ارائه چارچوبی شناختی مبتنی بر مدلهای زبانی بزرگ در تحلیل و اولویت بندی تخلفات برق شهری

تلفات غیر فنی برق به ویژه در قالب سرقت انرژی و دستکاری کنتور یکی از چالش های مهم شرکت های توزیع برق به شمار می رود و شناسایی به موقع مشترکین پرریسک نقش کلیدی در کاهش زیان های اقتصادی و بهبود بهره وری عملیاتی دارد. اغلب روش های موجود در تشخیص تخلف مبتنی بر تحلیل سری زمانی مصرف هستند و از داده های متنی و اطلاعات زمینه ای موجود در سازمان بهره برداری محدودی دارند. در این پژوهش یک چارچوب کمکی مبتنی بر مدل های زبانی بزرگ (LLM) برای اولویت بندی هوشمند بازرسی مشترکین برق شهری ارائه شده است. در مدل پیشنهادی داده های مصرف، گزارش های متنی و سوابق زمینه ای مشترک به صورت یکپارچه تحلیل شده و یک ارزیابی ریسک ساختارمند تولید می شود. ساختار مدل به صورت رسمی و در قالب تعریف ورودی ها و تابع خروجی ارائه شده اما از پیچیدگی های ریاضی غیرضروری اجتناب شده است. در این چارچوب مدل زبانی بزرگ به عنوان یک لایه استدلال کمکی عمل کرده و علاوه بر تعیین سطح ریسک توضیح متنی قابل فهمی از دلایل تصمیم ارائه می دهد. انتظار می رود رویکرد پیشنهادی با کاهش بازرسی های غیرضروری و بهبود تخصیص منابع نظارتی، به افزایش کارایی فرآیندهای کنترلی در شرکت های توزیع برق منجر شود.

کلیدواژه ها:

مدل های زبانی بزرگ ، تشخیص تخلفات ، برق ، اولویت بندی بازرسی ، یادگیری چندوجهی ، تحلیل ناهنجاری مصرف ، سیستم تصمیم یار هوشمند