CN111736636A - 一种基于知识图谱的水淹水车室预警方法及系统 - Google Patents
一种基于知识图谱的水淹水车室预警方法及系统 Download PDFInfo
- Publication number
- CN111736636A CN111736636A CN202010663740.9A CN202010663740A CN111736636A CN 111736636 A CN111736636 A CN 111736636A CN 202010663740 A CN202010663740 A CN 202010663740A CN 111736636 A CN111736636 A CN 111736636A
- Authority
- CN
- China
- Prior art keywords
- waterwheel
- water level
- early warning
- knowledge graph
- analyzing
- 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 23
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 49
- 238000012545 processing Methods 0.000 claims abstract description 19
- 238000004458 analytical method Methods 0.000 claims description 17
- 238000012544 monitoring process Methods 0.000 claims description 14
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000002790 cross-validation Methods 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 abstract description 3
- 230000000630 rising effect Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D9/00—Level control, e.g. controlling quantity of material stored in vessel
- G05D9/12—Level control, e.g. controlling quantity of material stored in vessel characterised by the use of electric means
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Alarm Systems (AREA)
Abstract
本申请提供一种基于知识图谱的水淹水车室预警方法及系统，包括获取水车室系统的历史运行时序数据；根据历史运行时序数据分析水车室的顶盖水位变化趋势；根据顶盖水位变化趋势分析水车室系统各类故障发生的概率；根据各类故障发生的概率从故障管理知识图谱中调取对应的处理措施进行预警提示。通过上述方式，可以在提前进行预警的同时自主判断故障类型及原因，为及时处理故障提供足够的响应时间。
Description
技术领域
本申请涉及水电站安全防护技术领域，具体而言，涉及一种基于知识图谱的水淹水车室预警方法及系统。
背景技术
水轮发电机组在运行过程中，水车室的安全运行至关重要，对其最大的威胁便是水淹水车室事故。传统的监测手段获取到的信息有限，不能对水车室内设备运行隐患、水位上涨趋势等提前预测预知和预警，只能被动处置；更无法对系统的运行劣化趋势智能分析判断和预警，当发生故障时无法预留出足够的应急处置时间；其次，传统的监测方式与无人值守，智慧电厂建设等要求存在较大的差距，对于设备异常信息，往往采用事后分析判断的方式，缺少对水车室内设备运行状况系统的即时评判分析依据，不能有效实现事前介入处置，控制事态的发展。行业内现有的运行趋势分析方法存在分析结果滞后，不能实现实时预测，提前预警的弊端的问题。所以亟需提供一种方法以便于对水车室的顶盖水位进行提前预警。
发明内容
本申请的目的在于提供一种基于知识图谱的水淹水车室预警方法及系统，用以实现根据水车室的历史运行数据及时对顶盖水位进行提前预警的技术效果。
第一方面，本申请实施例提供了一种基于知识图谱的水淹水车室预警方法，包括获取水车室系统的历史运行时序数据；
根据所述历史运行时序数据分析水车室的顶盖水位变化趋势；
根据所述顶盖水位变化趋势分析所述水车室系统各类故障发生的概率；
根据各类故障发生的概率从故障管理知识图谱中调取对应的处理措施进行预警提示。
进一步地，所述根据所述历史运行时序数据分析水车室顶盖水位变化趋势的步骤：对所述历史运行时序数据进行预处理，所述预处理包括删插无效数据、标注标签、指定索引；对预处理后的数据进行标准化及格式化处理；利用keras算法构建的双层堆叠LSTM模型根据标准化及格式化处理的数据分析水车室的顶盖水位变化趋势。
进一步地，所述方法还包括：对所述LSTM模型的超参数进行多步交叉验证，得到最佳超参数，然后使用历史运行时序数据作为测试数据对所述LSTM模型进行验证。
进一步地，所述根据所述顶盖水位变化趋势分析所述水车室系统各类故障发生的概率的步骤包括：根据历史监控数据和各类水位变化趋势的专家先验知识构建马尔可夫逻辑网络，所述专家先验知识包括历史监控数据中各类水位变化趋势对应的故障类型；通过所述马尔可夫逻辑网络分析所述水车室系统各类故障发生的概率。
进一步地，所述方法还包括：获取水车室系统的历史检修处理文档；根据所述历史检修处理文档建立分词字典，并对文本进行分词处理；采用自顶向下的方法构建知识图谱本体；将所述文本中的实体对象链接到知识图谱中对应的正确实体对象，通过嵌入方式投影到低维向量空间，并在向量空间中通过向量平移转换操作，计算头、尾实体及链接关系在向量空间中的损失函数值，实现头尾实体的关系链接，得到水车库的故障管理知识图谱。
第二方面，本申请实施例提供了一种基于知识图谱的水淹水车室预警系统，包括获取模块，用于获取水车室系统的历史运行时序数据；第一分析模块，用于根据所述历史运行时序数据分析水车室的顶盖水位变化趋势；第二分析模块，用于根据所述顶盖水位变化趋势分析所述水车室系统各类故障发生的概率；预警模块，用于根据各类故障发生的概率从故障管理知识图谱中调取对应的处理措施进行预警提示。
进一步地，所述预警模块包括语音输出模块和显示模块，所述语音输出模块用于通过语音报警器播放预警提示信息；所述显示模块用通过显示器显示预警提示信息。
本申请能够实现的有益效果是：本申请通过对水车室的历史运行时序数据进行分析，预测顶盖水位的变化趋势，并根据顶盖水位的变化趋势分析水车室系统各类故障发生的概率，然后从知识图谱中调取对应的处理措施进行预警提示，可以在提前进行预警的同时自主判断故障类型及原因，为及时处理故障提供足够的响应时间。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的一种基于知识图谱的水淹水车室预警方法流程示意图；
图2为本申请实施例提供的一种基于知识图谱的水淹水车室预警系统拓扑结构示意图。
图标：10-水淹水车室预警系统；100-获取模块；200-第一分析模块；300-第二分析模块；400-预警模块；410-语音输出模块；420-显示模块。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
请参看图1，图1本申请实施例提供的一种基于知识图谱的水淹水车室预警方法流程示意图。
经申请人研究发现，传统的监测手段获取到的信息有限，不能对水车室内设备运行隐患、水位上涨趋势等提前预测预知和预警，只能被动处置；更无法对系统的运行劣化趋势智能分析判断和预警，当发生故障时无法预留出足够的应急处置时间；其次，传统的监测方式与无人值守，智慧电厂建设等要求存在较大的差距，对于设备异常信息，往往采用事后分析判断的方式，缺少对水车室内设备运行状况系统的即时评判分析依据，不能有效实现事前介入处置，控制事态的发展。行业内现有的运行趋势分析方法存在分析结果滞后，不能实现实时预测，提前预警的弊端。所以本申请实施例提供了一种基于知识图谱的水淹水车室预警方法，可以根据水车室系统的历史运行时序数据预测顶盖水位变化趋势，根据该趋势分析各类故障发生的概率，并通过知识图谱中对应的故障处理措施进行预警提示。其具体内容如下所述。
步骤S101，获取水车室系统的历史运行时序数据。
在一种实施方式中，水车室系统的历史运行时序数据可以通过电站综合数据平台进行实时获取，采用消息队列的方式实时接入，一方面可以存入时序数据库用于分析，同时存入列式数据库用于存档及所有历史数据查询。
步骤S102，根据所述历史运行时序数据分析水车室的顶盖水位变化趋势。
在一种实施方式中，可以通过建立水位时序数据预测模型分析顶盖水位变化趋势。具体地，在获取到水车室系统的历史运行时序数据后，可以对历史运行时序数据先进行预处理。例如，可以通过删插无效数据、标注标签、指定索引等一系列批量数据操作对历史运行时序数据进行预处理。预处理后的数据再进一步进行标准化及格式化处理，调整为模型能够接受的数据维度。最后，通过keras算法构建出的双层堆叠LSTM模型分析顶盖水位变化趋势。
在一种实施方式中，还可以对LSTM模型的超参数进行多步交叉验证，选择出最佳的超参数，然后使用历史运行时序数据作为测试数据对模型进行验证，验证误差范围是否符合要求。例如，可以使用50万条电站的历史运行时序数据对模型进行验证，验证预测的水位与历史运行时序数据中的实际水位差是否低于设置的误差上限(例如可以将误差上限设为，但是不限于，5mm)。为了提高预测的精准度，还可以扩大用于验证的电站历史运行时序数据量。
步骤S103，根据所述顶盖水位变化趋势分析所述水车室系统各类故障发生的概率。
在一种实施方式中，可以先获取电站的历史监控数据；然后采用时序数据预测模型的数据预处理方式对历史监控数据进行删插空数据、标注标签、指定索引等一系列批量数据操作；再根据历史监控数据和专家先验知识构建马尔可夫逻辑网络。其中专家先验知识包括历史监控数据中各类水位变化趋势对应的故障类型。通过该马尔可夫逻辑网络中的概率模型分析水车室系统各类故障发生的概率。马尔可夫逻辑网络是一个包含所有规则权重对(fi,ωi)的集合，其中fi表示逻辑规则，ωi表示逻辑规则对应的权重实数。具体地，概率模型可以为：
其中，g(x)＝1时表示某一条历史监控数据满足该规则，反之不满足，而第二行中的n(x)则是g(x)＝1的计数。F为马尔可夫网络中所有规则的集合，Gfi是利用所有历史监控数据去学习得到的规则fi的集合。
是集合了所有可能的水车室故障的归一化参数。
步骤S104，根据各类故障发生的概率从故障管理知识图谱中调取对应的处理措施进行预警提示。
获取到各类故障发生的概率后就可以从故障管理知识图谱中调取对应的处理措施进行预警提示。
在一种实施方式中，可以按照以下方式构建故障管理知识图谱。
获取水车室系统的历史检修处理文档；
根据所述历史检修处理文档建立分词字典，并对文本进行分词处理；
采用自顶向下的方法构建知识图谱本体；
将所述文本中的实体对象链接到知识图谱中对应的正确实体对象，通过嵌入方式投影到低维向量空间，并在向量空间中通过向量平移转换操作，计算头、尾实体及链接关系在向量空间中的损失函数值，实现头尾实体的关系链接，得到水车库的故障管理知识图谱。
请参看图2，图2为本申请实施例提供的一种基于知识图谱的水淹水车室预警系统拓扑结构示意图。
本申请实施例提供的基于知识图谱的水淹水车室预警系统10包括：
获取模块100，用于获取水车室系统的历史运行时序数据；
第一分析模块200，用于根据所述历史运行时序数据分析水车室的顶盖水位变化趋势；
第二分析模块300，用于根据所述顶盖水位变化趋势分析水车室系统各类故障发生的概率；
预警模块400，用于根据各类故障发生的概率从故障管理知识图谱中调取对应的处理措施进行预警提示。
在一种实施方式中，预警模块400包括语音输出模块410和显示模块420，语音输出模块410用于通过语音报警器播放预警提示信息；显示模块420用通过显示器显示预警提示信息。
综上所述，本申请实施例提供一种基于知识图谱的水淹水车室预警方法及系统，包括获取水车室系统的历史运行时序数据；根据历史运行时序数据分析水车室的顶盖水位变化趋势；根据顶盖水位变化趋势分析水车室系统各类故障发生的概率；根据各类故障发生的概率从故障管理知识图谱中调取对应的处理措施进行预警提示。通过上述方式，可以在提前进行预警的同时自主判断故障类型及原因，为及时处理故障提供足够的响应时间。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。
Claims (7)
1.一种基于知识图谱的水淹水车室预警方法，其特征在于，包括：
获取水车室系统的历史运行时序数据；
根据所述历史运行时序数据分析水车室的顶盖水位变化趋势；
根据所述顶盖水位变化趋势分析所述水车室系统各类故障发生的概率；
根据各类故障发生的概率从故障管理知识图谱中调取对应的处理措施进行预警提示。
2.根据权利要求1所述的方法，其特征在于，所述根据所述历史运行时序数据分析水车室顶盖水位变化趋势的步骤：
对所述历史运行时序数据进行预处理，所述预处理包括删插无效数据、标注标签、指定索引；
对预处理后的数据进行标准化及格式化处理；
利用keras算法构建的双层堆叠LSTM模型根据标准化及格式化处理的数据分析水车室的顶盖水位变化趋势。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
对所述LSTM模型的超参数进行多步交叉验证，得到最佳超参数，然后使用历史运行时序数据作为测试数据对所述LSTM模型进行验证。
4.根据权利要求1所述的方法，其特征在于，所述根据所述顶盖水位变化趋势分析所述水车室系统各类故障发生的概率的步骤包括：
根据历史监控数据和各类水位变化趋势的专家先验知识构建马尔可夫逻辑网络，所述专家先验知识包括历史监控数据中各类水位变化趋势对应的故障类型；
通过所述马尔可夫逻辑网络分析所述水车室系统各类故障发生的概率。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取水车室系统的历史检修处理文档；
根据所述历史检修处理文档建立分词字典，并对文本进行分词处理；
采用自顶向下的方法构建知识图谱本体；
将所述文本中的实体对象链接到知识图谱中对应的正确实体对象，通过嵌入方式投影到低维向量空间，并在向量空间中通过向量平移转换操作，计算头、尾实体及链接关系在向量空间中的损失函数值，实现头尾实体的关系链接，得到水车库的故障管理知识图谱。
6.一种基于知识图谱的水淹水车室预警系统，其特征在于，包括：
获取模块，用于获取水车室系统的历史运行时序数据；
第一分析模块，用于根据所述历史运行时序数据分析水车室的顶盖水位变化趋势；
第二分析模块，用于根据所述顶盖水位变化趋势分析所述水车室系统各类故障发生的概率；
预警模块，用于根据各类故障发生的概率从故障管理知识图谱中调取对应的处理措施进行预警提示。
7.根据权利要求6所述的水淹水车室预警系统，其特征在于，所述预警模块包括语音输出模块和显示模块，所述语音输出模块用于通过语音报警器播放预警提示信息；所述显示模块用通过显示器显示预警提示信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010663740.9A CN111736636A (zh) | 2020-07-10 | 2020-07-10 | 一种基于知识图谱的水淹水车室预警方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010663740.9A CN111736636A (zh) | 2020-07-10 | 2020-07-10 | 一种基于知识图谱的水淹水车室预警方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111736636A true CN111736636A (zh) | 2020-10-02 |
Family
ID=72654266
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010663740.9A Pending CN111736636A (zh) | 2020-07-10 | 2020-07-10 | 一种基于知识图谱的水淹水车室预警方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111736636A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114267178A (zh) * | 2021-12-30 | 2022-04-01 | 佳都科技集团股份有限公司 | 一种车站的智能运营维护方法及装置 |
| CN114611777A (zh) * | 2022-03-04 | 2022-06-10 | 山东锋士信息技术有限公司 | 基于堆叠式长短记忆网络的汛期水库入库流量预测方法 |
| CN114629775A (zh) * | 2022-03-16 | 2022-06-14 | 意恒(武汉)信息技术有限公司 | 一种基于知识图谱的专网智能安全防护系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104698961A (zh) * | 2015-02-07 | 2015-06-10 | 云南能投威士科技股份有限公司 | 一种水淹厂房安全预警系统 |
| CN110941725A (zh) * | 2019-11-29 | 2020-03-31 | 国网湖南省电力有限公司 | 一种基于知识图谱的水电机组故障诊断方法及系统 |
| CN111340284A (zh) * | 2020-02-24 | 2020-06-26 | 成都大汇物联科技有限公司 | 一种基于长短时记忆网络的水车室水位智能预测方法 |
-
2020
- 2020-07-10 CN CN202010663740.9A patent/CN111736636A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104698961A (zh) * | 2015-02-07 | 2015-06-10 | 云南能投威士科技股份有限公司 | 一种水淹厂房安全预警系统 |
| CN110941725A (zh) * | 2019-11-29 | 2020-03-31 | 国网湖南省电力有限公司 | 一种基于知识图谱的水电机组故障诊断方法及系统 |
| CN111340284A (zh) * | 2020-02-24 | 2020-06-26 | 成都大汇物联科技有限公司 | 一种基于长短时记忆网络的水车室水位智能预测方法 |
Non-Patent Citations (2)
| Title |
|---|
| 刘玉良等: "深度学习", 西安电子科技大学出版社, pages: 159 - 164 * |
| 靳帅等: "大型水轮发电机组水淹水车室预警决策模型研究", 《四川水力发电》, vol. 39, no. 03, 15 June 2020 (2020-06-15), pages 137 - 140 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114267178A (zh) * | 2021-12-30 | 2022-04-01 | 佳都科技集团股份有限公司 | 一种车站的智能运营维护方法及装置 |
| CN114267178B (zh) * | 2021-12-30 | 2023-09-26 | 佳都科技集团股份有限公司 | 一种车站的智能运营维护方法及装置 |
| CN114611777A (zh) * | 2022-03-04 | 2022-06-10 | 山东锋士信息技术有限公司 | 基于堆叠式长短记忆网络的汛期水库入库流量预测方法 |
| CN114629775A (zh) * | 2022-03-16 | 2022-06-14 | 意恒(武汉)信息技术有限公司 | 一种基于知识图谱的专网智能安全防护系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111736636A (zh) | 一种基于知识图谱的水淹水车室预警方法及系统 | |
| CN111639430A (zh) | 一种数字孪生驱动的天然气管道泄漏识别系统 | |
| CN110807550B (zh) | 基于神经网络的配变重过载识别预警方法及终端设备 | |
| US12092269B2 (en) | Method for troubleshooting potential safety hazards of compressor in smart gas pipeline network and internet of things system thereof | |
| CN111651505B (zh) | 一种基于数据驱动的设备运行态势分析预警方法及系统 | |
| CN114723285B (zh) | 一种电网设备安全性评估预测方法 | |
| CN103389701B (zh) | 基于分布式数据模型的厂级过程故障检测与诊断方法 | |
| CN113435759B (zh) | 一种基于深度学习的一次设备风险智能评估方法 | |
| CN114519382B (zh) | 一种核动力装置关键运行参数提取与异常监测方法 | |
| CN113283602B (zh) | 基于离线知识学习和在线动态修正电网系统故障诊断方法 | |
| CN110895495A (zh) | 人因失误分析方法、系统、计算机设备及存储介质 | |
| 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 | |
| CN117172753A (zh) | 一种基于移动互联网的智慧水电站巡检系统及方法 | |
| CN115935807A (zh) | 基于图马尔可夫神经网络的诊断模型的训练方法 | |
| CN118313812A (zh) | 一种基于机器学习的电力大数据采集处理方法 | |
| Yu et al. | A continuous learning monitoring strategy for multi-condition of nuclear power plant | |
| CN114676791A (zh) | 一种基于模糊证据推理的电力系统告警信息处理方法 | |
| CN118070229A (zh) | 一种基于多模态数据挖掘的设备故障预警模型及方法 | |
| CN117952591A (zh) | 一种变电站继电保护智能巡检方法 | |
| CN117350700A (zh) | 一种基于潜在语义分析的事件辅助决策方法和系统 | |
| CN114265837A (zh) | 一种站端交互数据特征提取方法 | |
| CN114399177A (zh) | 一种基于Apriori的调度处置规则挖掘与生成方法及系统 | |
| CN113807462A (zh) | 一种基于ai的网络设备故障原因定位方法及其系统 | |
| CN113673162A (zh) | 一种基于模糊评判及DSmT的变压器本体状态评估方法 | |
| CN113435195B (zh) | 一种基于主变负载特性的缺陷智能诊断模型构建方法 |
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 | ||
| CB02 | Change of applicant information |
Address after: 614700 No.1, section 4, Binhe Road, Jinkouhe District, Leshan City, Sichuan Province Applicant after: Guoneng Dadu River Zhentouba Power Generation Co.,Ltd. Address before: 614700 No.1, section 4, Binhe Road, Jinkouhe District, Leshan City, Sichuan Province Applicant before: GUODIAN DADU RIVER ZHENTOUBA POWER GENERATION Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201002 |
|
| RJ01 | Rejection of invention patent application after publication |