CN110941725A - 一种基于知识图谱的水电机组故障诊断方法及系统 - Google Patents
一种基于知识图谱的水电机组故障诊断方法及系统 Download PDFInfo
- Publication number
- CN110941725A CN110941725A CN201911201516.1A CN201911201516A CN110941725A CN 110941725 A CN110941725 A CN 110941725A CN 201911201516 A CN201911201516 A CN 201911201516A CN 110941725 A CN110941725 A CN 110941725A
- Authority
- CN
- China
- Prior art keywords
- fault
- generating set
- hydroelectric generating
- knowledge graph
- diagnosis
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003745 diagnosis Methods 0.000 title claims abstract description 52
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000012544 monitoring process Methods 0.000 claims abstract description 47
- 230000002159 abnormal effect Effects 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 12
- 208000024891 symptom Diseases 0.000 claims description 12
- 230000003993 interaction Effects 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 6
- 239000000463 material Substances 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 230000005856 abnormality Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 230000010349 pulsation Effects 0.000 claims description 4
- 230000007547 defect Effects 0.000 claims description 3
- 238000011835 investigation Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 238000010977 unit operation Methods 0.000 claims description 3
- 230000002452 interceptive effect Effects 0.000 abstract description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 11
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000005461 lubrication Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000003211 malignant effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000012567 pattern recognition method Methods 0.000 description 1
- 238000011056 performance test Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种基于知识图谱的水电机组故障诊断方法及系统,其将多模式匹配和知识图谱引入到水电机组故障诊断中,通过知识图谱建立水电机组“设备—故障—现象—处理建议”的复杂关联关系,并通过多模式文本匹配识别电厂设备运行人员的问题敏感词,并对知识图谱进行搜索后,完成相应交互式诊断。本发明改善了传统基于数据驱动方法诊断可解释性差、监测系统难以覆盖全部设备的问题,通过基于知识图谱的专家经验知识表示,实现交互式问询式诊断,增强水电机组安全运行水平,提高水电厂智能化应用水平。
Description
技术领域
本发明属于水电技术领域,尤其是涉及一种基于知识图谱的水电机组故障诊断方法及系 统。
背景技术
对于机组的机械性能状态评价,我国多采用根据在机组部件的关键点的振动测量结果来 进行评价,由于水电机组受水、机、电等多种因素的影响,故采用多种性能试验进行状态评 价,并以振动和水压脉动的异常或超标来表征水电机组的运行稳定性状态。
随着特高压工程的不断建设,水电机组从传统发电功能越来越多的转向调峰调频作用, 其调节频次和深度均比以往大大提高,在运行过程中会更加受到冲蚀、磨损、疲劳等多种因 素的作用,各个部件的性能会随着服役时间的增加而逐渐退化,从而导致恶性事故的发生。 因此迫切需要在故障征兆发生的时候,进行快速准确的故障研判,及时处理机组故障。
然而,水电厂地处偏远,传统采用在线监测和模式识别的故障诊断方法,虽然在一定程 度上保障了机组安全稳定运行,但是一方面模式识别的方法解释性差,往往得到了结果是神 经网络、支持向量机回归计算得到的结果,电厂人员难以理解,从而导致诊断结果的可信度 收到影响;另一方面,现在中小水电厂往往缺少在线监测或者只配备了振动摆度监测等少数 监测单元,数据量也不足以支撑机器学习的数据推理,从而导致结果的可靠性有待提高。因 此,迫切需要找到一种更容易理解,解释性更强,可靠性高的的诊断方法。
发明内容
本发明的目的是提供一种基于知识图谱的水电机组故障诊断方法,其利用丰富的数据, 如历史故障案例和在线监测数据等来构建知识图谱,再基于知识图谱中设备/故障现象/建议等 关系进行故障诊断,其中,构建知识图谱中将传统监测数据进行文本化转化,与其他故障文 本信息进行了统一化自然语言处理,协同应用至知识图谱中,扩展了知识图谱中的数据内容, 进而提高了后续诊断的可靠性。
一种基于知识图谱的水电机组故障诊断方法,包括如下步骤:
S1:采集水电机组的历史故障数据,并基于历史故障数据提取与故障关联的文本内容, 并基于提取的文本内容构建水电机组诊断的知识图谱,所述文本内容用于表述图谱节点的特 征;
所述知识图谱的图谱节点类型至少包括设备、故障描述以及诊断结果,所述故障描述为 故障现象和或故障工况,所述诊断结果为故障原因和或处理建议,所述知识图谱用于表示图 谱节点之间的关联关系以及图谱节点对应的文本内容;
其中,历史故障数据包括水电机组监测特征值,所述水电机组监测特征值为与水电机组 故障相关的机组运行参数值,将水电机组监测特征值转换为文本内容的过程为按照预设的故 障分类等级对水电机组监测特征值进行语义化处理得到匹配的故障分类等级的故障现象图谱 节点的文本描述;
S2:获取水电机组的故障描述语句,并进行分词得到征兆关键词,再将所述征兆关键词 带入所述知识图谱中进行匹配检索得到诊断结果。
本发明提供的所述方法依托历史故障数据提取文本信息,再构建知识图谱,并利用知识 图谱进行检索得到诊断结果,其中,基于知识图谱在语义方面的优势将原本复杂的机组诊断 故障进行了逻辑梳理,构建了设备、故障以及原因、建议之间的逻辑架构,为快速得到故障 原因和建议提供了技术支持,同时,利用知识图谱得到更多了背景知识,提高了最终诊断结 果的可靠性,尤其是,本发明针对机组运行参数的特征值进行了语义化处理,扩展了与故障 相关的文本内容,使其与原本的文本信息进行融合,共同应用到知识图谱中,进行了统一的 自然语言处理,进而可以提高诊断结果的准确性。
进一步优选,将水电机组监测特征值转换为文本内容的过程如下:
首先,获取水电机组五类状态对应的阈值,所述五类状态分别为:正常、异常、一级报 警、二级报警、三级报警和极限失效;
其次,按照升半Γ分布模糊模型计算出每个水电机组监测特征值分别与所述五类状态对 应的隶属度;
其中,升半Γ分布模糊模型的计算公式如下:
式中,A(x)为一个水电机组监测特征值在一类状态的阈值a下的隶属度,x表示一个水电 机组监测特征值,a表示一类状态对应的阈值,k为隶属度比例系数,通过设定不同的k值得 到不同的隶属度函数;
然后,根据隶属度最大的原则得到故障分类等级,所述故障分类等级与所述五类状态意 义对应。
利用上述手段,将传统监测数据进行了语义化处理转成了文本信息,使得与历史故障数 据中原本的文本信息进行了统一融合,一方面,克服了传统监测数据无法自动进行问答或者 语义检索的问题,另一方面,扩展了文本内容,丰富了知识图谱中的图谱节点的内容。
进一步优选,所述故障分类等级包括“正常”、“有轻微异常”,“情况严重”,“情况非常 严重”,“情况特别严重需停机”。
进一步优选,步骤S2之后还包括如下步骤:
S3:将诊断结果带入预设的回复句式模板生成回复语句,再将回复语句以界面或者语音 转换的方式进行人机交互。
本发明采用交互式问答方式,使得诊断工作采用自然语音的人机对话,具有良好的可解 释性和可行度。
进一步优选,所述水电机组监测特征值包括机组振动、摆度、压力脉动、温度、油压、 油位、空气间隙、局部放电的测值。
进一步优选,所述历史故障数据包括历史远程监测数据、事故调查记录、生产管理系统 缺陷记录、公开文献及历史案例材料。
另一方面,本发明提供一种基于上述方法的诊断系统,包括:
信息采集模块:用于获取水电机组的历史故障数据,以及用于获取水电机组的故障描述 语句;
文本提取模块:用于从历史故障数据提取与故障关联的文本内容;
图谱构架模块:用于基于提取的文本内容构建水电机组诊断的知识图谱;
分词模块,用于对水电机组的故障描述语句进行分词得到征兆关键词;
检索模块:用于将所述征兆关键词带入所述知识图谱中进行匹配检索得到诊断结果。
有益效果
1、本发明提供的一种基于知识图谱的水电机组故障诊断方法及系统,其利用知识图谱进 行故障诊断,构建了设备、故障描述以及诊断结果之间的逻辑架构,为得到诊断结果提供了 技术支持,同时,本发明基于知识图谱更能充分利用采集的各类机组故障数据,解决了当前 监测手段无法覆盖机组全文信息的问题,提高诊断结果的可靠性,尤其是将传统监测数值进 行了文本化处理,丰富了知识图谱中的文本信息,提高了诊断结果的准确性。
2、针对经费有限而无法布设大量传感器的中小水电厂,本发明该手段实现了经济有效的 诊断方案,只需要利用历史故障数据构建知识图谱后,不论是基于故障现象或者运行工况都 能在知识图谱中进行检索,查找相匹配的原因、建议。
3、本发明进一步的优选方案中采用了交互问询的方式来得到回复,本发明将传统监测数 据与文本内容进行了统一的语言处理,为交互问询奠定了基础,采用交互的方式具有良好的 可解释性和可行度。
附图说明
图1为本发明实施例的基于知识图谱的水电机组询问式诊断的结构图;
图2为本发明实施例的基于知识图谱的水电机组询问式诊断的详细步骤图;
图3为本发明实施例的“设备”的概念知识图谱的网络示意图;
图4为本发明实施例的“故障”的概念知识图谱的网络示意图;
具体实施方式
下面将结合实施例对本发明做进一步的说明。
本发明提供的一种基于知识图谱的水电机组故障诊断方法,其利用历史故障数据构建水 电机组故障诊断的知识图谱,再基于知识图谱进行故障检索得到诊断结果。譬如,用户通过 语音识别输入或直接文本输入水电机组的巡视和监测得到的故障现象,例如“开机过程中,水 轮机出现高频异响且顶盖振动情况严重”或者“空载工况,水导油温快速上升且轴承摆度异常”, 通过分词模型,识别设备(水轮机/水导)、现象(高频异响/油温快速上升)和现象(水轮机 出现高频异响且顶盖振动情况严重/水导油温快速上升且轴承摆度异常)”,并将上述词语带 入知识图谱进行故障匹配,得到相应的故障结论并输出自然语言答案,例如“水轮机层出现高 频啸叫声往往是因为水力结构共振或者补气声音”或者“水导油温快速上升往往水导润滑供水 系统异常”。
如图1所示,本发明实施例中所述方法主要包括以下几个步骤:
1:采集水电机组的历史故障数据。其中,本实施例中包括历史远程监测数据、事故调查 记录、生产管理系统缺陷记录、公开文献及案例材料。其他可行的实施例中不限于上述手段 来采集历史故障数据。其来源如下表1所示:
表1
其中,历史故障数据是与图谱节点相关的,本实施例中,图谱节点分为:“设备”、“故障 现象”、“运行工况”、“故障原因”、“处理建议”,故障现象和运行工况属于故障描述,其他可 行的实施例中两者可以同时存在或单独存在;故障原因和处理建议属于诊断结果,其他可行 的实施例中两者可以同时存在或单独存在。得到历史故障数据后形成事故语料标准库,语料 标准库中包含“语料ID”、“语料名称”、“语料所属类型”、“重要度”“同义词”、“备注”等。“语 料名称”即该语料的名称,如“发电机”,“语料所属类型”为“设备”、“故障现象”、“运行工况”、 “故障原因”、“处理建议”中的一项。在对语料库进行学习训练完成各个数据的挖掘与关系提 取。
2:基于历史故障数据提取与故障关联的文本内容并构建知识图谱。采集的水电机组的历 史故障数据从数据类型分为文本数据和水电机组监测特征值。其中,原有的文本数据包括了 设备、故障原因、处理建议、运行工况以及故障现象中文本记录的描述性语句。其中,水电 机组监测特征值是与水电机组故障相关的机组运行参数值,本实施例中,水电机组监测特征 值为采集的机组振动、摆度、压力脉动、温度、油压、油位、空气间隙、局部放电的数据, 其他可行的实施例中不限于此。为了将水电机组监测特征值转换为文本数据,本发明对其进 行语义化处理,处理流程如下:
获取水电机组监测特征值,并形成时间-数值的二维数据表;
获取水电机组五类状态对应的阈值,该五类状态分别为:正常、异常、一级报警、二级 报警、三级报警和极限失效。本发明实施例中是结合国家标准、行业标准和机组历史监测数 据的水平来确定的。
按照升半Γ分布模糊模型计算出每个水电机组监测特征值分别与该五类状态对应的隶属 度。计算公式如下:
式中,A(x)为一个水电机组监测特征值在一类状态的阈值a下的隶属度,x表示一个水电 机组监测特征值,a表示一类状态对应的阈值,k为隶属度比例系数,通过设定不同的k值得 到不同的隶属度函数,即对应五类状态的k值不等。针对每一个水电机组监测特征值均可以 计算出5个隶属度,即可以计算出相对于正常”、“有轻微异常”,“情况严重”,“情况非常严 重”,“情况特别严重需停机的隶属度A(x),即每个水电机组监测特征值对应一个五唯隶属度 向量{A(x1)、A(x2)、A(x3)、A(x4)、A(x5)}。
然后,根据隶属度最大的原则得到故障分类等级,所述故障分类等级与所述五类状态意 义对应。本实施例中,故障分类等级分为:“正常”、“有轻微异常”,“情况严重”,“情况非常 严重”,“情况特别严重需停机”。譬如,上导摆度X值为230μm,根据上述升半Γ分布模糊 模型计算其五唯隶属度向量为:{0.1,0.83,0.01,0.08,0.1},其中,最大隶属度为0.83, 对应异常模糊域,因此,将上导摆度X值为230μm的水电机组监测特征值转换为“上导摆 度X值有轻微异常”的故障现象的文本描述。
通过上述方式,得到了图谱节点的文本内容,其不单单包含原本历史故障数据中的文本 数据,还包括了水电机组监测特征值转换的文本内容。
基于文本内容构建“设备”、“故障现象”、“运行工况”、“故障原因”、“处理建议”相互关联 的知识图谱,从上可知,本发明的知识图谱是由文本和数值形成的图片,可以将将专家经验、 事故案例、在线监测等信息源中积累的水电专业知识组织起来,以基于知识图谱和问答形式 提供专业化的咨询。其中节点表示实体,例如“发电机”是实体,所属于设备的概念,边表 示实体之间的关系,例如“所属故障”关系、“所属部件”关系、“所属现象”关系,通常由 水电专业领域的业务专家根据专业知识定义或者通过大量关系挖掘算法进行挖掘得到。
3:获取水电机组的故障描述语句,并进行分词得到征兆关键词,再将所述征兆关键词带 入所述知识图谱中进行匹配检索得到诊断结果。
如“稳态负载工况中,上导摆度X向摆度轻微异常,且发现抗重螺栓松动”,可分词为“稳 态负载工况”、“上导摆度”、“X向”,“轻微异常”,“抗重螺栓松动”,并将分词后结果向量作 为征兆关键词。其中上导摆度X向摆度轻微异常现象是通过特征语义化得到,抗重螺栓松动 通过现场巡检文本描述得到。
当完成征兆关键词集合后,将相关的征兆关键词带入图数据库进行匹配检索,借助图数 据内置的Cypher检索语句进行检索,以“稳态负载工况”、“上导摆度”、“X向”,“轻微异常”, “抗重螺栓松动”,征兆关键词为例,编写“工况为稳态负载工况AND现象为轻微异常AND设 备为上导轴承AND部位”,对图数据库中的原因和建议进行检索,得到原因和建议作为诊断 结果,并作为匹配检索词进行交互。
其中,若是未检索到诊断结果的相关检索词,则按照生成式问答模型,将整个问句带入 生成式问答模型中输出回答,若是回答不高于可信度阈值,则可以诱导用户提供更详细的故 障描述。这部分为人机交互领域常规内容,本发明对此实现过程不进行具体的阐述。譬如, 生成式问答模型包括如下一类:“症状、表征、现象、症候、表现”,“原因、成因、为什么、 怎么会、怎样才、咋样才、怎样会、如何会、为啥、为何、如何才会、怎么才会”,“并发症、 并发、一起发生、一并发生、一起出现、一并出现、一同发生、一同出现、伴随发生、伴随”。
4:将诊断结果带入预设的回复句式模板生成回复语句,再将回复语句以界面或者语音转 换的方式进行人机交互。
当知识图谱中具有相关检索词后,直接按相应故障实体和处理建议实体带入回答句式模 板进行回答,并将回答语句以界面或者语音转换的方式进行人机交互。
另一方面,本发明提供一种基于上述方法的诊断系统,其特征在于:包括:
信息采集模块:用于获取水电机组的历史故障数据,以及用于获取水电机组的故障描述 语句;
文本提取模块:用于从历史故障数据提取与故障关联的文本内容;
图谱构架模块:用于基于提取的文本内容构建水电机组诊断的知识图谱;
分词模块,用于对水电机组的故障描述语句进行分词得到征兆关键词;
检索模块:用于将所述征兆关键词带入所述知识图谱中进行匹配检索得到诊断结果。
交互模块:将诊断结果带入预设的回复句式模板生成回复语句,再将回复语句以界面或 者语音转换的方式进行人机交互。
需要强调的是,本发明所述的实例是说明性的,而不是限定性的,因此本发明不限于具 体实施方式中所述的实例,凡是由本领域技术人员根据本发明的技术方案得出的其他实施方 式,不脱离本发明宗旨和范围的,不论是修改还是替换,同样属于本发明的保护范围。
Claims (7)
1.一种基于知识图谱的水电机组故障诊断方法,其特征在于:包括如下步骤:
S1:采集水电机组的历史故障数据,并基于历史故障数据提取与故障关联的文本内容,并基于提取的文本内容构建水电机组诊断的知识图谱,所述文本内容用于表述图谱节点的特征;
所述知识图谱的图谱节点类型至少包括设备、故障描述以及诊断结果,所述故障描述为故障现象和或故障工况,所述诊断结果为故障原因和或处理建议,所述知识图谱用于表示图谱节点之间的关联关系以及图谱节点对应的文本内容;
其中,历史故障数据包括水电机组监测特征值,所述水电机组监测特征值为与水电机组故障相关的机组运行参数值,将水电机组监测特征值转换为文本内容的过程为按照预设的故障分类等级对水电机组监测特征值进行语义化处理得到匹配的故障分类等级的故障现象图谱节点的文本描述;
S2:获取水电机组的故障描述语句,并进行分词得到征兆关键词,再将所述征兆关键词带入所述知识图谱中进行匹配检索得到诊断结果。
3.根据权利要求1所述的方法,其特征在于:所述故障分类等级包括“正常”、“有轻微异常”,“情况严重”,“情况非常严重”,“情况特别严重需停机”。
4.根据权利要求1所述的方法,其特征在于:步骤S2之后还包括如下步骤:
S3:将诊断结果带入预设的回复句式模板生成回复语句,再将回复语句以界面或者语音转换的方式进行人机交互。
5.根据权利要求1所述的方法,其特征在于:所述水电机组监测特征值包括机组振动、摆度、压力脉动、温度、油压、油位、空气间隙、局部放电的测值。
6.根据权利要求1所述的方法,其特征在于:所述历史故障数据包括历史远程监测数据、事故调查记录、生产管理系统缺陷记录、公开文献及历史案例材料。
7.一种基于权利要求1-6任一项所述方法的诊断系统,其特征在于:包括:
信息采集模块:用于获取水电机组的历史故障数据,以及用于获取水电机组的故障描述语句;
文本提取模块:用于从历史故障数据提取与故障关联的文本内容;
图谱构架模块:用于基于提取的文本内容构建水电机组诊断的知识图谱;
分词模块,用于对水电机组的故障描述语句进行分词得到征兆关键词;
检索模块:用于将所述征兆关键词带入所述知识图谱中进行匹配检索得到诊断结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911201516.1A CN110941725A (zh) | 2019-11-29 | 2019-11-29 | 一种基于知识图谱的水电机组故障诊断方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911201516.1A CN110941725A (zh) | 2019-11-29 | 2019-11-29 | 一种基于知识图谱的水电机组故障诊断方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110941725A true CN110941725A (zh) | 2020-03-31 |
Family
ID=69909239
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911201516.1A Pending CN110941725A (zh) | 2019-11-29 | 2019-11-29 | 一种基于知识图谱的水电机组故障诊断方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110941725A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111552848A (zh) * | 2020-04-30 | 2020-08-18 | 中国航空无线电电子研究所 | 一种基于图数据库的航电系统故障分析方法 |
CN111736636A (zh) * | 2020-07-10 | 2020-10-02 | 国电大渡河枕头坝发电有限公司 | 一种基于知识图谱的水淹水车室预警方法及系统 |
CN112395430A (zh) * | 2020-12-14 | 2021-02-23 | 广州汇通国信科技有限公司 | 一种基于知识图谱的电力设备缺陷检索方法及系统 |
CN112836972A (zh) * | 2021-02-05 | 2021-05-25 | 南方电网调峰调频发电有限公司信息通信分公司 | 一种it设备故障缺陷处理系统及故障缺陷处理方法 |
CN112884199A (zh) * | 2021-01-15 | 2021-06-01 | 华自科技股份有限公司 | 水电站设备故障预测方法、装置、计算机设备和存储介质 |
CN113064999A (zh) * | 2021-03-19 | 2021-07-02 | 南方电网调峰调频发电有限公司信息通信分公司 | 基于it设备运维的知识图谱构建算法、系统、设备及介质 |
CN113112164A (zh) * | 2021-04-19 | 2021-07-13 | 特变电工股份有限公司新疆变压器厂 | 基于知识图谱的变压器故障诊断方法、装置及电子设备 |
CN113359664A (zh) * | 2021-05-31 | 2021-09-07 | 海南文鳐科技有限公司 | 故障诊断与维护系统、方法、设备及存储介质 |
CN113553420A (zh) * | 2020-04-22 | 2021-10-26 | 国网电力科学研究院有限公司 | 基于知识图谱的电网故障处理规程推荐方法和系统 |
CN114492807A (zh) * | 2022-02-10 | 2022-05-13 | 杭州和利时自动化有限公司 | 一种基于知识图谱的产生式推理实现方法、装置及系统 |
WO2022267865A1 (zh) * | 2021-06-24 | 2022-12-29 | 中兴通讯股份有限公司 | 工作流创建方法、系统、电子设备和计算机可读存储介质 |
CN116381490A (zh) * | 2023-06-05 | 2023-07-04 | 江苏铭星智能家居有限公司 | 一种基于数据分析的推杆电机性能检测系统及方法 |
CN117332121A (zh) * | 2023-09-26 | 2024-01-02 | 华能澜沧江水电股份有限公司 | 一种水电厂非电量保护逻辑图谱生成系统及方法 |
CN117829279A (zh) * | 2023-12-29 | 2024-04-05 | 慧之安信息技术股份有限公司 | 一种基于知识图谱的辅助检测电机故障的方法和系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103033359A (zh) * | 2012-12-19 | 2013-04-10 | 西安交通大学 | 一种多特征多级综合评判的风电机组主传动装置故障诊断方法 |
CN108536945A (zh) * | 2018-04-02 | 2018-09-14 | 国网湖南省电力有限公司 | 一种用于大型调相机的故障诊断方法及系统 |
US20190018883A1 (en) * | 2017-07-17 | 2019-01-17 | Midea Group Co., Ltd. | Computer-based platform for quality management of home devices |
CN109447279A (zh) * | 2018-09-18 | 2019-03-08 | 中国人民解放军海军航空大学 | 基于改进证据理论的多参数融合导弹状态评估方法 |
CN110033101A (zh) * | 2019-03-07 | 2019-07-19 | 华中科技大学 | 基于融合特征的知识图谱的水电机组故障诊断方法和系统 |
-
2019
- 2019-11-29 CN CN201911201516.1A patent/CN110941725A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103033359A (zh) * | 2012-12-19 | 2013-04-10 | 西安交通大学 | 一种多特征多级综合评判的风电机组主传动装置故障诊断方法 |
US20190018883A1 (en) * | 2017-07-17 | 2019-01-17 | Midea Group Co., Ltd. | Computer-based platform for quality management of home devices |
CN108536945A (zh) * | 2018-04-02 | 2018-09-14 | 国网湖南省电力有限公司 | 一种用于大型调相机的故障诊断方法及系统 |
CN109447279A (zh) * | 2018-09-18 | 2019-03-08 | 中国人民解放军海军航空大学 | 基于改进证据理论的多参数融合导弹状态评估方法 |
CN110033101A (zh) * | 2019-03-07 | 2019-07-19 | 华中科技大学 | 基于融合特征的知识图谱的水电机组故障诊断方法和系统 |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113553420A (zh) * | 2020-04-22 | 2021-10-26 | 国网电力科学研究院有限公司 | 基于知识图谱的电网故障处理规程推荐方法和系统 |
CN113553420B (zh) * | 2020-04-22 | 2023-11-24 | 国网电力科学研究院有限公司 | 基于知识图谱的电网故障处理规程推荐方法和系统 |
CN111552848A (zh) * | 2020-04-30 | 2020-08-18 | 中国航空无线电电子研究所 | 一种基于图数据库的航电系统故障分析方法 |
CN111552848B (zh) * | 2020-04-30 | 2023-04-07 | 中国航空无线电电子研究所 | 一种基于图数据库的航电系统故障分析方法 |
CN111736636A (zh) * | 2020-07-10 | 2020-10-02 | 国电大渡河枕头坝发电有限公司 | 一种基于知识图谱的水淹水车室预警方法及系统 |
CN112395430A (zh) * | 2020-12-14 | 2021-02-23 | 广州汇通国信科技有限公司 | 一种基于知识图谱的电力设备缺陷检索方法及系统 |
CN112884199A (zh) * | 2021-01-15 | 2021-06-01 | 华自科技股份有限公司 | 水电站设备故障预测方法、装置、计算机设备和存储介质 |
CN112836972A (zh) * | 2021-02-05 | 2021-05-25 | 南方电网调峰调频发电有限公司信息通信分公司 | 一种it设备故障缺陷处理系统及故障缺陷处理方法 |
CN113064999A (zh) * | 2021-03-19 | 2021-07-02 | 南方电网调峰调频发电有限公司信息通信分公司 | 基于it设备运维的知识图谱构建算法、系统、设备及介质 |
CN113064999B (zh) * | 2021-03-19 | 2023-12-15 | 南方电网调峰调频发电有限公司信息通信分公司 | 基于it设备运维的知识图谱构建算法、系统、设备及介质 |
CN113112164A (zh) * | 2021-04-19 | 2021-07-13 | 特变电工股份有限公司新疆变压器厂 | 基于知识图谱的变压器故障诊断方法、装置及电子设备 |
CN113359664A (zh) * | 2021-05-31 | 2021-09-07 | 海南文鳐科技有限公司 | 故障诊断与维护系统、方法、设备及存储介质 |
WO2022267865A1 (zh) * | 2021-06-24 | 2022-12-29 | 中兴通讯股份有限公司 | 工作流创建方法、系统、电子设备和计算机可读存储介质 |
CN114492807A (zh) * | 2022-02-10 | 2022-05-13 | 杭州和利时自动化有限公司 | 一种基于知识图谱的产生式推理实现方法、装置及系统 |
CN116381490A (zh) * | 2023-06-05 | 2023-07-04 | 江苏铭星智能家居有限公司 | 一种基于数据分析的推杆电机性能检测系统及方法 |
CN116381490B (zh) * | 2023-06-05 | 2023-08-11 | 江苏铭星智能家居有限公司 | 一种基于数据分析的推杆电机性能检测系统及方法 |
CN117332121A (zh) * | 2023-09-26 | 2024-01-02 | 华能澜沧江水电股份有限公司 | 一种水电厂非电量保护逻辑图谱生成系统及方法 |
CN117829279A (zh) * | 2023-12-29 | 2024-04-05 | 慧之安信息技术股份有限公司 | 一种基于知识图谱的辅助检测电机故障的方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110941725A (zh) | 一种基于知识图谱的水电机组故障诊断方法及系统 | |
CN114579875B (zh) | 基于知识图谱的设备故障诊断与维修知识推荐系统 | |
CN113723632A (zh) | 一种基于知识图谱的工业设备故障诊断方法 | |
CN111311059B (zh) | 基于知识图谱的水车室故障诊断方法 | |
CN111966076A (zh) | 基于有限状态机和图神经网络的故障定位方法 | |
CN113435759B (zh) | 一种基于深度学习的一次设备风险智能评估方法 | |
CN115544265A (zh) | 一种基于轴承故障知识图谱的轴承故障诊断方法 | |
CN116028646A (zh) | 一种基于机器学习的电网调度领域知识图谱构建方法 | |
CN117273133A (zh) | 配电网多源异构数据知识图谱的构建方法 | |
Ning et al. | Knowledge discovery using an enhanced latent Dirichlet allocation-based clustering method for solving on-site assembly problems | |
Luo et al. | Convolutional neural network algorithm–based novel automatic text classification framework for construction accident reports | |
Liu et al. | Knowledge graph construction and decision support towards transformer fault maintenance | |
Hu et al. | A classification model of power operation inspection defect texts based on graph convolutional network | |
Liu et al. | Knowledge Graph Construction and Application of Spatial Arrangement of Underground Powerhouse | |
Wei et al. | Short text data model of secondary equipment faults in power grids based on LDA topic model and convolutional neural network | |
Naqvi et al. | Unlocking maintenance insights in industrial text through semantic search | |
CN114461735A (zh) | 工矿数据分级分类方法、装置和计算机设备 | |
Wang et al. | Ids-kg: An industrial dataspace-based knowledge graph construction approach for smart maintenance | |
Hu et al. | A hierarchical retrieval approach for automatically generating assembly instructions | |
Liu et al. | Data‐Driven Approaches for Diagnosis of Incipient Faults in Cutting Arms of the Roadheader | |
Xu et al. | Research on Knowledge Graph-Based Q&A for Aero-Engine Fault Diagnosis | |
Kim et al. | A hybrid failure diagnosis and prediction using natural language-based process map and rule-based expert system | |
Shi et al. | Fuzzy Bayesian Network Fault Diagnosis Method Based on Fault Tree for Coal Mine Drainage System | |
Ma et al. | A Novel Hybrid Feature Importance and Feature Interaction Detection Framework for Predictive Optimization in Industry 4.0 Applications | |
Peng et al. | A BERT-based Framework for Production Line Fault Maintenance Knowledge Graph Construction |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200331 |
|
RJ01 | Rejection of invention patent application after publication |