随着电网规模的快速扩张,变电站设备的运检工作有了更高的要求。目前,变电站设备运检作业内容复杂且高度依赖运检人员的专业技术知识和经验积累,工作人员缺乏智能化的运检作业知识辅助工具和手段。充分利用电力领域积累的非结构化文本,构建、挖掘和利用具有丰富关联关系的电力领域设备知识,给运检工作人员推送变电站运检任务相关的知识,是一项具有重要研究意义和应用价值的工作。围绕变电站运检作业具体需求,本文对领域知识图谱构建中的知识抽取关键技术进行了研究,并基于知识图谱实现了面向变电站运检作业的知识推送系统,为运检人员提供缺陷运检辅助知识。具体的研究工作如下:（1）在变电站运检领域知识抽取方面,针对命名实体识别任务,提出了融合变电站运检领域词汇特征信息的双向长短期记忆网络模型,并结合条件随机场来学习序列标签约束,优化实体识别模型性能。针对实体关系抽取任务,利用预训练模型代替人工特征提取,提出了基于预训练模型微调的实体关系抽取模型,在对比实验中取得了领先的抽取结果。（2）在面向变电站运检作业知识推送方面,提出一种基于知识图谱图嵌入的文本召回方法,结合缺陷场景和运检任务信息进行候选文本的多样化获取。在推送文本的相关度排序方面,研究实现了基于模型融合的文本相关度排序方法。具体的,通过融合多个文本匹配模型来增强相关度排序模型的性能。实验表明,基于图卷积网络的图嵌入模型有着较好的图节点分类性能,可以优化候选推送文本召回。（3）在变电站运检作业知识推送系统构建方面,针对具体运检任务进行了任务分析和任务流程建模,并基于运检知识图谱设计实现了变电站运检作业知识推送系统,最后在运检作业案例中验证了知识推送的有效性。