面向电力领域的知识图谱与大模型融合关键技术及其典型应用

闫玮丹; 齐冬莲; 闫云凤; 彭继慎; 郭炳延

doi:10.13336/j.1003-6520.hve.20241018

欢迎来到能源电力期刊网！

您当前的位置：

首页 >

文章列表页 >

面向电力领域的知识图谱与大模型融合关键技术及其典型应用

电力AI大模型关键技术及应用专题 | 更新时间：2026-02-25

- 面向电力领域的知识图谱与大模型融合关键技术及其典型应用
- 面向电力领域的知识图谱与大模型融合关键技术及其典型应用
- 高电压技术 2025年51卷第4期页码：1747-1762
- 作者机构：
  
  1. 辽宁工程技术大学电气与控制工程学院
  2. 浙江大学电气工程学院
- 作者简介：
- 基金信息：
- DOI：10.13336/j.1003-6520.hve.20241018
  中图分类号： TM73;TP18;TP391.1
- 纸质出版：2025
- 稿件说明：
移动端阅览
闫玮丹, 齐冬莲, 闫云凤, 等. 面向电力领域的知识图谱与大模型融合关键技术及其典型应用[J]. 高电压技术, 2025,51(4):1747-1762.

闫玮丹, 齐冬莲, 闫云凤, et al. 面向电力领域的知识图谱与大模型融合关键技术及其典型应用[J]. 2025, 51(4): 1747-1762.
闫玮丹, 齐冬莲, 闫云凤, 等. 面向电力领域的知识图谱与大模型融合关键技术及其典型应用[J]. 高电压技术, 2025,51(4):1747-1762. DOI： 10.13336/j.1003-6520.hve.20241018.

闫玮丹, 齐冬莲, 闫云凤, et al. 面向电力领域的知识图谱与大模型融合关键技术及其典型应用[J]. 2025, 51(4): 1747-1762. DOI： 10.13336/j.1003-6520.hve.20241018.

摘要

大语言模型(large language model

LLM)及其衍生的多模态大模型因其强大的生成能力、泛化能力引发了AI新变革，但存在幻觉问题、可解释性差等不足。知识图谱(knowledge graph

KG)具备推理结果可解释、可增量知识更新等能力，但交互能力较差。该文综述了知识图谱与大模型技术的发展历程、关键技术、优势与局限。针对电力数据与业务特点，分析了两者应用于电力领域的主流方法，建立了面向电力领域的知识图谱与大模型相融合的技术架构，重点分析了各应用场景的可行性，并指出了未来面临的挑战和可能的研究方向。

Abstract

关键词

Keywords

references

浏览量

114

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于深度强化学习的主动配电网动态重构综述

电力系统频率安全评估与紧急控制研究综述

AI与量子技术在未来电网中的融合模式与应用展望

Chat GPT类大语言模型赋能电力标准数字化转型的核心技术、技术特征及应用展望

基于人工智能技术的变电站二次设备智能巡检技术