電網是高效快捷的能源輸送通道和優化配置平臺，是能源電力可持續發展的關鍵環節，在現代能源供應體系中發揮著重要的樞紐作用，關系國家能源安全。2010年以來，國家電網規模增長近一倍，保障了經濟社會發展對能源電力的需求。
隨著人工智能技術的快速發展，機器智能的優勢正逐漸深入各行各業。自然語言處理技術作為人工智能領域最具代表也最有難度的研究課題，能夠對人類語言和文本類數據進行處理和學習。智能電網的概念與自然語言處理的結合，則能夠衍生至通過文本閱讀理解，文本相似度計算，知識圖譜等技術，在項目招標，檢測預警，維護修理，以及渠道客戶等電網業務的應用場景當中落地。提升電網業務的工作效率，造福廣大人民群眾。
一、電力行業的市場規模
2005年以來，智能電網關注度就逐漸提升，這既是現代電力系統日益復雜的要求。智能電網的概念是眾多技術、解決方案，甚至包括政策和監管機制的合集。未來幾年，新能源裝機和發電量占比的提升必然趨勢，電網必將圍繞清潔能源消納進行系統化的投資升級。而中東部地區興起的大量間歇性分布式并網也需要智能配電網絡的支撐。目前我國智能電網市場需求方主要是國家電網，南方電網，以及地方供電局和一些地方電力公司。目前，在市場里能夠提供較為全面的智能電網解決方案的供應商還十分有限，但是大多數企業都已經開始在某個或多個細分領域逐步展開智能化的戰略部署。
二、智能電網中的自然語言處理技術
文本信息抽取: 文本信息抽取主要是結合機器閱讀理解，通過訓練Word2vec模型，將文本數據中有效的信息識別出來，實現可以制動從文本數據中識別并抽取關鍵信息內容的功能。文本信息抽取的技術可以應用電網招標文檔數據的結構化整理，便于招標文檔的聚類和整理。同時也適用于電網企業說明文檔的檢測管理以及檢測警報等任務
文檔相似度分析:文檔相似度主要是依賴文字內容語義相似度計算的技術實現的一種典型NLP技術。一般用于信息檢索的和知識問答的模糊匹配。這項技術被運用與電網維修行業，維修人員可以通過提問，或關鍵字搜索的方式對信息量龐大的電網維修說明文檔進行快速的檢索。系統可以找到精準的相關內容，并生成說明內容返回給為維修人員。
知識圖譜: 知識圖譜能夠有效的將系統當中的知識類信息進行整理與關聯，從而實現信息數據質檢的相互聯結與溝通。針對包含專業技術和知識類文本數據組建圖數據庫，從而實現復雜的檢索功能和智能輔助決策的功能。通過圖數據庫提升文本信息的檢索質量，可運用電網管理監控，電網知識類智能問答客服等場景。
情感識別:感情識別技術指的是通過對工作業務當中對話內容信息的聚類和理解，識別用戶在對話內容中所表達的情感信息的技術。感情識別技術主要依靠長期短期記憶（LSTM）算法，對相關業務對話語料的上下文信息進行學習，結合對話當中的語境信息，判斷對話內容中所表達的情緒正負極，進而理解對話內容的話題與意圖。
三、自然語言處理在電力行業中應用案例
電網檢測警報：傳統的電網檢測警報無法對在短時間內對發生的警報事件做出準確的判斷。鑒于目前監測報警信息效率低的現狀，人工智能技術為電網業務提供了有效的解決方案。首先，通過自然語言處理技術對報警信息文本的特征進行分析和整理，并做好預處理工作�；赪ord2vec模型對監視警報信息進行矢量化，最后，針對報警信息的特點，建立了基于LSTM和CNN組合的監控報警事件識別模型。該模型可以通過與多種識別模型的比較，以驗證本文方法的可行性和有效性。
智能電網檢修問答系統：通過機器閱讀理解技術將電網安規的文檔進行讀取和分析，然后把文檔中的段落建索引。電網維修人員可以通過自然語言問答的形式提出問題，并得到相關的答案指導。當維修人員向系統提問后，系統會先在索引里搜索相關段落，再從找到的段落中讀出問題答案。搜索返回的是段落，系統將段落內容轉精煉成回答短語，返回輸出給維修人員。系統會理解文本內容，之后再抽取原文的一部分內容作為答案輸出。系統依賴bert 模型預測出來文章當中哪一段能回答這個問題的概率最高。（學術的閱讀理解數據集上，人能做到86.8, 最好的模型做到88.6了）
智能電網招標資料查重系統：電網公司在項目招標采購過程中, 一般要對招標資料進行查重工作, 在歷史項目資料庫中查找是否存在類似項目, 以防止項目重復招標的情況發生, 避免資金浪費。使用潛在語義索引的方法, 對文檔中的語義進行分析, 使用自然語言處理領域的中文分詞、詞向量轉換、詞權重計算、主題建模等技術構建了一套文檔相似度分析系統。該系統可在海量歷史項目資料庫中快速找出與目標文檔相似的項目, 并計算出文檔相似度百分比, 輔助招標采購專職判斷招標資料是否合規。系統的研究與應用, 對規范電網公司項目招標采購管理具有重要實用價值。
渠道客戶偏好分析系統：對于渠道客戶的管理是電網行業當中的一個重要環節。通過自然語言處理技術，可以有效的提高電力公司對渠道客戶的管理工作。智能渠道客戶偏好分析系統能夠通從客戶對接業務項目的文本信息中識別客戶對各種渠道使用的喜好程度、客戶與電網企業交互的活躍程度、客戶關注偏好類別, 有針對性地引導客戶進行渠道轉移, 減少渠道服務成本。自然語言處理技術還能從客戶服務相關的語料數據中發現客戶投訴傾向分析指識別客戶投訴特征及變化規律, 對營銷業務、客戶基礎信息與客戶投訴之間進行關聯分析。結合客戶服務歷史及歷史滿意度評價情況, 對服務過程中因服務行為、供電質量等服務質量引起的投訴和滿意度評價較低的信息進行分析, 找出關聯關系。
四、自然語言理解在電網業務中發展趨勢
目前在電網行業中，NLP技術的主要應用場景依然是輔助業務的智能客服中心。未來，將會有更多電網業務相關的數據被挖掘和記錄，屆時NLP技術將會進一步的深入到電網成功具體的管理檢測和維護當中。NLP技術在電網行業當中的應用剛剛起步，對數應用還在實驗和探索階段，中國國家電網和南方電網等企業正在積極與個大NLP公司和院校相關的實驗室合作，共同探索人工智能技術在電網電力領域的應用，推動電網電力智能化的戰略方針，更好的服務于百姓。
五、自然語言理解在電網業務中的局限性
自然語言處理技術在電網領域當中的應用依然是一個正在探索和嘗試的課題。真正在實際場景中落地的項目非常有限，相關進展主要來著科研高校以及科技公司的POC項目當中。項目當中的數據多為實驗數據，缺乏一定的客觀性和真實性。
從目前的發展現狀來看，電網行業中數據的獲取和整理將會是一個較大的挑戰。目前市面上還沒有一個很好的針對電網領域的NLP模型。電網領域的內容具有一定的專業性，且需要進行大量有效的人工標注才能訓練出一個有效的模型。另外，電網公司是比較傳統的能源類企業，其工作方式以及工作系統已經形成體系，相對于其他行業來說，電網業務智能化的替換成本更大，且門檻更高。短期之內，NLP在電網行業中的應用多數還是以協助人類工作為目的，這就需要工作人員接受并掌握新的工作形式和模式。
