本技术涉及电力设备领域，具体涉及一种电力设备数据智能交互方法、系统、设备及介质。
背景技术：
1、在电力设备领域下，基于用户自然语言查询生成数据库查询数据库语言sql语句，包括以下几种方案：
2、方案一，模板槽位填充方法。将sql的生成过程分为多个子任务，每一个子任务负责预测一种语法现象中的列，该方法对于单表无嵌套效果好，并且生成的sql可以保证语法正确，缺点是只能建模固定的sql语法模板，对于有嵌套的sql情况，无法对所有嵌套现象进行灵活处理。
3、方案二，深度学习方法。主要思想是将sql语句生成问题转化为序列生成或分类任务。如seq2sql算法将模型分为3个组件：聚合分类器、选择select列的指示地方pointer和哪里where条件解码器，并通过强化学习来学习策略以生成正确的sql查询语句。深度学习方式更能捕捉查询语句的复杂语义，但对训练数据要求较高。
4、方案三，基于大模型的方法。主要思想是将数据库结构作为提示词输入大模型生成sql语句。但在实际业务场景中，数据库结构较为复杂普遍存在多表多列的情况，输入模型的令牌token较长，而大模型的输入token长度受限，且输入无效token越长模型性能下降明显。
5、实际电力设备场景中的实时运行数据库表结构设计较为复杂，往往涉及多张表，每张表涉及众多字段，同时将所有表信息作为上下文输入模型难度大。
6、所以，目前亟需解决电力设备场景中因对数据库的领域知识匮乏、数据库结构不熟悉及sql查询语句不熟练等因素导致的数据查询门槛高以及数据利用效率低等问题。
技术实现思路
1、为了解决现有技术中因对数据库的领域知识匮乏、数据库结构不熟悉及sql查询语句不熟练等因素导致的数据查询门槛高以及数据利用效率的问题，本技术提出了一种电力设备数据智能交互方法，包括：
2、基于用户输入的查询信息进行数据库表信息检索，得到数据库表信息；
3、基于所述查询信息进行电力设备知识库检索，得到业务知识计算逻辑和上下文学习示例；
4、基于所述数据库表信息、业务知识计算逻辑和上下文学习示例创建提示，并将提示输入到大模型中生成数据库语句；
5、运行所述数据库语句并判定是否成功，若运行成功则输出所述查询信息对应的查询结果；否则根据所述数据库语句进行错误校正，得到校正后的数据库语句并重新运行。
6、优选的，所述基于用户输入的查询信息进行数据库表信息检索，得到数据库表信息，包括：
7、通过编码器对数据库表的表名、列名以及注释信息进行编码，得到表向量库和列向量库；
8、基于所述查询信息的用户查询编码分别与所述表向量库和列向量库进行余弦相似度计算，得到匹配度最高的表名和列名，并提取得到主外键和与其他数据库表的连接关系。
9、优选的，所述基于所述查询信息进行电力设备知识库检索，得到业务知识计算逻辑和上下文学习示例，包括：
10、基于领域知识词典采用模糊匹配算法对所述查询信息进行检索，得到业务知识计算逻辑；
11、基于业务知识问答库采用孪生网络编码句向量与查询信息进行对比学习，得到上下文学习示例；
12、其中，所述电力设备知识库是由基于指标计算、枚举条件、实体别名和模糊意图多维度构建的领域知识词典和基于电力设备场景中高频查询意图构建的业务知识问答库组成的。
13、优选的，所述基于所述数据库语句进行运行判定，若运行失败则进行错误校正，包括：
14、基于所述数据库语句利用思维提示链技术分析运行错误信息、检查表名和列名是否存在、检查外键是否正确、检查是否缺失或存在冗余升序和降序或去重关键词，得到校正后的数据库语句并重新运行。
15、优选的，所述数据库表信息包括：表名、列名、表主外键和关联关系中的一个或多个。
16、基于同一申请构思，本技术还提出了一种电力设备数据智能交互系统，包括：
17、表信息检索模块，用于基于用户输入的查询信息进行数据库表信息检索，得到数据库表信息；
18、领域知识检索模块，用于基于所述查询信息进行电力设备知识库检索，得到业务知识计算逻辑和上下文学习示例；
19、模型推理模块，用于基于所述数据库表信息、业务知识计算逻辑和上下文学习示例创建提示，并将提示输入到大模型中生成数据库语句；
20、校正模块，用于运行所述数据库语句并判定是否成功，若运行成功则输出所述查询信息对应的查询结果；否则根据所述数据库语句进行错误校正，得到校正后的数据库语句并重新运行。
21、优选的，所述数据库表信息检索模块，具体用于：
22、通过编码器对数据库表的表名、列名以及注释信息进行编码，得到表向量库和列向量库；
23、基于所述查询信息的用户查询编码分别与所述表向量库和列向量库进行余弦相似度计算，得到匹配度最高的表名和列名，并提取得到主外键和与其他数据库表的连接关系。
24、优选的，所述领域知识检索模块，具体用于：
25、基于领域知识词典采用模糊匹配算法对所述查询信息进行检索，得到业务知识计算逻辑；
26、基于业务知识问答库采用孪生网络编码句向量结合对比学习对所述查询信息进行检索，得到上下文学习示例；
27、其中，所述电力设备知识库是由基于指标计算、枚举条件、实体别名和模糊意图多维度构建的领域知识词典和基于电力设备场景中高频查询意图构建的业务知识问答库组成的。
28、优选的，所述校正模块，具体用于：
29、基于所述数据库语句利用思维提示链技术分析运行错误信息、检查表名和列名是否存在、检查外键是否正确、检查是否缺失或存在冗余升序和降序或去重关键词，得到校正后的数据库语句并重新运行。
30、优选的，所述数据库表信息检索模块中的数据库表信息包括：表名、列名、表主外键和关联关系中的一个或多个。
31、再一方面，本技术还提出了一种电子设备，包括：至少一个处理器和存储器；所述存储器和处理器通过总线相连；
32、所述存储器，用于存储一个或多个程序；
33、当所述一个或多个程序被所述至少一个处理器执行时，实现如上述所述的一种电力设备数据智能交互方法。
34、再一方面，本技术还提出了一种可读存储介质，其上存有执行程序，所述执行程序被执行时，实现如上述所述的一种电力设备数据智能交互方法。
35、与现有技术相比，本技术的有益效果为：
36、一种电力设备数据智能交互方法、系统、设备及介质，包括：基于用户输入的查询信息进行数据库表信息检索，得到数据库表信息；基于所述查询信息进行电力设备知识库检索，得到业务知识计算逻辑和上下文学习示例；基于所述数据库表信息、业务知识计算逻辑和上下文学习示例创建提示，并将提示输入到大模型中生成数据库语句；运行所述数据库语句并判定是否成功，若运行成功则输出所述查询信息对应的查询结果；否则根据所述数据库语句进行错误校正，得到校正后的数据库语句并重新运行；本技术进行数据库表信息检索可以实现对用户查询进行表字段链接、表主外键、表关联关系的抽取，有效提升了模型生成数据库语言的准确率和性能，降低数据查询门槛，提高数据利用效率；本技术的电力设备知识库可以实现业务知识注入的灵活与可扩展性；本技术对运行错误的数据库语句进行错误校正，可以提升模型生成的准确率；
37、本技术利用领域知识词典和知识问答库进行检索，可以解决实际业务中模糊意图查询的问题，并提升业务知识的可扩展性和可解释性。
1.一种电力设备数据智能交互方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述基于用户输入的查询信息进行数据库表信息检索，得到数据库表信息，包括：
3.根据权利要求1所述的方法，其特征在于，所述基于所述查询信息进行电力设备知识库检索，得到业务知识计算逻辑和上下文学习示例，包括：
4.根据权利要求1所述的方法，其特征在于，所述根据所述数据库语句进行错误校正，得到校正后的数据库语句并重新运行，包括：
5.根据权利要求3所述的方法，其特征在于，所述数据库表信息包括：表名、列名、表主外键和关联关系中的一个或多个。
6.一种电力设备数据智能交互系统，其特征在于，包括：
7.根据权利要求6所述的系统，其特征在于，所述数据库表信息检索模块，具体用于：
8.根据权利要求6所述的系统，其特征在于，所述领域知识检索模块，具体用于：
9.根据权利要求6所述的系统，其特征在于，所述校正模块，具体用于：
10.根据权利要求8所述的系统，其特征在于，所述数据库表信息检索子模块中的数据库表信息包括：表名、列名、表主外键和关联关系中的一个或多个。
11.一种电子设备，其特征在于，包括：至少一个处理器和存储器；所述存储器和处理器通过总线相连；
12.一种可读存储介质，其特征在于，其上存有执行程序，所述执行程序被执行时，实现如权利要求1至5中任一项所述的一种电力设备数据智能交互方法。
