电网是高效快捷的能源输送通道和优化配置平台，是能源电力可持续发展的关键环节，在现代能源供应体系中发挥着重要的枢纽作用，关系国家能源安全。2010年以来，国家电网规模增长近一倍，保障了经济社会发展对能源电力的需求。
随着人工智能技术的快速发展，机器智能的优势正逐渐深入各行各业。自然语言处理技术作为人工智能领域最具代表也最有难度的研究课题，能够对人类语言和文本类数据进行处理和学习。智能电网的概念与自然语言处理的结合，则能够衍生至通过文本阅读理解，文本相似度计算，知识图谱等技术，在项目招标，检测预警，维护修理，以及渠道客户等电网业务的应用场景当中落地。提升电网业务的工作效率，造福广大人民群众。
一、电力行业的市场规模
2005年以来，智能电网关注度就逐渐提升，这既是现代电力系统日益复杂的要求。智能电网的概念是众多技术、解决方案，甚至包括政策和监管机制的合集。未来几年，新能源装机和发电量占比的提升必然趋势，电网必将围绕清洁能源消纳进行系统化的投资升级。而中东部地区兴起的大量间歇性分布式并网也需要智能配电网络的支撑。目前我国智能电网市场需求方主要是国家电网，南方电网，以及地方供电局和一些地方电力公司。目前，在市场里能够提供较为全面的智能电网解决方案的供应商还十分有限，但是大多数企业都已经开始在某个或多个细分领域逐步展开智能化的战略部署。
二、智能电网中的自然语言处理技术
文本信息抽取: 文本信息抽取主要是结合机器阅读理解，通过训练Word2vec模型，将文本数据中有效的信息识别出来，实现可以制动从文本数据中识别并抽取关键信息内容的功能。文本信息抽取的技术可以应用电网招标文档数据的结构化整理，便于招标文档的聚类和整理。同时也适用于电网企业说明文档的检测管理以及检测警报等任务
文档相似度分析:文档相似度主要是依赖文字内容语义相似度计算的技术实现的一种典型NLP技术。一般用于信息检索的和知识问答的模糊匹配。这项技术被运用与电网维修行业，维修人员可以通过提问，或关键字搜索的方式对信息量庞大的电网维修说明文档进行快速的检索。系统可以找到精准的相关内容，并生成说明内容返回给为维修人员。
知识图谱: 知识图谱能够有效的将系统当中的知识类信息进行整理与关联，从而实现信息数据质检的相互联结与沟通。针对包含专业技术和知识类文本数据组建图数据库，从而实现复杂的检索功能和智能辅助决策的功能。通过图数据库提升文本信息的检索质量，可运用电网管理监控，电网知识类智能问答客服等场景。
情感识别:感情识别技术指的是通过对工作业务当中对话内容信息的聚类和理解，识别用户在对话内容中所表达的情感信息的技术。感情识别技术主要依靠长期短期记忆（LSTM）算法，对相关业务对话语料的上下文信息进行学习，结合对话当中的语境信息，判断对话内容中所表达的情绪正负极，进而理解对话内容的话题与意图。
三、自然语言处理在电力行业中应用案例
电网检测警报：传统的电网检测警报无法对在短时间内对发生的警报事件做出准确的判断。鉴于目前监测报警信息效率低的现状，人工智能技术为电网业务提供了有效的解决方案。首先，通过自然语言处理技术对报警信息文本的特征进行分析和整理，并做好预处理工作�；赪ord2vec模型对监视警报信息进行矢量化，最后，针对报警信息的特点，建立了基于LSTM和CNN组合的监控报警事件识别模型。该模型可以通过与多种识别模型的比较，以验证本文方法的可行性和有效性。
智能电网检修问答系统：通过机器阅读理解技术将电网安规的文档进行读取和分析，然后把文档中的段落建索引。电网维修人员可以通过自然语言问答的形式提出问题，并得到相关的答案指导。当维修人员向系统提问后，系统会先在索引里搜索相关段落，再从找到的段落中读出问题答案。搜索返回的是段落，系统将段落内容转精炼成回答短语，返回输出给维修人员。系统会理解文本内容，之后再抽取原文的一部分内容作为答案输出。系统依赖bert 模型预测出来文章当中哪一段能回答这个问题的概率最高。（学术的阅读理解数据集上，人能做到86.8, 最好的模型做到88.6了）
智能电网招标资料查重系统：电网公司在项目招标采购过程中, 一般要对招标资料进行查重工作, 在历史项目资料库中查找是否存在类似项目, 以防止项目重复招标的情况发生, 避免资金浪费。使用潜在语义索引的方法, 对文档中的语义进行分析, 使用自然语言处理领域的中文分词、词向量转换、词权重计算、主题建模等技术构建了一套文档相似度分析系统。该系统可在海量历史项目资料库中快速找出与目标文档相似的项目, 并计算出文档相似度百分比, 辅助招标采购专职判断招标资料是否合规。系统的研究与应用, 对规范电网公司项目招标采购管理具有重要实用价值。
渠道客户偏好分析系统：对于渠道客户的管理是电网行业当中的一个重要环节。通过自然语言处理技术，可以有效的提高电力公司对渠道客户的管理工作。智能渠道客户偏好分析系统能够通从客户对接业务项目的文本信息中识别客户对各种渠道使用的喜好程度、客户与电网企业交互的活跃程度、客户关注偏好类别, 有针对性地引导客户进行渠道转移, 减少渠道服务成本。自然语言处理技术还能从客户服务相关的语料数据中发现客户投诉倾向分析指识别客户投诉特征及变化规律, 对营销业务、客户基础信息与客户投诉之间进行关联分析。结合客户服务历史及历史满意度评价情况, 对服务过程中因服务行为、供电质量等服务质量引起的投诉和满意度评价较低的信息进行分析, 找出关联关系。
四、自然语言理解在电网业务中发展趋势
目前在电网行业中，NLP技术的主要应用场景依然是辅助业务的智能客服中心。未来，将会有更多电网业务相关的数据被挖掘和记录，届时NLP技术将会进一步的深入到电网成功具体的管理检测和维护当中。NLP技术在电网行业当中的应用刚刚起步，对数应用还在实验和探索阶段，中国国家电网和南方电网等企业正在积极与个大NLP公司和院校相关的实验室合作，共同探索人工智能技术在电网电力领域的应用，推动电网电力智能化的战略方针，更好的服务于百姓。
五、自然语言理解在电网业务中的局限性
自然语言处理技术在电网领域当中的应用依然是一个正在探索和尝试的课题。真正在实际场景中落地的项目非常有限，相关进展主要来着科研高校以及科技公司的POC项目当中。项目当中的数据多为实验数据，缺乏一定的客观性和真实性。
从目前的发展现状来看，电网行业中数据的获取和整理将会是一个较大的挑战。目前市面上还没有一个很好的针对电网领域的NLP模型。电网领域的内容具有一定的专业性，且需要进行大量有效的人工标注才能训练出一个有效的模型。另外，电网公司是比较传统的能源类企业，其工作方式以及工作系统已经形成体系，相对于其他行业来说，电网业务智能化的替换成本更大，且门槛更高。短期之内，NLP在电网行业中的应用多数还是以协助人类工作为目的，这就需要工作人员接受并掌握新的工作形式和模式。
