CN115935281A - 基于决策树的用能设备故障诊断方法、装置、设备及介质 - Google Patents
基于决策树的用能设备故障诊断方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN115935281A CN115935281A CN202211667676.7A CN202211667676A CN115935281A CN 115935281 A CN115935281 A CN 115935281A CN 202211667676 A CN202211667676 A CN 202211667676A CN 115935281 A CN115935281 A CN 115935281A
- Authority
- CN
- China
- Prior art keywords
- fault
- maintenance
- equipment
- diagnosed
- information
- 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
Images
Classifications
-
- 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
- Testing And Monitoring For Control Systems (AREA)
Abstract
本申请涉及用能设备运维技术领域,特别涉及一种基于决策树的用能设备故障诊断方法、装置、设备及介质,方法包括:判断待诊断设备是否发出告警信息;若待诊断设备发出告警信息,则获取待诊断设备的当前运行数据,并将当前运行数据输入至预先建立的故障诊断模型,得到待诊断设备的故障信息和故障维修建议;其中,预先建立的故障诊断模型基于决策树和故障诊断数据集得到;将故障信息和故障维修建议发送至预设移动终端,以使得运维工人基于故障维修建议对待诊断设备进行维修。由此,通过将运维经验从人为的感性认知,转化为可重复应用的数字化信息沉淀,解决了故障排查响应滞后,效率低下等问题,从而提高设备运维工作效率,提升智能化运维程度。
Description
技术领域
本申请涉及用能设备运维技术领域,特别涉及一种基于决策树的用能设备故障诊断方法、装置、设备及介质。
背景技术
基于决策树的设备故障运维智能诊断场景主要涉及两个用户角色,设备/运维专家和运维工程师,设备/运维专家在智能诊断产品中的“专家工作台”模块,完成故障诊断模型配置和沉淀,并应用到已物联的生产/用能设备上,例如燃气蒸汽锅炉、空压机、水冷冷水机组、空气源热泵及变压器等。
相关技术中,应用诊断模型的生产/用能设备,智能诊断产品将实时监测设备运行数据和状态,当发生异常或故障时,智能诊断产品将在“故障管理”模块显示一条故障记录,其中,故障记录显示故障信息、设备信息,以及应用决策树、专家知识反馈的诊断建议和处理措施,在故障发生时,运维工程师可以通过移动端智能诊断产品,同步查看故障记录、诊断建立和处理措施,现场完成故障处理和消除,若智能诊断产品反馈的诊断建议和处理措施,与实际情况存在偏差或不完善,运维工程师可反馈设备/运维专家,完成辅助决策树的修正和相关知识补充,形成监测、诊断、管理、反馈、优化的业务闭环。
然而,该方法主要是通过人的训练不断改善运维水平,在知识的承载和传承上非常依赖人,且极为有限,并且对于事件的响应比较滞后,导致效率低下,亟待解决。
发明内容
本申请提供一种基于决策树的用能设备故障诊断方法、装置、设备及介质,以解决故障排查响应滞后,效率低下等问题,从而提高设备运维工作效率,提升智能化运维程度。
本申请第一方面实施例提供一种基于决策树的用能设备故障诊断方法,包括以下步骤:
判断待诊断设备是否发出告警信息;
若所述待诊断设备发出所述告警信息,则获取所述待诊断设备的当前运行数据,并将所述当前运行数据输入至预先建立的故障诊断模型,得到所述待诊断设备的故障信息和故障维修建议;其中,所述预先建立的故障诊断模型基于决策树和故障诊断数据集得到;以及
将所述故障信息和所述故障维修建议发送至预设移动终端,以使得运维工人基于所述故障维修建议对所述待诊断设备进行维修。
根据本申请的一个实施例,在将所述当前运行数据输入至预先建立的所述故障诊断模型之前,还包括:
获取所述故障诊断数据集,所述故障诊断数据集包括多个设备故障数据和每个设备故障数据对应的维修建议;
基于所述多个设备故障数据和所述每个设备故障数据对应的维修建议,利用所述决策树构建所述故障诊断模型。
根据本申请的一个实施例,在将最佳故障维修建议发送至所述预设移动终端之后,还包括:
接收所述运维工基于所述故障维修建议反馈的维修结果;
若所述维修结果为维修成功,则关闭所述告警信息;否则,解析所述维修结果,判断所述运维工是否指定目标专家对所述故障信息进行诊断;
若所述运维工未指定所述目标专家对所述故障信息进行诊断,则基于所述故障信息匹配最优专家,并接收所述最优专家基于所述故障信息下发的第一维修建议;否则,接收所述目标专家基于所述故障信息下发的第二维修建议;
发送所述第一维修建议或所述第二维修建议至所述运维工,以使得所述运维工人基于所述第一维修建议或所述第二维修建议对所述待诊断设备进行维修。
根据本申请的一个实施例,上述的基于决策树的用能设备故障诊断方法,还包括:
基于所述故障信息、所述第一维修建议或所述第二维修建议对所述故障诊断模型进行更新。
根据本申请的一个实施例,所述待诊断设备包括制冷制热主设备、配电设备、光伏设备、燃气设备和储能设备中的至少一种。
根据本申请实施例提出的基于决策树的用能设备故障诊断方法,在待诊断设备发出告警信息时,将待诊断设备的当前运行数据输入至故障诊断模型,即可得到待诊断设备的故障信息和故障维修建议,并将故障信息和故障维修建议发送至预设移动终端,使得运维工人对待诊断设备进行维修。由此,通过将运维经验从人为的感性认知,转化为可重复应用的数字化信息沉淀,解决了故障排查响应滞后,效率低下等问题,从而提高设备运维工作效率,提升智能化运维程度。
本申请第二方面实施例提供一种基于决策树的用能设备故障诊断装置,包括:
判断模块,用于判断待诊断设备是否发出告警信息;
处理模块,用于若所述待诊断设备发出所述告警信息,则获取所述待诊断设备的当前运行数据,并将所述当前运行数据输入至预先建立的故障诊断模型,得到所述待诊断设备的故障信息和故障维修建议;其中,所述预先建立的故障诊断模型基于决策树和故障诊断数据集得到;以及
发送模块,用于将所述故障信息和所述故障维修建议发送至预设移动终端,以使得运维工人基于所述故障维修建议对所述待诊断设备进行维修。
根据本申请的一个实施例,在将所述当前运行数据输入至预先建立的所述故障诊断模型之前,所述处理模块,还用于:
获取所述故障诊断数据集,所述故障诊断数据集包括多个设备故障数据和每个设备故障数据对应的维修建议;
基于所述多个设备故障数据和所述每个设备故障数据对应的维修建议,利用所述决策树构建所述故障诊断模型。
根据本申请的一个实施例,在将最佳故障维修建议发送至所述预设移动终端之后,所述发送模块,还用于:
接收所述运维工基于所述故障维修建议反馈的维修结果;
若所述维修结果为维修成功,则关闭所述告警信息;否则,解析所述维修结果,判断所述运维工是否指定目标专家对所述故障信息进行诊断;
若所述运维工未指定所述目标专家对所述故障信息进行诊断,则基于所述故障信息匹配最优专家,并接收所述最优专家基于所述故障信息下发的第一维修建议;否则,接收所述目标专家基于所述故障信息下发的第二维修建议;
发送所述第一维修建议或所述第二维修建议至所述运维工,以使得所述运维工人基于所述第一维修建议或所述第二维修建议对所述待诊断设备进行维修。
根据本申请的一个实施例,上述的基于决策树的用能设备故障诊断装置,还用于:
基于所述故障信息、所述第一维修建议或所述第二维修建议对所述故障诊断模型进行更新。
根据本申请的一个实施例,所述待诊断设备包括制冷制热主设备、配电设备、光伏设备、燃气设备和储能设备中的至少一种。
根据本申请实施例提出的基于决策树的用能设备故障诊断装置,在待诊断设备发出告警信息时,将待诊断设备的当前运行数据输入至故障诊断模型,即可得到待诊断设备的故障信息和故障维修建议,并将故障信息和故障维修建议发送至预设移动终端,使得运维工人对待诊断设备进行维修。由此,通过将运维经验从人为的感性认知,转化为可重复应用的数字化信息沉淀,解决了故障排查响应滞后,效率低下等问题,从而提高设备运维工作效率,提升智能化运维程度。
本申请第三方面实施例提供一种电子设备,包括:存储器、处理器及存储在所述存储
器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序,以实现如上述实5施例所述的基于决策树的用能设备故障诊断方法。
本申请第四方面实施例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,以用于实现如上述实施例所述的基于决策树的用能设备故障诊断方法。
本申请附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为根据本申请实施例提供的一种基于决策树的用能设备故障诊断方法的流程图;5图2为根据本申请的一个实施例的业务时序示意图;
图3为根据本申请的一个实施例的新建诊断模型的示意图;
图4为根据本申请的一个实施例的新建诊断模型的示意图;
图5为根据本申请的一个实施例的“诊断助手”页面示意图;
图6为根据本申请的一个实施例的故障诊断触发时序示意图;
0图7为根据本申请的一个实施例的离线规则数据计算时序示意图;
图8为根据本申请的一个实施例的反馈故障信息和故障维修建议的流程图;
图9为根据本申请的一个实施例的AI诊断意见页面的示意图;
图10为根据本申请的一个实施例的整体设计的业务流程图;
图11为根据本申请的一个实施例的应用架构的示意图;
5图12为根据本申请的一个实施例的技术架构的示意图;
图13为根据本申请的一个实施例的业务总体时序示意图;
图14为根据本申请实施例提供的一种基于决策树的用能设备故障诊断装置的方框示意图;
图15为根据本申请实施例的电子设备的结构示意图。
具体实施方式
下面详细描述本申请的实施例,实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本申请,而不能理解为对本申请的限制。
下面参考附图描述本申请实施例的基于决策树的用能设备故障诊断方法、装置、设备及介质。针对上述背景技术中提到的故障排查响应滞后,效率低下等问题,本申请提供了一种基于决策树的用能设备故障诊断方法,在该方法中,在待诊断设备发出告警信息时,将待诊断设备的当前运行数据输入至故障诊断模型,即可得到待诊断设备的故障信息和故障维修建议,并将故障信息和故障维修建议发送至预设移动终端,使得运维工人对待诊断设备进行维修。由此,通过将运维经验从人为的感性认知,转化为可重复应用的数字化信息沉淀,解决了故障排查响应滞后,效率低下等问题,从而提高设备运维工作效率,提升智能化运维程度。
具体而言,图1为本申请实施例所提供的一种基于决策树的用能设备故障诊断方法的流程图。
如图1所示,该基于决策树的用能设备故障诊断方法包括以下步骤:
在步骤S101中,判断待诊断设备是否发出告警信息。
其中,在一些实施例中,待诊断设备包括制冷制热主设备、配电设备、光伏设备、燃气设备和储能设备中的至少一种。
可以理解的是,在锅炉、暖通、空压以及配电等设备的运行过程中,由于设备运行不合理或设备老化等原因,则会产生设备故障和告警信息。
在步骤S102中,若待诊断设备发出告警信息,则获取待诊断设备的当前运行数据,并将当前运行数据输入至预先建立的故障诊断模型,得到待诊断设备的故障信息和故障维修建议;其中,预先建立的故障诊断模型基于决策树和故障诊断数据集得到。
可以理解的是,故障诊断模型可以根据发出告警信息的待诊断设备的当前运行数据,得出待诊断设备的故障信息和故障维修建议,即将待诊断设备的当前运行数据输入至预先建立的故障诊断模型之后,可以输出待诊断设备的故障信息和故障维修建议。
因此,本申请实施例在判断待诊断设备发出告警信息后,可以将待诊断设备的当前运行数据输入至预先建立的故障诊断模型,从而得到待诊断设备的故障信息和故障维修建议。
进一步地,在一些实施例中,在将当前运行数据输入至预先建立的故障诊断模型之前,还包括:获取故障诊断数据集,故障诊断数据集包括多个设备故障数据和每个设备故障数据对应的维修建议;基于多个设备故障数据和每个设备故障数据对应的维修建议,利用决策树构建故障诊断模型。
具体而言,如图2所示,图2为本申请的一个实施例的业务时序示意图,本申请实施例对于专家工作台的设计,使得设备/运维专家可以利用诊断模型编辑工具,将运维经验知识沉淀到智能诊断产品中。
进一步地,在本申请实施例中,诊断模型列表:显示诊断模型名称、所属标签、应用设备类型、模型应用设备数量、创建人和最近编辑信息;如图3和图4所示,新建诊断模型:调取诊断模型编辑工具,完成模型沉淀;诊断模型复制:模型决策树结构复制,实现模型快速沉淀和生成;模型关联设备:诊断模型应用至具体设备实例,实现设备实时监测,当设备异常或发生故障时,可以反馈故障信息和故障维修建议。
可以理解的是,本申请实施例基于用能设备数据测点/实时测点值的获取和监测,设计了故障诊断模型编辑工具,实现了人的感性经验的数字化的转化和沉淀,并且模型编辑工具适用范围广,支持各设备类型,包含制冷制热主设备、配电设备、光伏设备、燃气设备以及储能设备等;此外,本申请实施例实现了专家设备运维经验和决策树技术在实际运维场景和工作的应用,解决了相关技术仅支持了设备故障报警,缺少后续根因诊断和运维指导建议输出的问题,使运维、经验、诊断形成完整业务闭环,促进诊断价值落地。
在步骤S103中,将故障信息和故障维修建议发送至预设移动终端,以使得运维工人基于故障维修建议对待诊断设备进行维修。
可以理解的是,如图5(a)、(b)所示,“诊断助手”是本申请实施例中智能诊断方法的一部分,主要应用于现场运维场景,通过将故障信息和故障维修建议发送至预设移动终端,以配合运维工人完成设备故障诊断和设备维修处理。
具体而言,如图6和图7所示,图6为本申请的一个实施例的故障诊断触发时序示意图,图7为本申请的一个实施例的离线规则数据计算时序示意图,本申请实施例将故障诊断模型与应用设备相关联,实现对生产/用能设备的实时监控和诊断建议输出,当关联了故障诊断模型的用能设备发生故障时,智能诊断产品“故障管理”模块将产生一条设备故障信息,设备/运维专家可通过故障信息,了解哪台设备发生了什么故障,并可查看针对故障的诊断建议和处理措施,便于运维工人基于故障维修建议对待诊断设备进行维修。
此外,本申请实施例的“故障管理”模块还可以显示发生故障的企业、设备、故障内容、严重等级、发生时间以及故障当前处理状态。
进一步地,如图8和图9所示,每个待诊断设备发生的故障,智能诊断产品都会获取故障发生时的设备运行数据,基于诊断模型,应用决策树技术,确定故障可能的根因,并故障维修建议,以指导运维工人工作。
进一步地,在一些实施例中,在将最佳故障维修建议发送至预设移动终端之后,还包括:接收运维工基于故障维修建议反馈的维修结果;若维修结果为维修成功,则关闭告警信息;否则,解析维修结果,判断运维工是否指定目标专家对故障信息进行诊断;若运维
工未指定目标专家对故障信息进行诊断,则基于故障信息匹配最优专家,并接收最优专家5基于故障信息下发的第一维修建议;否则,接收目标专家基于故障信息下发的第二维修建
议;发送第一维修建议或第二维修建议至运维工,以使得运维工人基于第一维修建议或第二维修建议对待诊断设备进行维修。
具体而言,在本申请实施例中,在运维工维修完待诊断设备之后,还会基于故障维修
建议反馈维修结果,即维修成功或者失败,若诊断意见(即故障维修建议)有用,那么表0明维修结果为维修成功,则关闭故障(即关闭告警信息);若维修失败,需对维修结果进
行分析,首先要判断运维工是否指定目标专家对故障信息进行诊断,若运维工未指定目标专家,系统则会基于故障信息自行匹配最优专家(即专家主管),并接收最优专家基于故障信息下发的诊断建议(即第一维修建议),从而便于运维工人基于第一维修建议对待诊
断设备进行维修;若运维工指定目标专家,则会接收到目标专家基于故障信息下发的诊断5建议(即第二维修建议),以使得运维工人基于第二维修建议对待诊断设备进行维修。
需要说明的是,在一些实施例中,上述的基于决策树的用能设备故障诊断方法,还包括:基于故障信息、第一维修建议或第二维修建议对故障诊断模型进行更新。
可以理解的是,本申请实施例在设备告警仅输出了告警信息的基础上,结合智能诊断
平台沉淀的专家经验和决策树实时计算能力,实现了告警根因的自动诊断和处理建议的输0出;同时支持一线运维工和设备运维专家在智能诊断产品上,针对设备故障和诊断结果的有效沟通,做到专家远程协助赋能,提高专家指导和处理设备故障的效率,进而实现专家作用的扩大化。
为便于本领域技术人员进一步了解本申请实施例提出的基于决策树的用能设备故障诊断方法,下面结合图10~图13作进一步阐述。
5如图10所示,图10为本申请的一个实施例的整体设计的业务流程图。
具体而言,当待诊断设备告警触发后,将发出告警信息,系统此时便会获取待诊断设备的当前运行数据并输入至由决策树和故障诊断数据集得到的故障诊断模型中,从而得到待诊断设备的故障信息和故障维修建议,此外,专家工作台的设备/运维专家还可以利用故
障诊断模型编辑工具,基于运维经验知识进行下发故障维修建议,“诊断助手”通过将故0障信息和故障维修建议发送至预设移动终端,以配合运维工人完成设备故障诊断和设备维
修处理。
进一步地,如图11所示,图11为本申请的一个实施例的应用架构的示意图,包括:诊断故障分析模块,用于故障智能分析;诊断模型配置模块,用于故障管理服务;故障运维APP模块,用于模型配置服务;故障诊断知识库模块,用于作为专家知识库。
进一步地,如图12所示,图12为本申请的一个实施例的技术架构的示意图,包括:展示层、技术支持组件、服务层、数据层以及安全风控层。
进一步地,如图13所示,图13为本申请的一个实施例的业务总体时序示意图,首次,判断待诊断设备发出告警信息,其次,获取待诊断设备的当前运行数据,并输入至基于决策树和故障诊断数据集得到的预先建立的故障诊断模型,最后,将得到的待诊断设备的故障信息和故障维修建议下发至预设移动终端,便于运维工人维修待诊断设备。
根据本申请实施例提出的基于决策树的用能设备故障诊断方法,在待诊断设备发出告警信息时,将待诊断设备的当前运行数据输入至故障诊断模型,即可得到待诊断设备的故障信息和故障维修建议,并将故障信息和故障维修建议发送至预设移动终端,使得运维工人对待诊断设备进行维修。由此,通过将运维经验从人为的感性认知,转化为可重复应用的数字化信息沉淀,解决了故障排查响应滞后,效率低下等问题,从而提高设备运维工作效率,提升智能化运维程度。
其次参照附图描述根据本申请实施例提出的基于决策树的用能设备故障诊断装置。
图14是本申请实施例的基于决策树的用能设备故障诊断装置的方框示意图。
如图14所示,该基于决策树的用能设备故障诊断装置10包括:判断模块100、处理模块200和发送模块300。
其中,判断模块100,用于判断待诊断设备是否发出告警信息;
处理模块200,用于若待诊断设备发出告警信息,则获取待诊断设备的当前运行数据,并将当前运行数据输入至预先建立的故障诊断模型,得到待诊断设备的故障信息和故障维修建议;其中,预先建立的故障诊断模型基于决策树和故障诊断数据集得到;以及
发送模块300,用于将故障信息和故障维修建议发送至预设移动终端,以使得运维工人基于故障维修建议对待诊断设备进行维修。
进一步地,在一些实施例中,在将当前运行数据输入至预先建立的故障诊断模型之前,处理模块200,还用于:
获取故障诊断数据集,故障诊断数据集包括多个设备故障数据和每个设备故障数据对应的维修建议;
基于多个设备故障数据和每个设备故障数据对应的维修建议,利用决策树构建故障诊断模型。
进一步地,在一些实施例中,在将最佳故障维修建议发送至预设移动终端之后,发送模块300,还用于:
接收运维工基于故障维修建议反馈的维修结果;
若维修结果为维修成功,则关闭告警信息;否则,解析维修结果,判断运维工是否指定目标专家对故障信息进行诊断;
若运维工未指定目标专家对故障信息进行诊断,则基于故障信息匹配最优专家,并接收最优专家基于故障信息下发的第一维修建议;否则,接收目标专家基于故障信息下发的第二维修建议;
发送第一维修建议或第二维修建议至运维工,以使得运维工人基于第一维修建议或第二维修建议对待诊断设备进行维修。
进一步地,在一些实施例中,上述的基于决策树的用能设备故障诊断装置10,还用于:
基于故障信息、第一维修建议或第二维修建议对故障诊断模型进行更新。
进一步地,在一些实施例中,待诊断设备包括制冷制热主设备、配电设备、光伏设备、燃气设备和储能设备中的至少一种。
需要说明的是,前述对基于决策树的用能设备故障诊断方法实施例的解释说明也适用于该实施例的基于决策树的用能设备故障诊断装置,此处不再赘述。
根据本申请实施例提出的基于决策树的用能设备故障诊断装置,在待诊断设备发出告警信息时,将待诊断设备的当前运行数据输入至故障诊断模型,即可得到待诊断设备的故障信息和故障维修建议,并将故障信息和故障维修建议发送至预设移动终端,使得运维工人对待诊断设备进行维修。由此,通过将运维经验从人为的感性认知,转化为可重复应用的数字化信息沉淀,解决了故障排查响应滞后,效率低下等问题,从而提高设备运维工作效率,提升智能化运维程度。
图15为本申请实施例提供的电子设备的结构示意图。该电子设备可以包括:
存储器1501、处理器1502及存储在存储器1501上并可在处理器1502上运行的计算机程序。
处理器1502执行程序时实现上述实施例中提供的基于决策树的用能设备故障诊断方法。
进一步地,电子设备还包括:
通信接口1503,用于存储器1501和处理器1502之间的通信。
存储器1501,用于存放可在处理器1502上运行的计算机程序。
存储器1501可能包含高速RAM(Random Access Memory,随机存取存储器)存储器,也可能还包括非易失性存储器,例如至少一个磁盘存储器。
如果存储器1501、处理器1502和通信接口1503独立实现,则通信接口1503、存储器1501和处理器1502可以通过总线相互连接并完成相互间的通信。总线可以是ISA(IndustryStandard Architecture,工业标准体系结构)总线、PCI(Peripheral Component,外部设备互连)总线或EISA(Extended Industry Standard Architecture,扩展工业标准体系结构)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,图15中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
可选的,在具体实现上,如果存储器1501、处理器1502及通信接口1503,集成在一块芯片上实现,则存储器1501、处理器1502及通信接口1503可以通过内部接口完成相互间的通信。
处理器1502可能是一个CPU(Central Processing Unit,中央处理器),或者是ASIC(Application Specific Integrated Circuit,特定集成电路),或者是被配置成实施本申请实施例的一个或多个集成电路。
本申请实施例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如上的基于决策树的用能设备故障诊断方法。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不是必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或N个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中,“N个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更N个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本申请的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本申请的实施例所属技术领域的技术人员所理解。
应当理解,本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,N个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如,如果用硬件来实现和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列,现场可编程门阵列等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
尽管上面已经示出和描述了本申请的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本申请的限制,本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种基于决策树的用能设备故障诊断方法,其特征在于,包括以下步骤:
判断待诊断设备是否发出告警信息;
若所述待诊断设备发出所述告警信息,则获取所述待诊断设备的当前运行数据,并将所述当前运行数据输入至预先建立的故障诊断模型,得到所述待诊断设备的故障信息和故障维修建议;其中,所述预先建立的故障诊断模型基于决策树和故障诊断数据集得到;以及
将所述故障信息和所述故障维修建议发送至预设移动终端,以使得运维工人基于所述故障维修建议对所述待诊断设备进行维修。
2.根据权利要求1所述的方法,其特征在于,在将所述当前运行数据输入至预先建立的所述故障诊断模型之前,还包括:
获取所述故障诊断数据集,所述故障诊断数据集包括多个设备故障数据和每个设备故障数据对应的维修建议;
基于所述多个设备故障数据和所述每个设备故障数据对应的维修建议,利用所述决策树构建所述故障诊断模型。
3.根据权利要求1所述的方法,其特征在于,在将最佳故障维修建议发送至所述预设移动终端之后,还包括:
接收所述运维工基于所述故障维修建议反馈的维修结果;
若所述维修结果为维修成功,则关闭所述告警信息;否则,解析所述维修结果,判断所述运维工是否指定目标专家对所述故障信息进行诊断;
若所述运维工未指定所述目标专家对所述故障信息进行诊断,则基于所述故障信息匹配最优专家,并接收所述最优专家基于所述故障信息下发的第一维修建议;否则,接收所述目标专家基于所述故障信息下发的第二维修建议;
发送所述第一维修建议或所述第二维修建议至所述运维工,以使得所述运维工人基于所述第一维修建议或所述第二维修建议对所述待诊断设备进行维修。
4.根据权利要求3所述的方法,其特征在于,还包括:
基于所述故障信息、所述第一维修建议或所述第二维修建议对所述故障诊断模型进行更新。
5.根据权利要求1-4任一项所述的方法,其特征在于,所述待诊断设备包括制冷制热主设备、配电设备、光伏设备、燃气设备和储能设备中的至少一种。
6.一种基于决策树的用能设备故障诊断装置,其特征在于,包括:
判断模块,用于判断待诊断设备是否发出告警信息;
处理模块,用于若所述待诊断设备发出所述告警信息,则获取所述待诊断设备的当前运行数据,并将所述当前运行数据输入至预先建立的故障诊断模型,得到所述待诊断设备的故障信息和故障维修建议;其中,所述预先建立的故障诊断模型基于决策树和故障诊断数据集得到;以及
发送模块,用于将所述故障信息和所述故障维修建议发送至预设移动终端,以使得运维工人基于所述故障维修建议对所述待诊断设备进行维修。
7.根据权利要求6所述的装置,其特征在于,在将所述当前运行数据输入至预先建立的所述故障诊断模型之前,所述处理模块,还用于:
获取所述故障诊断数据集,所述故障诊断数据集包括多个设备故障数据和每个设备故障数据对应的维修建议;
基于所述多个设备故障数据和所述每个设备故障数据对应的维修建议,利用所述决策树构建所述故障诊断模型。
8.根据权利要求6所述的装置,其特征在于,在将最佳故障维修建议发送至所述预设移动终端之后,所述发送模块,还用于:
接收所述运维工基于所述故障维修建议反馈的维修结果;
若所述维修结果为维修成功,则关闭所述告警信息;否则,解析所述维修结果,判断所述运维工是否指定目标专家对所述故障信息进行诊断;
若所述运维工未指定所述目标专家对所述故障信息进行诊断,则基于所述故障信息匹配最优专家,并接收所述最优专家基于所述故障信息下发的第一维修建议;否则,接收所述目标专家基于所述故障信息下发的第二维修建议;
发送所述第一维修建议或所述第二维修建议至所述运维工,以使得所述运维工人基于所述第一维修建议或所述第二维修建议对所述待诊断设备进行维修。
9.一种电子设备,其特征在于,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序,以实现如权利要求1-5任一项所述的基于决策树的用能设备故障诊断方法。
10.一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,以用于实现如权利要求1-5任一项所述的基于决策树的用能设备故障诊断方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211667676.7A CN115935281A (zh) | 2022-12-23 | 2022-12-23 | 基于决策树的用能设备故障诊断方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211667676.7A CN115935281A (zh) | 2022-12-23 | 2022-12-23 | 基于决策树的用能设备故障诊断方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115935281A true CN115935281A (zh) | 2023-04-07 |
Family
ID=86652206
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211667676.7A Pending CN115935281A (zh) | 2022-12-23 | 2022-12-23 | 基于决策树的用能设备故障诊断方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115935281A (zh) |
-
2022
- 2022-12-23 CN CN202211667676.7A patent/CN115935281A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113552840B (zh) | 一种机械加工控制系统 | |
WO2021174980A1 (zh) | 一种维修任务分配方法、系统、装置及存储介质 | |
JP2018007311A (ja) | 太陽光発電保守装置、太陽光発電保守システム、太陽光発電保守方法及びコンピュータプログラム | |
CN110910369A (zh) | 一种生产线监管的方法、装置及存储介质 | |
CN111046075A (zh) | 一种工程监理信息化建管方法及装置 | |
CN108388237B (zh) | 一种离散制造设备的故障诊断方法、装置、设备及介质 | |
CN110941558B (zh) | 一种智慧办公远程运维的方法及系统 | |
CN115130284A (zh) | 核电机组风险预测方法、预测系统及评估系统 | |
CN117318069B (zh) | 一种供电系统故障自愈方法及系统 | |
CN112836396B (zh) | 一种建筑实时能耗异常诊断系统 | |
CN103024425A (zh) | 一种结合故障检测和工作流的智能报修监控设备的新方法 | |
CN112926756A (zh) | 一种中央空调设备ai维修知识库应用方法 | |
KR102133159B1 (ko) | 배전계통의 훈련용 시뮬레이션 시스템 | |
CN115935281A (zh) | 基于决策树的用能设备故障诊断方法、装置、设备及介质 | |
CN106373028B (zh) | 一种电力维修系统 | |
US7698245B2 (en) | Applying rules to validating data for a machine arrangement | |
CN108120475A (zh) | 一种管廊的数据监测方法和装置 | |
US20210302954A1 (en) | System and method for increasing mean time between service visits in an industrial system | |
CN109139388B (zh) | 一种风力发电机智能辅助监控系统 | |
CN109409907B (zh) | 一种风电机组监控系统产品缺陷智能追溯系统及追溯方法 | |
KR102645580B1 (ko) | 머신 러닝에 기반하는 풍력 발전기 상태 진단 방법 및 이를 지원하는 상태 진단 시스템 | |
Zhou et al. | Fault Diagnosis for Tray Loader Machine of Power Battery Based on Fault Tree Analysis | |
CN117152355B (zh) | 一种基于工厂数据的可视化监管系统 | |
CN117318024B (zh) | 基于cnn神经网络的光伏发电功率预测管理方法及系统 | |
CN114023477B (zh) | 一种核电厂计算机化规程系统和控制系统 |
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 |