电力调度是电网安全稳定运行的核心环节。传统人机交互模式已难以满足日益增长的调度信息处理需求。自动语音识别（automatic speech recognition，ASR）技术在电力调度领域展现出巨大潜力，但面临噪声、专业词汇识别、数据匮乏、实时性、安全性和方言口音等多重挑战。文中全面总结了ASR 技术在电力调度中的研究进展，包括基于深度学习（如DRSN-Conformer、CNN-TDNN-FSA、CT-LSTM）的声学模型在噪声抑制和语音特征提取方面的创新，以及领域定制化语言模型（如NE-BERT、融合专业术语模块、大语言模型微调）在提升专业词汇识别准确率和语义理解上的关键作用；文章还探讨了流式识别、本地化部署、安全监督和声纹识别等系统实现与应用；最后，展望了未来在数据扩充、多模态融合及大语言模型应用等方向的趋势，旨在推动电力调度智能化进一步发展。
[1] 卢蓬媛 . 基于迁移学习的电力调度语音识别系统设计[D].北京:华北电力大学，2023.
[2] 鄢发齐，王春明，窦建中，等 . 基于隐马尔可夫模型的电力调度语音识别研究[J]. 武汉大学学报（工学版），2018，51（10）∶920-923.
[3] HINTON G E，DENG L，YU D，et al.Deep neural networks for acoustic modeling in speech recognition[Z]. Modern Speech Recognition，2012，29∶82-97.
[4] 窦建中，罗深增，金勇，等 . 基于深度神经网络的电力调度语音识别研究及应用[J].湖北电力，2019，43（03）∶16-22.
[5] GRAVES A，MOHAMED A rahman，HINTON G. Speech recognition with deep recurrent neural networks[C/OL]//IEEE International Conference on Acoustics，Speech and Signal Processing，2013∶6645-6649.
[6] VASWANI A，SHAZEER N，PARMAR N，et al.Attention is all you need[A/OL]. arXiv，2017. https ∶//arxiv. org/abs/1706. 03762.
[7] GULATI A，QIN J，CHIU C C，et al.Conformer ∶convolution- augmented transformer for speech recognition[A/OL].arXiv， 2020.https∶//arxiv.org/abs/2005.08100.
[8] 韩亚旭，高鹭，张飞，等 . 基于DRSN-Conformer的电力调度 语音识别[J]. 现代电子技术，2026，49（06）∶112-119.
[9] 金俣含 . 基于迁移学习和多任务学习的电力调度声学模型 研究[D]. 北京∶华北电力大学，2024.
[10] DEVLIN J，CHANG M W，LEE K，et al. BERT ∶pre-training of deep bidirectional transformers for language understand‐ ing[A/OL]. arXiv，2018. https ∶//arxiv. org/abs/1810.04805.
[11] 陈蕾，郑伟彦，余慧华，等 . 基于 BERT的电网调度语音识 别模型研究[J]. 电网技术，2021，45（08）∶2955-2961.
[12] 闫圣学 . 基于 NE-BERT 的电力调度语言模型研究[D]. 北 京∶华北电力大学，2024.
[13] 韩亚旭 . 面向电力调度场景的语音识别技术研究与应用 [D]. 包头∶内蒙古科技大学，2025.
[14] 王亚豪 . 电力调度系统的流式语音识别技术研究[D]. 包 头∶内蒙古科技大学，2023.
[15] 王邦鸿 . 基于国网电力调度场景下的智能语音识别系统 的实现与优化[D]. 西安∶西安电子科技大学，2024.
[16] 高卫恒，杨子，王文林 . 基于智能语音识别技术的电力调 度主动安全监督策略研究[J]. 山西电力，2025（06）∶30-36.
[17] 郭萌，徐胜，陈锦龙，等 . 电力调度系统人员声纹特征AI回 溯提取方法[J]. 微型电脑应用，2025，41（01）∶134-137.
