现代社会的发展对电网供电可靠性要求越来越高,电网发生故障后,如果不能及时恢复,会对社会生产带来严重的影响。目前电网故障恢复过程主要是通过调度人员手工翻阅调度文件,获取相应故障恢复信息后,结合个人经验进行故障恢复,其本质上属于经验型恢复过程,智能化水平有待进一步提高。本文深入分析了知识图谱技术在电网故障恢复领域的优势,提出了构建电网故障恢复知识图谱,将非结构化的故障恢复信息转变为结构化知识进行存储的方法。在故障恢复过程中,调度人员借助本文研究的知识问答技术,快速获取与故障处置相关的信息,增强了调度人员处置效率,提高了故障恢复过程的智能化水平。本文的主要工作内容如下:（1）实体抽取是构建故障恢复知识图谱的重要一环,现有实体抽取方法需要大量标注语料,而在电力领域难以获取,本文提出了联合迁移和主动学习的实体抽取模型。在迁移学习模块中,设计并训练出ELETRIC-BERT,减少了模型对标注语料的依赖。在主动学习模块中,提出使用平均对数概率衡量样本不确定性,克服了句子长度带来的负面影响,提升了主动学习策略在减少标注语料依赖方面的效果。最后,给出模块替换策略,对模型压缩,显著提高了模型的训练和推理速度。（2）结合提出的实体抽取模型,完成了本体构建、信息抽取和知识存储等知识图谱构建环节后,本文构建出了电网故障恢复知识图谱,对知识图谱进行了可视化,以友好的方式向调度人员展示调度知识。（3）故障恢复过程中,调度人员经常从调度文件中检索与故障相关的问题答案,其中检索的问题中包括复杂问题。为了处理此类型问题,本文设计了基于路径排序的知识问答方法,包括主题实体获取、候选路径类获取与排序、候选路径筛选三个串行的模块。三个模块的联合,有效地提高了复杂问题的答案召回率。（4）本文设计实现了一个电网故障恢复智能辅助系统,在华东网调某电力公司进行了实地部署测试,测试结果表明该系统可以有效增强调度人员处置效率,提高电网故障恢复过程的智能化水平。