CN111179115A - 故障处理辅助决策方法、装置、存储介质及电子设备 - Google Patents
故障处理辅助决策方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN111179115A CN111179115A CN201911359329.6A CN201911359329A CN111179115A CN 111179115 A CN111179115 A CN 111179115A CN 201911359329 A CN201911359329 A CN 201911359329A CN 111179115 A CN111179115 A CN 111179115A
- Authority
- CN
- China
- Prior art keywords
- fault
- event
- fault event
- target
- historical
- 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
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000003860 storage Methods 0.000 title claims abstract description 13
- 239000006057 Non-nutritive feed additive Substances 0.000 title description 2
- 238000012545 processing Methods 0.000 claims abstract description 91
- 238000004590 computer program Methods 0.000 claims description 13
- 238000013024 troubleshooting Methods 0.000 abstract description 9
- 238000004519 manufacturing process Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 11
- 238000012423 maintenance Methods 0.000 description 5
- 238000010248 power generation Methods 0.000 description 5
- 241000282414 Homo sapiens Species 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000007689 inspection Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- 230000032683 aging Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000003801 milling Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 239000002893 slag Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/288—Entity relationship models
-
- 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
- G06Q10/20—Administration of product repair or maintenance
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开涉及一种故障处理辅助决策方法、装置、存储介质及电子设备。该故障处理辅助决策方法包括:获取当前故障事件的故障描述信息;根据所述当前故障事件的故障描述信息和预先构建的故障事件图谱,确定与所述当前故障事件对应的目标故障处理信息,其中,所述故障事件图谱中记录有多个历史故障事件的故障描述信息,以及每一历史故障事件对应的故障处理信息;输出所述目标故障处理信息。由此,可自动、快速地获取到当前故障事件对应的目标故障处理信息,而无需人工从大量的历史经验数据中筛选、类比出相应的故障处理信息。这样,用户根据该目标故障处理信息,可以快速实现当前故障事件的排查和处理,从而降低当前故障事件对整个生产流程的影响。
Description
技术领域
本公开涉及故障处理领域,具体地,涉及一种故障处理辅助决策方法、装置、存储介质及电子设备。
背景技术
火力发电是最传统的发电方式,它属于设备密集型的流程工业,目前总体装机量超过整个发电领域的50%以上,其中,新型火力发电厂的一个300兆瓦规模的机组,仅基设备(即,火电工艺相关设备)数量就达到万量级。
当某一设备出现故障、且该故障并非用户(例如,检修人员)掌握的一般性知识可以直接解决时,则可能会想到结合相应的历史经验进行当前故障的排查和处理。但由于火力发电的总体装机量较大,其积累的大量故障历史数据也十分庞大,如何依据海量的故障历史数据,快速查找到相关的历史经验,以实现当前故障的排查和处理,成为火电领域智慧化转型的痛点问题。
发明内容
为了克服相关技术中存在的问题,本公开提供一种故障处理辅助决策方法、装置、存储介质及电子设备。
为了实现上述目的,根据本公开实施例的第一方面,提供一种故障处理辅助决策方法,包括:
获取当前故障事件的故障描述信息;
根据所述当前故障事件的故障描述信息和预先构建的故障事件图谱,确定与所述当前故障事件对应的目标故障处理信息,其中,所述故障事件图谱中记录有多个历史故障事件的故障描述信息,以及每一历史故障事件对应的故障处理信息;
输出所述目标故障处理信息。
可选地,所述根据所述当前故障事件的故障描述信息和预先构建的故障事件图谱,确定与所述当前故障事件对应的目标故障处理信息,包括:
确定所述当前故障事件的故障描述信息与每一所述历史故障事件的故障描述信息的匹配度;
根据所述匹配度,确定与所述当前故障事件相匹配的目标历史故障事件;
将与所述目标历史故障事件对应的故障处理信息确定为所述目标故障处理信息。
可选地,所述故障描述信息包括多种类型的故障特征信息;
所述确定所述当前故障事件的故障描述信息与每一所述历史故障事件的故障描述信息的匹配度,包括:
针对每一所述历史故障事件,将所述当前故障事件与该历史故障事件中属于同种类型的故障特征信息进行匹配;
将匹配成功的故障特征信息所属类型对应的权重值之和确定为所述当前故障事件与该历史故障事件的匹配度。
可选地,根据所述多个历史故障事件的故障描述信息,通过以下方式确定每一所述类型对应的权重值:
确定所述多个历史故障事件的故障描述信息的第一信息熵;
针对每一所述类型,确定属于该类型的故障特征信息相对于所述多个历史故障事件的故障描述信息的第二信息熵,并根据所述第一信息熵与所述第二信息熵之间的差值,确定该类型对应的权重值。
可选地,所述目标历史故障事件的数量为多个;
在所述将与所述目标历史故障事件对应的故障处理信息确定为所述目标故障处理信息的步骤之前,所述方法还包括:
对所述目标历史故障事件进行分类,得到N个故障事件类,其中,将对应的故障处理信息相同的各所述目标历史故障事件归为一类,N≥1;
针对每一所述故障事件类,根据该故障事件类中各目标历史故障事件对应的所述匹配度、该故障事件类对应的故障处理信息的出现概率,确定是否从多个所述目标历史故障事件中剔除属于该故障事件类的目标历史故障事件,其中,所述出现概率等于属于该故障事件类的目标历史故障事件的个数与所述目标历史故障事件的总数量的比值;
若确定从多个所述目标历史故障事件中剔除属于该故障事件类的目标历史故障事件,则执行相应的剔除操作。
可选地,所述根据该故障事件类中各目标历史故障事件对应的所述匹配度、该故障事件类对应的故障处理信息的出现概率,确定是否从所述目标历史故障事件中剔除属于该故障事件类的目标历史故障事件,包括:
若该故障事件类中各目标历史故障事件对应的所述匹配度之和、与所述出现概率的乘积小于预设阈值,则确定从所述目标历史故障事件中剔除属于该故障事件类的目标历史故障事件。
可选地,所述方法还包括:
若未确定出所述目标故障处理信息,则在所述当前故障事件处理完成后,利用所述当前故障事件的故障描述信息和所述当前故障事件对应的故障处理信息,更新所述故障事件图谱。
根据本公开实施例的第二方面,提供一种故障处理辅助决策装置,包括:
获取模块,用于获取当前故障事件的故障描述信息;
确定模块,用于根据所述获取模块获取到的所述当前故障事件的故障描述信息和预先构建的故障事件图谱,确定与所述当前故障事件对应的目标故障处理信息,其中,所述故障事件图谱中记录有多个历史故障事件的故障描述信息,以及每一历史故障事件对应的故障处理信息;
输出模块,用于输出所述确定模块确定出的所述目标故障处理信息。
根据本公开实施例的第三方面,提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现本公开第一方面提供的所述方法的步骤。
根据本公开实施例的第四方面,提供一种电子设备,包括:
存储器,其上存储有计算机程序;
处理器,用于执行所述存储器中的所述计算机程序,以实现本公开第一方面提供的项所述方法的步骤。
在上述技术方案中,根据当前故障事件的故障描述信息,通过搜索预先构建的故障事件图谱即可自动、快速地获取到当前故障事件对应的目标故障处理信息,而无需人工从大量的历史经验数据中筛选、类比出相应的故障处理信息。该种模拟人类在学习以往经验和做决策的思维方式,可以实现故障的推理,并提供相应的故障处理信息。这样,用户可以根据该目标故障处理信息,快速实现当前故障事件的排查和处理,从而降低当前故障事件对整个生产流程的影响。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本公开的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本公开,但并不构成对本公开的限制。在附图中:
图1是根据一示例性实施例示出的一种故障处理辅助决策方法的流程图。
图2是根据一示例性实施例示出的一种故障事件图谱的Schema框架的示意图。
图3是根据一示例性实施例示出的一种故障事件图谱的结构示意图。
图4是根据一示例性实施例示出的一种确定目标故障处理信息的方法的流程图。
图5是根据一示例性实施例示出的一种确定当前故障事件与历史故障事件的匹配度的方法的流程图。
图6是根据另一示例性实施例示出的一种确定目标故障处理信息的方法的流程图。
图7是根据另一示例性实施例示出的一种故障处理辅助决策方法的流程图。
图8是根据一示例性实施例示出的一种故障处理辅助决策装置的框图。
图9是根据一示例性实施例示出的一种电子设备的框图。
图10是根据一示例性实施例示出的一种电子设备的框图。
具体实施方式
以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本公开,并不用于限制本公开。
在火电领域,用户(例如,设备运行人员、检修人员等)解决设备故障的途径主要包括以下两种:(1)通过电厂图纸、运行及检修规程、设备说明书等资料来进行故障排查及处理;(2)通过自己的经验、或其他经验人员的帮助下进行故障的排查及处理。
关于上述第二种方式,当某一设备出现故障、且该故障并非用户(例如,检修人员)掌握的一般性知识可以直接解决时,则可能会考虑过去是否遇到过类似的问题,类似的其他设备是否出现过相同的故障、该设备近期是否出现过其他问题,同班组的其他人员是否有过相应的故障处理经验等。如果有相应的历史经验,则会对不同的经验进行筛选、类比,从而提出当前故障的排查和处理方法。
但是,火力发电的总体装机量较大,其积累的大量故障历史数据也十分庞大,因如何依据海量的故障历史数据,快速查找到相关的历史经验,从而实现当前故障的排查和处理,成为火电领域智慧化转型的痛点问题。
为了实现上述目的,本公开提供一种故障处理辅助决策方法、装置、存储介质及电子设备。
下面对本公开所提供的故障处理辅助决策方法进行详细说明。图1是根据一示例性实施例示出的一种故障处理辅助决策方法的流程图。如图1所示,该方法可以包括以下步骤101~步骤103。
在步骤101中,获取当前故障事件的故障描述信息。
在本公开中,当前故障事件可以为某工厂(例如,火电发电厂)实际发生的缺陷消除事件或检修事件,例如,某阀门泄漏、某仪表跳变、某主设备实施大修、更换某设备的零部件等。上述故障描述信息可以包括故障事件ID、设备(即,故障所属设备)、故障、机组(故障所属设备的分组)、专业(即,故障对应的维修部门)、故障位置、故障时间、工况(即,故障所属设备在发生该故障时的运行工况)、是否停机(即,故障发生时,故障所属设备是否停机)、人员(即,故障相关人员,例如,发现人、维修人等)等信息。
在步骤102中,根据当前故障事件的故障描述信息和预先构建的故障事件图谱,确定与当前故障事件对应的目标故障处理信息。
在本公开中,上述故障事件图谱中记录有多个历史故障事件的故障描述信息,以及每一历史故障事件对应的故障处理信息,上述故障处理信息可以包括故障现象、故障原因、故障处理措施等。其中,上述故障事件图谱是指利用与各历史故障事件直接或间接相关的信息构建的图谱数据,通过该数据可精准还原已发生的故障事件。
在通过上述步骤101获取到当前故障事件的故障描述信息后,可以根据该故障描述信息,搜索预先构建的故障事件图谱,以获取与当前故障事件对应的目标故障处理信息。
在步骤103中,输出目标故障处理信息。
在通过上述步骤102获取到当前故障事件对应的目标故障处理信息后,输出该目标故障处理信息,以便用户根据该目标故障处理信息,快速实现当前故障事件的排查和处理。
在上述技术方案中,根据当前故障事件的故障描述信息,通过搜索预先构建的故障事件图谱即可自动、快速地获取到当前故障事件对应的目标故障处理信息,而无需人工从大量的历史经验数据中筛选、类比出相应的故障处理信息。该种模拟人类在学习以往经验和做决策的思维方式,可以实现故障的推理,并提供相应的故障处理信息。这样,用户可以根据该目标故障处理信息,快速实现当前故障事件的排查和处理,从而降低当前故障事件对整个生产流程的影响。
为了使本领域技术人员更加理解本发明实施例提供的技术方案,下面以火力发电厂的故障消除事件为例,对上述故障事件图谱的构建方式进行详细描述。具体来说,可以通过以下方式来构建上述故障事件图谱:
首先,构建故障事件图谱的Schema框架(其中,Schema是对类及类之间的关系进行定义,也就是对故障事件图谱中的实体和实体之间的语义关系进行定义)。如图2所示,该Schema框架可以包括多种条件及事件描述实体、事件实体和故障处理实体。
其中,上述多种条件及事件描述实体是由与故障消除事件或检修事件发生的条件及核心要素组成的实体组合,通过该实体组合可精准描述故障事件发生的主体、发生故障事件的内容、故障发生的条件、影响程度等相关因素。由于各故障事件之间本身存在较大的差异性,因此不同故障事件将会有不同的实体组合,即允许一个故障事件中的某个或某些实体为空。
上述事件实体,可以为故障事件履历,并且,每个故障事件均会对应一个事件实体,该事件实体中存储有故障事件对应的故障描述和该故障事件的ID。
上述故障处理实体可以由故障现象实体、故障原因实体、故障处理措施实体组成,同时为保证该三个实体组合的唯一性(其中,同一故障现象,其故障原因可能不同,同一故障现象及故障原因,但可能存在多种故障处理措施),设置故障处理方法实体,然而其没有实际的业务意义(即该故障处理方法实体不具有属性信息),因此定义其为虚结点(其中,虚节点是指无实际业务意义的、为达到技术目的设置的实体)。
然后,获取历史故障事件数据,其中,该历史故障事件数据可以包括故障描述、故障事件ID、故障所属设备、故障、机组、专业、故障位置、故障时间、工况、是否停机、人员、故障现象、故障原因、故障处理措施等信息。示例地,可以从火电厂现有的IT系统(例如,信息管理系统的故障处理模块)中抽取上述历史故障事件数据。具体来说,可以通过上述故障处理模块中的故障处理履历表(如下表1中所示)和故障处理分析文档(用于记录故障原因、故障处理措施等信息)来获取到上述历史故障事件数据。
表1故障处理履历表
序号 | 故障ID | 故障描述 | 是否渗漏 | 专业 | 故障时间 | 故障类别 | 机组 |
1 | 001 | #2炉碎渣机卡涩跳闸 | 否 | 锅炉 | **** | 三类 | #2机组 |
2 | 002 | #2炉A1火检闪 | 否 | 热控 | **** | 三类 | #2机组 |
3 | 003 | #1机7瓦轴承温度变紫 | 否 | 热控 | **** | 三类 | #1机组 |
4 | 004 | 2E原煤仓#1空气炮坏 | 否 | 热控 | **** | 三类 | #2机组 |
序号 | 故障状态 | 发现班组 | 发现人 | 检修班组 | 点检验收 | 验收时间 | 完成时间 |
1 | 班组已转 | 集控一值 | AAA | 维护部锅炉班 | BBB | **** | **** |
2 | 班组消缺 | 集控一值 | BBB | 设备部炉控班 | DDD | **** | **** |
3 | 撤单完成 | 集控一值 | CCC | 设备部机控班 | DDD | **** | **** |
4 | 部门验收 | 集控一值 | DDD | 维护部制粉班 | BBB | **** | **** |
示例地,上述故障处理分析文档的形式如下:
故障描述:**循环水泵出口蝶阀油站油压低,油泵不联启
故障原因:运行工况不允许拆除检验开关,现已校验,定值已更改
故障处理措施:上票停运设备,校验开关
暴露问题:开关定值不再设定范围
预防措施:上票校验**机所有蝶阀油压开关
接下来,对上述获取到的历史故障事件数据中、除故障描述外的非结构化文本(例如,故障原因、故障处理措施等)进行数据预处理,例如,进行同义句识别合并等,得到目标故障事件数据。
最后,将上述目标故障事件数据,映射至上述构建出的故障事件图谱的Schema框架中的多种条件及事件描述实体、事件实体以及故障处理实体,从而得到故障事件图谱。
示例地,上述目标故障事件数据如下表2中所示:
表2目标故障事件数据表
序号 | 故障描述 | 设备 | 专业 | 故障 | 工况 |
1 | #1汽机排气阀漏气 | 排气阀 | 汽机 | 排气阀漏气 | 启动 |
2 | #1锅炉减压阀泄漏 | 减压阀 | 锅炉 | 减压阀泄漏 | 启动 |
序号 | 机组 | 是否停机 | 故障现象 | 故障原因 | 故障处理措施 |
1 | #1机组 | 未停机 | 漏气 | 阀门老化 | 更换阀门 |
2 | #1机组 | 未停机 | 泄漏 | 阀门老化 | 更换阀门 |
将上表2中所示的目标故障事件数据映射到图2中所示的故障事件图谱的Schema框架中的多种条件及事件描述实体、事件实体以及故障处理实体,从而得到图3中所示的故障事件图谱。
另外,为了提升上述目标故障处理信息的准确性,可以针对不同类型的故障事件(例如,电气、热控、汽机、锅炉等不同专业,或者,消缺、检修、定期试验、点巡检等不同作业内容),分别设计不同的故障事件图谱的Schema框架。
下面针对上述步骤102中的根据当前故障事件的故障描述信息和预先构建的故障事件图谱,确定与当前故障事件对应的目标故障处理信息进行详细说明。具体来说,可以通过图4中所示的步骤1021~步骤1023来实现。
在步骤1021中,确定当前故障事件的故障描述信息与每一历史故障事件的故障描述信息的匹配度。
在一种实施方式中,上述故障描述信息可以为一条非结构化的文本数据。在通过上述步骤101获取到当前故障事件的故障描述信息后,可以将该故障描述信息分别与上述预先构建的故障事件图谱中记录的每一历史事件的故障描述信息进行文本匹配,以得到二者之间的文本相似度,并将该文本相似度确定为当前故障事件的故障描述信息与该历史故障事件的故障描述信息的匹配度。
在另一种实施方式中,上述故障描述信息可以包括多种类型的故障特征信息,其中,上述多个类型可以包括设备、故障、机组、专业、故障位置、故障时间、工况、是否停机、人员等。这样,可以通过图5中所示的步骤10211和步骤10212来确定当前故障事件的故障描述信息与每一历史故障事件的故障描述信息的匹配度。
在步骤10211中,针对每一历史故障事件,将当前故障事件与该历史故障事件中属于同种类型的故障特征信息进行匹配。
在本公开中,在将当前故障事件与该历史故障事件中属于同种类型的故障特征信息进行匹配时,若属于同种类型的故障特征信息完全匹配,则可以确定二者匹配成功;若属于同种类型的故障特征信息未完全匹配时,可以将二者进行同义词判断,若二者为同义词,则可以确定属于同种类型的故障特征信息匹配成功,否则,可以确定二者匹配失败。
示例地,当前故障事件为“#1锅炉排气阀漏气”,通过实体识别模型(其中,该实体识别模型为一种自然语言处理模型)可获知该当前故障事件的多个类型的故障特征信息分别为:
专业:锅炉;故障:排气阀漏气;设备:排气阀;机组:#1机组
其中,上述通过实体识别模型获取当前故障事件的多个类型的故障特征信息的具体方式属于本领域技术人员公知的,在本公开中不再详细描述。
如图3中所示的一历史故障事件为:“#1汽机排气阀漏气”,其中,该历史故障事件的多个类型的故障特征信息分别为:
专业:汽机;故障:排气阀漏气;设备:排气阀;机组:#1机组
针对该历史故障事件,可以将当前故障事件中的专业“锅炉”与该历史故障事件中的专业“汽机”进行匹配,将当前故障事件中的故障“排气阀漏气”与该历史故障事件中故障的“排气阀漏气”进行匹配,将当前故障事件中的设备“排气阀”与该历史故障事件中的设备“排气阀”进行匹配,将当前故障事件中的机组“#1机组”与该历史故障事件中的机组“#1机组”进行匹配。
通过匹配可知,当前故障事件中的故障特征信息“排气阀漏气”与历史故障事件中的故障特征信息“排气阀漏气”匹配成功,当前故障事件中的故障特征信息“#1机组”与历史故障事件中的故障特征信息“#1机组”匹配成功,当前故障事件中的故障特征信息“排气阀”与历史故障事件中的故障特征信息“排气阀”匹配成功,而当前故障事件中的故障特征信息“锅炉”与历史故障事件中的故障特征信息“汽机”匹配失败。
在步骤10212中,将匹配成功的故障特征信息所属类型对应的权重值之和确定为当前故障事件与该历史故障事件的匹配度。
针对每一历史故障事件,在通过上述步骤10211将当前故障事件与该历史故障事件中属于同种类型的故障特征信息进行匹配后,可以根据相应的匹配结果确定当前故障事件与该历史故障事件的匹配度。具体来说,可以将匹配成功的故障特征信息所属类型对应的权重值之和确定为当前故障事件与该历史故障事件的匹配度。
示例地,由上述示例可知,匹配成功的故障特征信息包括“排气阀漏气”、“排气阀”和“#1机组”。因此,可以将故障特征信息“排气阀漏气”所属类型“故障”对应的权重值、故障特征信息“排气阀”所属类型“设备”、故障特征信息“#1机组”所属类型“机组”对应的权重值之和确定为当前故障历史事件与该历史故障事件的匹配度。
另外,由于上述类型(即,设备、故障、机组专业、故障位置、故障时间、工况、是否停机、人员等)与故障处理实体(即,故障现象、故障原因及故障处理措施)均为离散数据,且它们之间不存在正态分布或线性关系,因而构建故障现象、故障原因、故障处理措施的组合为目标列的决策树多分类模型。并通过该模型中的calcShannonEnt函数计算各类型和目标列之间的信息增益,其中,该信息增益可以表征各类型与目标列之间的相关性大小,并将该信息增益确定为该类型对应的权重值。具体来说,可以根据上述多个历史故障事件的故障描述信息,通过以下方式来确定上述每一类型对应的权重值:
首先,确定上述多个历史故障事件的故障描述信息的第一信息熵;然后,针对每一类型,确定属于该类型的故障特征信息相对于上述多个历史故障事件的故障描述信息的第二信息熵;最后,根据上述第一信息熵与上述第二信息熵之间的差值,确定该类型对应的权重值。其中,上述第一信息熵和第二信息熵的具体确定方式属于本领域技术人员公知的,这里不再详细描述。
具体来说,在获取到第一信息熵和第二信息熵后,可以求第一信息熵和第二信息熵之间的差值;之后,对该差值进行归一化处理,即将该差值转换为[0,1]范围内的数值;最后,将归一化处理后的差值确定为该类型对应的权重值。
返回图5,在步骤1022中,根据匹配度,确定与当前故障事件相匹配的目标历史故障事件。
在一种实施方式,可以将按照匹配度由大到小的顺序排名在前M(M≥1)位的历史故障事件确定为与当前故障事件相匹配的目标历史故障事件。
在另一种实施方式中,可以将上述匹配度大于预设匹配度阈值(例如,80%)的历史故障事件确定为与当前故障事件相匹配的目标历史故障事件。
其中,上述M、预设匹配度阈值均可以是用户设定的值,也可以是默认的经验值,在本公开中均不作具体限定。
在步骤1023中,将与目标历史故障事件对应的故障处理信息确定为目标故障处理信息。
在通过上述步骤1022获取到目标历史故障事件后,可以将与该目标历史故障事件对应的故障处理信息确定为目标故障处理信息。
另外,上述确定出的目标故障处理信息可以一个,也可以为多个,在本公开中不作具体限定。
当上述目标故障处理信息为多个时,为了避免输出重复的目标故障处理信息,可以对上述目标故障处理信息进行去重处理,得到新的目标故障处理信息,之后,输出该新的目标故障处理信息。
此外,为了进一步提升上述目标故障处理信息的准确性,如图6所示,在上述步骤1023之前,上述方法还可以包括以下步骤1024~步骤1026。
在步骤1024中,对目标历史故障事件进行分类,得到N个故障事件类。
在本公开中,N≥1,并且,上述步骤1022确定出的目标历史故障事件的数量为多个,此时,可以将对应的故障处理信息相同的各目标历史故障事件归为一类。
在步骤1025中,针对每一故障事件类,根据该故障事件类中各目标历史故障事件对应的匹配度、该故障事件类对应的故障处理信息的出现概率,确定是否从多个目标历史故障事件中剔除属于该故障事件类的目标历史故障事件。
在本公开中,上述出现概率可以等于属于该故障事件类的目标历史故障事件的个数与目标历史故障事件的总数量的比值。具体来说,可以通过以下方式来确定是否从多个目标历史故障事件中剔除属于该故障事件类的目标历史故障事件:
若该故障事件类中各目标历史故障事件对应的所述匹配度之和、与上述出现概率的乘积小于预设阈值,则确定从目标历史故障事件中剔除属于该故障事件类的目标历史故障事件,此时,可以执行相应的剔除操作,以从上述目标历史故障事件中剔除属于该故障事件类的目标历史故障事件,即执行以下步骤1026;若该故障事件类中各目标历史故障事件对应的所述匹配度之和、与上述出现概率的乘积大于或等于上述预设阈值,则确定不从目标历史故障事件中剔除属于该故障事件类的目标历史故障事件。其中,上述预设阈值可以是用户设定的值,也可以是默认的经验值,在本公开中不作具体限定。
在步骤1026中,若确定从多个目标历史故障事件中剔除属于该故障事件类的目标历史故障事件,则执行相应的剔除操作。
另外,为了使得根据上述预先构建的故障事件图谱确定出的目标故障处理信息的准确性,可以利用未确定出目标故障处理信息的各故障事件实时更新该故障事件图谱。具体来说,如图7所示,上述方法还可以包括以下步骤104。
在步骤104中,若未确定出目标故障处理信息,则在当前故障事件处理完成后,利用当前故障事件的故障描述信息和当前故障事件对应的故障处理信息,更新故障事件图谱。
在本公开中,若通过上述步骤102未确定出目标故障处理信息,例如,上述多个历史故障事件中不存在匹配度大于上述预设匹配度阈值的事件,可以在当前故障事件实际处理完成后,将当前故障事件的故障描述信息和当前故障事件对应的故障处理信息分别映射至上述故障事件图谱的Schema框架的相应实体中,以更新上述故障事件图谱。
图8是根据一示例性实施例示出的一种故障处理辅助决策装置的框图。参照图8,该装置800可以包括:获取模块801,用于获取当前故障事件的故障描述信息;确定模块802,用于根据所述获取模块801获取到的所述当前故障事件的故障描述信息和预先构建的故障事件图谱,确定与所述当前故障事件对应的目标故障处理信息,其中,所述故障事件图谱中记录有多个历史故障事件的故障描述信息,以及每一历史故障事件对应的故障处理信息;输出模块803,用于输出所述确定模块802确定出的所述目标故障处理信息。
可选地,所述确定模块802包括:第一确定子模块,用于确定所述获取模块801获取到的所述当前故障事件的故障描述信息与每一所述历史故障事件的故障描述信息的匹配度;第二确定子模块,用于根据所述第一确定子模块确定出的所述匹配度,确定与所述当前故障事件相匹配的目标历史故障事件;第三确定子模块,用于将与所述第二确定子模块确定出的所述目标历史故障事件对应的故障处理信息确定为所述目标故障处理信息。
可选地,所述故障描述信息包括多种类型的故障特征信息;
所述第一确定子模块包括:匹配子模块,用于针对所述获取模块801获取到每一所述历史故障事件,将所述当前故障事件与该历史故障事件中属于同种类型的故障特征信息进行匹配;匹配度确定子模块,用于将匹配成功的故障特征信息所属类型对应的权重值之和确定为所述当前故障事件与该历史故障事件的匹配度。
可选地,所述第一确定子模块还包括权重值确定子模块,其中,该权重值确定子模块,用于根据所述多个历史故障事件的故障描述信息,通过以下方式确定每一所述类型对应的权重值:确定所述多个历史故障事件的故障描述信息的第一信息熵;针对每一所述类型,确定属于该类型的故障特征信息相对于所述多个历史故障事件的故障描述信息的第二信息熵,并根据所述第一信息熵与所述第二信息熵之间的差值,确定该类型对应的权重值。
可选地,所述目标历史故障事件的数量为多个;所述确定模块802还包括:分类子模块,用于在所述第三确定子模块将与所述目标历史故障事件对应的故障处理信息确定为所述目标故障处理信息之前,对所述目标历史故障事件进行分类,得到N个故障事件类,其中,将对应的故障处理信息相同的各所述目标历史故障事件归为一类,N≥1;第四确定子模块,用于针对每一所述故障事件类,根据该故障事件类中各目标历史故障事件对应的所述匹配度、该故障事件类对应的故障处理信息的出现概率,确定是否从多个所述目标历史故障事件中剔除属于该故障事件类的目标历史故障事件,其中,所述出现概率等于属于该故障事件类的目标历史故障事件的个数与所述目标历史故障事件的总数量的比值;剔除子模块,用于若确定从多个所述目标历史故障事件中剔除属于该故障事件类的目标历史故障事件,则执行相应的剔除操作。
可选地,所述第四确定子模块,用于若该故障事件类中各目标历史故障事件对应的所述匹配度之和、与所述出现概率的乘积小于预设阈值,则确定从所述目标历史故障事件中剔除属于该故障事件类的目标历史故障事件。
可选地,所述装置800还可以包括:更新模块,用于若所述确定模块802未确定出所述目标故障处理信息,则在所述当前故障事件处理完成后,利用所述当前故障事件的故障描述信息和所述当前故障事件对应的故障处理信息,更新所述故障事件图谱。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
本公开还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现本公开提供的所述故障处理辅助决策方法的步骤。
图9是根据一示例性实施例示出的一种电子设备900的框图。如图9所示,该电子设备900可以包括:处理器901,存储器902。该电子设备900还可以包括多媒体组件903,输入/输出(I/O)接口904,以及通信组件905中的一者或多者。
其中,处理器901用于控制该电子设备900的整体操作,以完成上述的故障处理辅助决策方法中的全部或部分步骤。存储器902用于存储各种类型的数据以支持在该电子设备900的操作,这些数据例如可以包括用于在该电子设备900上操作的任何应用程序或方法的指令,以及应用程序相关的数据,例如联系人数据、收发的消息、图片、音频、视频等等。该存储器902可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,例如静态随机存取存储器(Static Random Access Memory,简称SRAM),电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,简称EEPROM),可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,简称EPROM),可编程只读存储器(Programmable Read-Only Memory,简称PROM),只读存储器(Read-Only Memory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。多媒体组件903可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏,音频组件用于输出和/或输入音频信号。例如,音频组件可以包括一个麦克风,麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器902或通过通信组件905发送。音频组件还包括至少一个扬声器,用于输出音频信号。I/O接口904为处理器901和其他接口模块之间提供接口,上述其他接口模块可以是键盘,鼠标,按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件905用于该电子设备900与其他设备之间进行有线或无线通信。无线通信,例如Wi-Fi,蓝牙,近场通信(Near FieldCommunication,简称NFC),2G、3G、4G、NB-IOT、eMTC、或其他5G等等,或它们中的一种或几种的组合,在此不做限定。因此相应的该通信组件905可以包括:Wi-Fi模块,蓝牙模块,NFC模块等等。
在一示例性实施例中,电子设备900可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit,简称ASIC)、数字信号处理器(DigitalSignal Processor,简称DSP)、数字信号处理设备(Digital Signal Processing Device,简称DSPD)、可编程逻辑器件(Programmable Logic Device,简称PLD)、现场可编程门阵列(Field Programmable Gate Array,简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述的故障处理辅助决策方法。
在另一示例性实施例中,还提供了一种包括程序指令的计算机可读存储介质,该程序指令被处理器执行时实现上述的故障处理辅助决策方法的步骤。例如,该计算机可读存储介质可以为上述包括程序指令的存储器902,上述程序指令可由电子设备900的处理器901执行以完成上述的故障处理辅助决策方法。
图10是根据一示例性实施例示出的一种电子设备1000的框图。例如,电子设备1000可以被提供为一服务器。参照图10,电子设备1000包括处理器1022,其数量可以为一个或多个,以及存储器1032,用于存储可由处理器1022执行的计算机程序。存储器1032中存储的计算机程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理器1022可以被配置为执行该计算机程序,以执行上述的故障处理辅助决策方法。
另外,电子设备1000还可以包括电源组件1026和通信组件1050,该电源组件1026可以被配置为执行电子设备1000的电源管理,该通信组件1050可以被配置为实现电子设备1000的通信,例如,有线或无线通信。此外,该电子设备1000还可以包括输入/输出(I/O)接口1058。电子设备1000可以操作基于存储在存储器1032的操作系统,例如WindowsServerTM,Mac OS XTM,UnixTM,LinuxTM等等。
在另一示例性实施例中,还提供了一种包括程序指令的计算机可读存储介质,该程序指令被处理器执行时实现上述的故障处理辅助决策方法的步骤。例如,该计算机可读存储介质可以为上述包括程序指令的存储器1032,上述程序指令可由电子设备1000的处理器1022执行以完成上述的故障处理辅助决策方法。
在另一示例性实施例中,还提供一种计算机程序产品,该计算机程序产品包含能够由可编程的装置执行的计算机程序,该计算机程序具有当由该可编程的装置执行时用于执行上述的故障处理辅助决策方法的代码部分。
以上结合附图详细描述了本公开的优选实施方式,但是,本公开并不限于上述实施方式中的具体细节,在本公开的技术构思范围内,可以对本公开的技术方案进行多种简单变型,这些简单变型均属于本公开的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合。为了避免不必要的重复,本公开对各种可能的组合方式不再另行说明。
此外,本公开的各种不同的实施方式之间也可以进行任意组合,只要其不违背本公开的思想,其同样应当视为本公开所公开的内容。
Claims (10)
1.一种故障处理辅助决策方法,其特征在于,包括:
获取当前故障事件的故障描述信息;
根据所述当前故障事件的故障描述信息和预先构建的故障事件图谱,确定与所述当前故障事件对应的目标故障处理信息,其中,所述故障事件图谱中记录有多个历史故障事件的故障描述信息,以及每一历史故障事件对应的故障处理信息;
输出所述目标故障处理信息。
2.根据权利要求1所述的方法,其特征在于,所述根据所述当前故障事件的故障描述信息和预先构建的故障事件图谱,确定与所述当前故障事件对应的目标故障处理信息,包括:
确定所述当前故障事件的故障描述信息与每一所述历史故障事件的故障描述信息的匹配度;
根据所述匹配度,确定与所述当前故障事件相匹配的目标历史故障事件;
将与所述目标历史故障事件对应的故障处理信息确定为所述目标故障处理信息。
3.根据权利要求2所述的方法,其特征在于,所述故障描述信息包括多种类型的故障特征信息;
所述确定所述当前故障事件的故障描述信息与每一所述历史故障事件的故障描述信息的匹配度,包括:
针对每一所述历史故障事件,将所述当前故障事件与该历史故障事件中属于同种类型的故障特征信息进行匹配;
将匹配成功的故障特征信息所属类型对应的权重值之和确定为所述当前故障事件与该历史故障事件的匹配度。
4.根据权利要求3所述的方法,其特征在于,根据所述多个历史故障事件的故障描述信息,通过以下方式确定每一所述类型对应的权重值:
确定所述多个历史故障事件的故障描述信息的第一信息熵;
针对每一所述类型,确定属于该类型的故障特征信息相对于所述多个历史故障事件的故障描述信息的第二信息熵,并根据所述第一信息熵与所述第二信息熵之间的差值,确定该类型对应的权重值。
5.根据权利要求2所述的方法,其特征在于,所述目标历史故障事件的数量为多个;
在所述将与所述目标历史故障事件对应的故障处理信息确定为所述目标故障处理信息的步骤之前,所述方法还包括:
对所述目标历史故障事件进行分类,得到N个故障事件类,其中,将对应的故障处理信息相同的各所述目标历史故障事件归为一类,N≥1;
针对每一所述故障事件类,根据该故障事件类中各目标历史故障事件对应的所述匹配度、该故障事件类对应的故障处理信息的出现概率,确定是否从多个所述目标历史故障事件中剔除属于该故障事件类的目标历史故障事件,其中,所述出现概率等于属于该故障事件类的目标历史故障事件的个数与所述目标历史故障事件的总数量的比值;
若确定从多个所述目标历史故障事件中剔除属于该故障事件类的目标历史故障事件,则执行相应的剔除操作。
6.根据权利要求5所述的方法,其特征在于,所述根据该故障事件类中各目标历史故障事件对应的所述匹配度、该故障事件类对应的故障处理信息的出现概率,确定是否从所述目标历史故障事件中剔除属于该故障事件类的目标历史故障事件,包括:
若该故障事件类中各目标历史故障事件对应的所述匹配度之和、与所述出现概率的乘积小于预设阈值,则确定从所述目标历史故障事件中剔除属于该故障事件类的目标历史故障事件。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
若未确定出所述目标故障处理信息,则在所述当前故障事件处理完成后,利用所述当前故障事件的故障描述信息和所述当前故障事件对应的故障处理信息,更新所述故障事件图谱。
8.一种故障处理辅助决策装置,其特征在于,包括:
获取模块,用于获取当前故障事件的故障描述信息;
确定模块,用于根据所述获取模块获取到的所述当前故障事件的故障描述信息和预先构建的故障事件图谱,确定与所述当前故障事件对应的目标故障处理信息,其中,所述故障事件图谱中记录有多个历史故障事件的故障描述信息,以及每一历史故障事件对应的故障处理信息;
输出模块,用于输出所述确定模块确定出的所述目标故障处理信息。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1-7中任一项所述方法的步骤。
10.一种电子设备,其特征在于,包括:
存储器,其上存储有计算机程序;
处理器,用于执行所述存储器中的所述计算机程序,以实现权利要求1-7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911359329.6A CN111179115A (zh) | 2019-12-25 | 2019-12-25 | 故障处理辅助决策方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911359329.6A CN111179115A (zh) | 2019-12-25 | 2019-12-25 | 故障处理辅助决策方法、装置、存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111179115A true CN111179115A (zh) | 2020-05-19 |
Family
ID=70652121
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911359329.6A Pending CN111179115A (zh) | 2019-12-25 | 2019-12-25 | 故障处理辅助决策方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111179115A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112100456A (zh) * | 2020-09-16 | 2020-12-18 | 广东电网有限责任公司电力科学研究院 | 一次设备共性缺陷或故障的判断方法、装置及终端设备 |
CN112491608A (zh) * | 2020-11-24 | 2021-03-12 | 中国建设银行股份有限公司 | 一种灾备方案的确定方法、装置、设备及存储介质 |
CN113792154A (zh) * | 2021-08-30 | 2021-12-14 | 北京百度网讯科技有限公司 | 故障关联关系的确定方法、装置、电子设备及存储介质 |
CN114266364A (zh) * | 2021-11-24 | 2022-04-01 | 国网北京市电力公司 | 电网故障的处理方法及其装置、计算机可读存储介质 |
CN115828125A (zh) * | 2022-11-17 | 2023-03-21 | 盐城工学院 | 一种基于信息熵特征加权模糊聚类方法及系统 |
CN115828112A (zh) * | 2022-12-02 | 2023-03-21 | 德联易控科技(北京)有限公司 | 一种故障事件的响应方法、装置、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107203450A (zh) * | 2016-03-16 | 2017-09-26 | 伊姆西公司 | 故障的分类方法和设备 |
WO2017185945A1 (zh) * | 2016-04-29 | 2017-11-02 | 中兴通讯股份有限公司 | 一种故障处理方法及装置 |
CN107437113A (zh) * | 2016-05-25 | 2017-12-05 | 中国电力科学研究院 | 一种配电主设备带电检测判据知识库系统及其实现方法 |
CN110110870A (zh) * | 2019-06-05 | 2019-08-09 | 厦门邑通软件科技有限公司 | 一种基于事件图谱技术的设备故障智能监控方法 |
-
2019
- 2019-12-25 CN CN201911359329.6A patent/CN111179115A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107203450A (zh) * | 2016-03-16 | 2017-09-26 | 伊姆西公司 | 故障的分类方法和设备 |
WO2017185945A1 (zh) * | 2016-04-29 | 2017-11-02 | 中兴通讯股份有限公司 | 一种故障处理方法及装置 |
CN107437113A (zh) * | 2016-05-25 | 2017-12-05 | 中国电力科学研究院 | 一种配电主设备带电检测判据知识库系统及其实现方法 |
CN110110870A (zh) * | 2019-06-05 | 2019-08-09 | 厦门邑通软件科技有限公司 | 一种基于事件图谱技术的设备故障智能监控方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112100456A (zh) * | 2020-09-16 | 2020-12-18 | 广东电网有限责任公司电力科学研究院 | 一次设备共性缺陷或故障的判断方法、装置及终端设备 |
CN112491608A (zh) * | 2020-11-24 | 2021-03-12 | 中国建设银行股份有限公司 | 一种灾备方案的确定方法、装置、设备及存储介质 |
CN113792154A (zh) * | 2021-08-30 | 2021-12-14 | 北京百度网讯科技有限公司 | 故障关联关系的确定方法、装置、电子设备及存储介质 |
CN113792154B (zh) * | 2021-08-30 | 2023-06-23 | 北京百度网讯科技有限公司 | 故障关联关系的确定方法、装置、电子设备及存储介质 |
CN114266364A (zh) * | 2021-11-24 | 2022-04-01 | 国网北京市电力公司 | 电网故障的处理方法及其装置、计算机可读存储介质 |
CN115828125A (zh) * | 2022-11-17 | 2023-03-21 | 盐城工学院 | 一种基于信息熵特征加权模糊聚类方法及系统 |
CN115828112A (zh) * | 2022-12-02 | 2023-03-21 | 德联易控科技(北京)有限公司 | 一种故障事件的响应方法、装置、电子设备及存储介质 |
CN115828112B (zh) * | 2022-12-02 | 2023-08-18 | 德联易控科技(北京)有限公司 | 一种故障事件的响应方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111179115A (zh) | 故障处理辅助决策方法、装置、存储介质及电子设备 | |
WO2021184630A1 (zh) | 基于知识图谱定位排污对象的方法及相关设备 | |
WO2019196869A1 (zh) | 一种确定巡检基站列表的方法以及巡检装置 | |
CN112217207B (zh) | 一种暂态电压稳定裕度预测方法及装置 | |
US9270749B2 (en) | Leveraging social media to assist in troubleshooting | |
CN108304567B (zh) | 高压变压器工况模式识别与数据分类方法及系统 | |
EP3340136A1 (en) | Systems and methods for determining relationships between defects | |
CN110178121A (zh) | 一种数据库的检测方法及其终端 | |
CN113435759B (zh) | 一种基于深度学习的一次设备风险智能评估方法 | |
CN103744919A (zh) | 电网知识库的自学习方法和系统 | |
CN112818008A (zh) | 核电调试故障智能诊断的方法、系统、介质及电子设备 | |
CN115860717A (zh) | 一种基于知识图谱的故障诊断方法、装置及电子设备 | |
CN117394529A (zh) | 基于scada的主配网合环倒供电控制条件辅助决策方法及系统 | |
CN113010695A (zh) | 一种适用于继电保护装置缺陷分析的专业词典构建方法 | |
CN113065580A (zh) | 一种基于多信息融合的电厂设备管理方法及系统 | |
CN109902196B (zh) | 一种商标类别推荐方法、装置、计算机设备及存储介质 | |
CN111340253A (zh) | 一种主网检修申请单的解析方法及系统 | |
CN116739408A (zh) | 基于数据标签的电网调度安全监控方法、系统及电子设备 | |
CN113535458B (zh) | 异常误报的处理方法及装置、存储介质、终端 | |
Du et al. | Chinese term extraction from web pages based on expected point-wise mutual information | |
CN114461735A (zh) | 工矿数据分级分类方法、装置和计算机设备 | |
CN114519650A (zh) | 一种市域电网调度操作票智能审票方法、设备及存储介质 | |
CN111352818A (zh) | 应用程序性能分析方法、装置、存储介质及电子设备 | |
CN116739223B (zh) | 企业排污实时监管方法、装置、存储介质及电子设备 | |
CN110866173B (zh) | 一种基于深度学习的遥信梳理方法 |
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 |