿塔對應(yīng)的影響因子數(shù)據(jù)并進行json格式處理，形成json格式數(shù)據(jù)集；通過json格式數(shù)據(jù)集提取影響因子的字段輸入至大模型中，利用大模型的邏輯推理和結(jié)構(gòu)化數(shù)據(jù)處理功能輸出各影響因子的權(quán)重值；

27、模型構(gòu)建模塊，利用大模型構(gòu)建一個基于各影響因子的權(quán)重值的多元函數(shù)模型，以各桿塔因子數(shù)據(jù)的數(shù)據(jù)值為輸入變量，以多元函數(shù)模型的輸出值衡量桿塔穩(wěn)定性；

28、桿塔穩(wěn)定性評估模塊，實時獲取目標桿塔的影響因子數(shù)據(jù)，將目標桿塔的影響因子數(shù)據(jù)的數(shù)據(jù)值輸入至多元函數(shù)模型，得到目標桿塔的桿塔穩(wěn)定性評估結(jié)果；

29、優(yōu)化模塊，收集用戶對應(yīng)桿塔穩(wěn)定性評估結(jié)果的反饋信息，輸入至大模型中進行無監(jiān)督反饋學(xué)習(xí)，對各影響因子的權(quán)重值和多元函數(shù)模型進行優(yōu)化。

30、作為優(yōu)選，所述大模型基于transformer架構(gòu)模型，通過多層自注意力機制和前饋神經(jīng)網(wǎng)絡(luò)處理輸入數(shù)據(jù)；

31、所述注意力機制通過計算輸入序列的注意力分數(shù)矩陣，得到輸入序列中每個位置對其它位置的關(guān)注度；所述注意力分數(shù)矩陣通過點積注意力機制計算，具體公式如下：

32、

33、其中，aij為注意力分數(shù)，表示位置i對位置j的關(guān)注度；eij是位置i和位置j之間的原始注意力分數(shù)；eik是位置i和位置k之間的原始注意力分數(shù)；α為縮放因子；bij為第一偏置項；bik為第二偏置項；λ為正則化系數(shù)；reg(i，j)為正則化函數(shù)，表示基于位置i和j之間的關(guān)系計算懲罰值；

34、所述懲罰值的計算，具體公式如下：

35、

36、其中，|i-j|為位置i和j之間的絕對距離；

37、所述原始注意力分數(shù)，具體公式如下：

38、

39、其中，qi為位置i的查詢向量；kj為位置j的鍵向量；為縮放因子，dk是鍵向量的維度；b為第三偏置項；

40、基于注意力分數(shù)矩陣將不同位置的信息進行加權(quán)聚合，并送至前饋神經(jīng)網(wǎng)絡(luò)進行處理，得到大模型的輸出。

41、作為優(yōu)選，所述數(shù)據(jù)集由桿塔災(zāi)害相關(guān)的因子組成，包括桿塔編號、臺風(fēng)中心風(fēng)速、桿類型、臺風(fēng)位置經(jīng)緯度、桿塔所在地區(qū)短時降雨量、桿塔地質(zhì)情況、桿塔經(jīng)緯度、溫度和濕度、臺風(fēng)移動速度、覆冰情況；

42、所述桿塔編號用于跟蹤和管理桿塔信息，作為桿塔的唯一標識符；所述臺風(fēng)中心風(fēng)速用于評估臺風(fēng)對桿塔影響；所述桿類型用于區(qū)別不同桿塔的結(jié)構(gòu)類型對風(fēng)的承受能力，所述桿塔的結(jié)構(gòu)類型包括木質(zhì)電線桿、鋼制電線桿、混凝土電線桿和復(fù)合材料電線桿；所述臺風(fēng)位置經(jīng)緯度用于計算臺風(fēng)與桿塔的相對距離和方向；所述桿塔所在地區(qū)短時降雨量用于評估在短時間內(nèi)的降雨量對土壤濕度和桿塔基礎(chǔ)穩(wěn)定性的影響；所述桿塔地質(zhì)情況用于評估桿塔所處地基的土壤類型和承載力對桿塔穩(wěn)定性的影響；所述桿塔經(jīng)緯度用于表述桿塔的準確地理位置進而進行空間分析和風(fēng)險評估；所述溫度和濕度用于評估桿塔材料的性能和壽命；所述臺風(fēng)移動速度用于判斷臺風(fēng)移動的快慢，評估臺風(fēng)對特定地區(qū)的作用時間和強度；所述覆冰情況用于判斷桿塔上是否有冰層覆蓋，評估塔桿倒桿的風(fēng)險。

43、作為優(yōu)選，所述無監(jiān)督反饋學(xué)習(xí)的具體步驟包括：

44、收集用戶反饋，包括桿塔編號和對數(shù)學(xué)模型評估結(jié)果準確性的評價；分析準確性的評價，若評價桿塔評估結(jié)果不夠準確，則檢查模型對該桿塔的評估結(jié)果；根據(jù)用戶反饋調(diào)整字段的權(quán)重值，并修改數(shù)學(xué)模型中的嵌套公式以及公式中的組合方式；基于調(diào)整后的權(quán)重值和嵌套公式重新構(gòu)建數(shù)學(xué)模型。

45、再一方面，本發(fā)明還提供一種電子設(shè)備，其上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)如本發(fā)明任一實施例所述的一種基于大模型的決策桿塔因子權(quán)重設(shè)置及評估的方法。

46、再一方面，本發(fā)明還提供一種計算機可讀介質(zhì)，用于存儲一個或者多個程序，當(dāng)所述一個或多個程序被所述一個或多個處理器執(zhí)行時，使得所述一個或多個處理器實現(xiàn)如本發(fā)明任一實施例所述的一種基于大模型的決策桿塔因子權(quán)重設(shè)置及評估的方法。

47、本發(fā)明具有如下有益效果：

48、1、本發(fā)明結(jié)合了大模型的強大推理能力和無監(jiān)督反饋學(xué)習(xí)方法，旨在解決傳統(tǒng)桿塔災(zāi)害評估方法中存在的問題，如權(quán)重分配固定、建模過程復(fù)雜以及對標簽數(shù)據(jù)的依賴等，在靈活性、適應(yīng)性、學(xué)習(xí)效率和用戶參與度等方面均表現(xiàn)出顯著的優(yōu)勢。

49、2、本發(fā)明通過大模型實現(xiàn)了動態(tài)權(quán)重分配、自動化建模和無監(jiān)督學(xué)習(xí)優(yōu)化，從而提高了桿塔災(zāi)害評估的準確性和效率。