本技术涉及语音识别，尤其是涉及一种基于大模型技术的变电站语音调控方法和调控系统。
背景技术：
1、变电站，作为电网体系的核心枢纽，不仅扮演着电能从高压到低压转换的关键角色，确保电力安全送达千家万户、各行各业，还承担着电力系统的智能分配、精细调控与坚实防护的重任。在信息技术、人工智能与大数据浪潮的推动下，电力行业正加速迈向智能化新纪元，其中，语音调控变电站这一创新模式崭露头角，引领着变电站操作方式的革新。与以往依赖繁重人工操作的传统模式相比，语音指令的引入极大地简化了对变电站内部设备的操控流程，同时，还便于降低因人为误操作而引发风险的概率。
2、但是，若采用语音指令对变电站内部设备进行调控时，语音识别过程中出现错误，则可能会导致错误的操作指令被执行，进而可能导致变电站内部设备故障、电力中断甚至安全事故。因此，在采用语音指令对变电站内部设备进行调控过程中，对语音指令进行识别时的准确性尤为关键。
技术实现思路
1、为了提升对语音指令进行识别时的准确性，从而提升语音调控操作的精准度，本技术提供一种基于大模型技术的变电站语音调控方法和调控系统。
2、第一方面，本技术提供一种基于大模型技术的变电站语音调控方法，采用如下的技术方案：
3、一种基于大模型技术的变电站语音调控方法，包括：
4、获取调控语音指令，基于所述调控语音指令确定对应的目标词典组，并基于所述目标词典组将所述调控语音指令对应的调控语音转换为调控文字；
5、基于预设自然语言识别大模型，对所述调控文字进行关键字提取，得到关键调控文字；
6、对所述关键调控文字进行逻辑转化得到调控逻辑，并基于所述调控逻辑对目标调控设备进行调控。
7、通过采用上述技术方案，通过调控语音指令选择对应的目标词典组进行语音转换，而不是采用固定的词典组进行语音转换，便于提升语音转换速率的同时，还便于提升语音转换结果的准确性，另外，利用预设自然语言识别大模型服务对调控文字进行关键字提取，可减少调控文字的冗余，从而便于从调控文字中筛选出更加准确和更加全面的结果，进而便于提升后续确定调控逻辑时的准确性，通过提升调控语音转换为调控文字时的准确性，以及调控文字转化为调控逻辑时的准确性，以便于提升语音识别的准确性，从而便于提升基于语言对变电站内设备进行调控时的精准度。
8、在一种可能实现的方式中，所述基于所述调控语音指令确定对应的目标词典组，包括：
9、检测到所述调控语音指令后，获取前置参数，所述前置参数包括调控时刻、调控环境以及设备状态；
10、基于所述调控时刻从历史词典库中确定第一词典组，并基于所述第一词典组和预设数据图层确定第一词典层，所述第一词典组中包含多个第一数据项，以及每个第一数据项之间的数据关联关系；
11、基于所述调控环境从所述历史词典库中确定第二词典组，并基于所述第二词典组和预设数据图层确定第二词典层，所述第二词典组中包含多个第二数据项，以及每个第二数据项之间的数据关联关系；
12、基于所述设备状态从所述历史词典库中确定第三词典组，并基于所述第三词典组和预设数据图层确定第三词典层，所述第三词典组中包含多个第三数据项，以及每个第三数据项之间的数据关联关系；
13、基于所述第一词典层、所述第二词典层以及所述第三词典层，确定目标词典组。
14、通过采用上述技术方案，通过对调控语音指令进行分析，以便于确定出与调控语音指令相关的前置参数，基于前置参数可对调控语音指令所适用的场景以及适用词典进行预测，最后基于多个前置参数对应的词典层共同确定调控语音指令对应的目标词典组，便于提升目标词典组与调控语音指令之间的适配性，从而便于提升调控语音转换结果的准确性。
15、在一种可能实现的方式中，所述基于所述第一词典层、所述第二词典层以及所述第三词典层，确定目标词典组，包括：
16、将所述第一词典层、所述第二词典层以及所述第三词典层进行图层叠加，得到叠加词典层；
17、对所述叠加词典层进行区域划分得到多个子叠加词典域，每个子叠加词典域包含子第一词典层、子第二词典层以及子第三词典层；
18、将每个子叠加词典域中子第一词典层、子第二词典层以及子第三词典层各自对应的数据项进行匹配，确定每个子叠加词典域对应的数据项匹配值；
19、根据每个子叠加词典域对应的数据项匹配值和预设匹配值，确定目标子叠加词典域，并基于所述目标子叠加词典域确定目标词典组。
20、通过采用上述技术方案，通过将第一词典层、第二词典层以及第三词典层进行叠加以形成叠加词典层，便于对不同的前置参数对应的词典层进行综合考虑和分析，通过对叠加词典层进行区域划分便于提升对数据项进行分析时的精确度和针对性，另外，通过对子叠加词典域内不同的词典层中包含的数据项进行匹配，以便于对同一子叠加词典域内不同数据项之间的关联程度进行分析，最后通过数据项匹配值从多个子叠加词典域中确定目标词典组，便于提升确定目标词典组时的可靠性，从而便于提升将调控语音进行转换时的准确性。
21、在一种可能实现的方式中，所述基于所述目标词典组将所述调控语音指令对应的控制语音转换为调控文字，包括：
22、对所述控制语音进行音频分段，得到多个分段音节；
23、基于所述目标词典组，确定出每个分段音节对应的至少一个初始调控字段，并基于每个分段音节在所述控制语音中的位置，将每个分段音节对应的至少一个初始调控字段进行叠加得到初始调控文字；
24、根据每个分段音节对应的至少一个初始调控字段确定每个分段音节对应的数据项矩阵，并将每个数据项矩阵进行数据矩阵整合，得到整合数据项矩阵，所述整合数据项矩阵中包含多个矩阵元素；
25、获取历史转换数据，并基于所述历史转换数据确定每个矩阵元素的元素值；
26、基于每个矩阵元素和预设元素值确定目标矩阵元素，并基于所述目标矩阵元素对应的初始调控字段确定所述调控文字。
27、通过采用上述技术方案，通过将控制语音进行音频分段，即，将控制语音划分为多个独立且易于处理的分段音节，通过对各个分段音节进行分析和处理，便于提升对控制语音进行分析和处理时的准确性，另外，通过从目标词典组中识别和分析出每个分段音节对应的初始调控字段后，再基于历史转换数据对不同初始调控字段构成的矩阵元素值进行确定，便于将不同分段音节对应的初始调控字段进行组合，并将每个组合在历史转换数据中出现的概率进行量化，便于提升确定调控文字时的速率和准确性，其中，通过将不同分段音节对应的初始调控字段转换为矩阵数据，还便于提升对初始调控字段进行分析和处理过程中的便捷性。
28、在一种可能实现的方式中，所述基于所述历史转换数据确定每个矩阵元素的元素值之后，该方法还包括：
29、根据每个矩阵元素的元素值，对多个矩阵元素进行排序得到元素序列，并基于所述元素序列和每个矩阵元素对应的初始调控字段，确定调控文字列表；
30、若在预设时间段内接收到重复调控语言指令时，基于所述调控文字列表更新所述调控文字。
31、通过采用上述技术方案，通过对不同的调控文字进行排列，当用户对推送的调控文字满意度较低时，可通过调控文字列表快速推送相关调控文字，从而便于提升用户满意度。
32、在一种可能实现的方式中，所述获取调控语音指令之前，该方法还包括：
33、当接收到唤醒特征时，启动接收监听计时并得到接收监听时长；
34、若未获取到调控语音指令，且所述接收监听时长高于预设接收时长，则关闭接收监听服务。
35、通过采用上述技术方案，通过设定接收监听时长并监控其是否超过预设的接收时长，能够在未接收到有效的调控语音指令时，自动关闭接收监听服务，便于避免长时间处于等待接收指令的状态，从而便于降低资源消耗。
36、第二方面，本技术提供一种调控系统，采用如下的技术方案：
37、一种调控系统，该调控系统包括：
38、至少一个处理器；
39、存储器；
40、至少一个应用程序，其中所述至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行，所述至少一个应用程序配置用于：执行上述基于大模型技术的变电站语音调控方法。
41、第三方面，本技术提供一种计算机可读存储介质，采用如下的技术方案：
42、一种计算机可读存储介质，包括：存储有能够被处理器加载并执行上述基于大模型技术的变电站语音调控方法的计算机程序。
43、第四方面，本技术提供了一种计算机程序产品，采用如下的技术方案：
44、一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现上述基于大模型技术的变电站语音调控方法。
45、综上所述，本技术包括以下至少一种有益技术效果：
46、通过调控语音指令选择对应的目标词典组进行语音转换，而不是采用固定的词典组进行语音转换，便于提升语音转换速率的同时，还便于提升语音转换结果的准确性，另外，利用预设自然语言识别大模型服务对调控文字进行关键字提取，可减少调控文字的冗余，从而便于从调控文字中筛选出更加准确和更加全面的结果，进而便于提升后续确定调控逻辑时的准确性，通过提升调控语音转换为调控文字时的准确性，以及调控文字转化为调控逻辑时的准确性，以便于提升语音识别的准确性，从而便于提升基于语言对变电站内设备进行调控时的精准度。
47、通过将控制语音进行音频分段，即，将控制语音划分为多个独立且易于处理的分段音节，通过对各个分段音节进行分析和处理，便于提升对控制语音进行分析和处理时的准确性，另外，通过从目标词典组中识别和分析出每个分段音节对应的初始调控字段后，再基于历史转换数据对不同初始调控字段构成的矩阵元素值进行确定，便于将不同分段音节对应的初始调控字段进行组合，并将每个组合在历史转换数据中出现的概率进行量化，便于提升确定调控文字时的速率和准确性，其中，通过将不同分段音节对应的初始调控字段转换为矩阵数据，还便于提升对初始调控字段进行分析和处理过程中的便捷性。
1.一种基于大模型技术的变电站语音调控方法，其特征在于，包括：
2.根据权利要求1所述的一种基于大模型技术的变电站语音调控方法，其特征在于，所述基于所述调控语音指令确定对应的目标词典组，包括：
3.根据权利要求2所述的一种基于大模型技术的变电站语音调控方法，其特征在于，所述基于所述第一词典层、所述第二词典层以及所述第三词典层，确定目标词典组，包括：
4.根据权利要求1所述的一种基于大模型技术的变电站语音调控方法，其特征在于，所述基于所述目标词典组将所述调控语音指令对应的控制语音转换为调控文字，包括：
5.根据权利要求4所述的一种基于大模型技术的变电站语音调控方法，其特征在于，所述基于所述历史转换数据确定每个矩阵元素的元素值之后，还包括：
6.根据权利要求1所述的一种基于大模型技术的变电站语音调控方法，其特征在于，所述获取调控语音指令之前，还包括：
7.一种调控系统，其特征在于，该调控系统包括：
8.一种计算机可读存储介质，其特征在于，包括：存储有能够被处理器加载并执行如权利要求1-6中任一项所述的一种基于大模型技术的变电站语音调控方法的计算机程序。
9.一种计算机程序产品，其特征在于，包括计算机程序，所述计算机程序被处理器执行时实现权利要求1-6中任一项所述的一种基于大模型技术的变电站语音调控方法的步骤。
