CN116521700B - 一种电力系统检修信息库更新方法、系统及存储介质 - Google Patents

一种电力系统检修信息库更新方法、系统及存储介质 Download PDF

Info

Publication number
CN116521700B
CN116521700B CN202310769717.1A CN202310769717A CN116521700B CN 116521700 B CN116521700 B CN 116521700B CN 202310769717 A CN202310769717 A CN 202310769717A CN 116521700 B CN116521700 B CN 116521700B
Authority
CN
China
Prior art keywords
equipment
power system
overhaul
fault
data
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.)
Active
Application number
CN202310769717.1A
Other languages
English (en)
Other versions
CN116521700A (zh
Inventor
陈佳俊
李洪波
陈清吟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Hongying Information Technology Co ltd
Original Assignee
Guangzhou Hongying Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou Hongying Information Technology Co ltd filed Critical Guangzhou Hongying Information Technology Co ltd
Priority to CN202310769717.1A priority Critical patent/CN116521700B/zh
Publication of CN116521700A publication Critical patent/CN116521700A/zh
Application granted granted Critical
Publication of CN116521700B publication Critical patent/CN116521700B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/23—Updating
    • 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
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2455—Query execution
    • 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
    • G06F16/285—Clustering or classification
    • 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
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • 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
    • G06F16/35—Clustering; Classification
    • 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
    • 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)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Water Supply & Treatment (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种电力系统检修信息库更新方法、系统及存储介质，涉及电力系统管理技术领域，包括：构建电力系统检修本体模型；从电厂历史运营数据库中获取数据；从数据进行知识抽取得到电力系统检修实体、属性及关系；将电力系统检修实体、属性及关系基于构建的电力系统检修本体模型存储至电力系统检修信息库中，完成电力系统检修知识图谱的构建；输入检索数据；基于匹配算法，根据检索数据从电力系统检修知识图谱中进行匹配识别检索知识词条；输出知识词条。本发明的优点在于：实现了检修经验以及相关知识的有效复用，可有效地优化设备检修流程、提升设备利用率，降低企业运维成本。

Description

一种电力系统检修信息库更新方法、系统及存储介质
技术领域
本发明涉及电力系统管理技术领域，具体是涉及一种电力系统检修信息库更新方法、系统及存储介质。
背景技术
电力系统是国民经济发展的基础支柱，电网企业的安全正常生产关系到国家安全，社会稳定和人民生命财产安全，保障电网的正常稳定运行是电力企业的工作核心。
在电力系统稳定运行过程中，电力企业对于电力系统检修是至关重要的，然而现有技术缺乏一套行之有效的电力系统检修信息库生成管理方法，在检修过程中产生的检修经验及相关知识，难以实现共享，导致在进行检修时，不同工作人员对于相同的设备故障难以复用以往检修经验进行快速检修，且现有的系统无法对电力系统进行精准化预测，导致巡检工作人员不能进行针对化的设备巡检，巡检效率不高。
发明内容
为解决上述技术问题，提供一种电力系统检修信息库更新方法、系统及存储介质，本技术方案解决了上述的现有技术缺乏一套行之有效的电力系统检修信息库生成管理方法，在检修过程中产生的检修经验及相关知识，难以实现共享，导致在进行检修时，不同工作人员对于相同的设备故障难以复用以往检修经验进行快速检修，且现有的系统无法对电力系统进行精准化预测，导致巡检工作人员不能进行针对化的设备巡检，巡检效率不高的问题。
为达到以上目的，本发明采用的技术方案为：
一种电力系统检修信息库更新方法，包括：
S1、构建电力系统检修本体模型，所述电力系统检修本体模型包括电力系统检修类集合、实体集合和电力系统检修类之间的关系；
S2、从电厂历史运营数据库中获取结构化数据、半结构化数据和非结构化文本数据；
S3、对结构化数据、半结构化数据和非结构化文本数据进行知识抽取得到电力系统检修实体、属性及关系；
S4、将电力系统检修实体、属性及关系基于构建的电力系统检修本体模型存储至电力系统检修信息库中，完成电力系统检修知识图谱的构建；
S5、输入检索数据；
S6、基于匹配算法，根据检索数据从电力系统检修知识图谱中进行匹配识别检索知识词条；
S7、输出知识词条；
其中，电力系统检修类集合包括与电力设备类子集、与电力设备检修相关的类子集、与电力设备巡检相关的类子集和与电力设备试验相关的类子集；
所述与电力设备检修相关的类子集包括设备类和设备参数信息类；
所述与电力设备检修相关的类子集包括设备故障类、故障处理方法类；
所述与电力设备巡检相关的类子集包括设备运行历史数据类、设备巡检标准类；
所述与电力设备试验相关的类子集包括设备试验类、试验方法类；
所述检索数据包括与电力设备检修相关的检索数据、与电力设备巡检相关的检索数据和与电力设备试验相关的检索数据；
其中，根据所述与电力设备检修相关的检索数据，从电力系统检修知识图谱中进行匹配识别检索知识词条具体包括如下步骤：
S601、对所述与电力设备检修相关的检索数据进行智能识别，获取若干个故障特征实体；
S602、从电力系统检修类之间的关系中调取故障特征实体与设备故障之间的相关权重；
S603、根据相关性算法计算故障特征实体与设备故障的相关值；
S604、根据相关值从高到低进行排序，确定与故障特征实体相关值最高的设备故障，记为检索对应的设备故障；
S605、从电力系统检修类之间的关系中调取故障处理方法类与设备故障类之间的关系，确定检索对应的设备故障的处理方法；
S606、输出检索对应的设备故障的处理方法；
S607、进行电力系统检修类之间的关系更新。
优选的，所述进行电力系统检修类之间的关系更新具体包括：
S6071、判断检索对应的设备故障的处理方法是否可以解决输入的与电力设备检修相关的检索数据的问题；
若是，则增加检索对应的设备故障与设备故障之间的相关权重；
若否，则确定除检索对应的设备故障之外的与故障特征实体相关值最高的设备故障，记为检索对应的设备故障，并重复步骤S606—S608。
优选的，所述相关性算法的计算公式为：
式中，M为与设备故障类相关的实体与故障特征实体之间的相关值，n为所有的故障特征实体的数量，/>为第i个故障特征实体与设备故障类相关的实体的相关权重。
优选的，根据所述与电力设备巡检相关的检索数据，从电力系统检修知识图谱中进行匹配识别检索知识词条具体包括如下步骤：
S608、根据电力系统检修类之间的关系，调取设备对应的设备参数信息和设备运行历史数据；
S609、根据设备参数信息和设备运行历史数据按照运行状态算法计算设备的运行状态值；
S610、根据设备的运行状态值按照故障预测模型进行计算设备的故障概率预测值；
S611、根据设备的故障概率预测值从高到低进行设备巡检优先级排序；
S612、输入巡检设备，根据电力系统检修类之间的关系，调取设备对应的设备巡检标准。
优选的，所述根据设备参数信息和设备运行历史数据按照运行状态算法计算设备的运行状态值的具体步骤包括：
S6091、根据设备参数信息，进行计算设备的标准运行数据；
S6092、根据设备的标准运行数据和设备运行历史数据按照运行状态公式进行计算设备的运行状态值；
所述运行状态公式为：
式中，Z为设备的运行状态值，m为设备的运行参数总数，P为设备的运行参数的运行指标，/>为设备的第j个运行参数的运行指标，/>为设备的第j个运行参数的运行权重。
优选的，所述故障预测模型的表达式为：
式中，G为设备的故障概率预测值，Z为设备的运行状态值，/>为设备的故障预测常数。
优选的，根据所述与电力设备试验相关的检索数据，从电力系统检修知识图谱中进行匹配识别检索知识词条具体包括如下步骤：
S613、根据输入的与电力设备试验相关的检索数据，提取设备试验关键词；
S614、根据电力系统检修类之间的关系，调取与设备试验关键词对应的试验方法。
进一步的，提出一种电力系统检修信息库更新系统，用于实现如上述的电力系统检修信息库更新方法，包括：
处理器，所述处理器用于构建电力系统检修本体模型、从电厂历史运营数据库中获取结构化数据、半结构化数据和非结构化文本数据、对结构化数据、半结构化数据和非结构化文本数据进行知识抽取得到电力系统检修实体、属性及关系、将电力系统检修实体、属性及关系基于构建的电力系统检修本体模型存储至电力系统检修信息库中，完成电力系统检修知识图谱的构建和基于匹配算法，根据检索数据从电力系统检修知识图谱中进行匹配识别检索知识词条；
存储器，存储器与所述处理器相耦合，所述存储器用于存储电力系统检修本体模型、电力系统检修知识图谱；
输入模块，输入模块与所述处理器电性连接，所述输入模块用于输入检索数据；
输出模块，输出模块与所述处理器电性连接，所述输出模块用于输出知识词条。
可选的，所述处理器内部集成有：
模型构建单元，所述模型构建单元用于构建电力系统检修本体模型；
数据获取单元，所述数据获取单元用于电厂历史运营数据库中获取结构化数据、半结构化数据和非结构化文本数据；
知识抽取单元，所述知识抽取单元用于对结构化数据、半结构化数据和非结构化文本数据进行知识抽取得到电力系统检修实体、属性及关系；
知识图谱构建单元，所述知识图谱构建单元用于将电力系统检修实体、属性及关系基于构建的电力系统检修本体模型存储至电力系统检修信息库中；
智能识别单元，所述智能识别单元从与电力设备检修相关的检索数据进行智能识别，获取若干个故障特征实体；
第一计算单元，所述第一计算单元用于计算故障特征实体与设备故障的相关值；
故障确定单元，所述故障确定单元用于确定与故障特征实体相关值最高的设备故障和确定检索对应的设备故障的处理方法；
更新单元，所述更新单元用于进行电力系统检修类之间的关系更新；
故障预测单元，所述故障预测单元用于计算设备的故障概率预测值。
再进一步的，提出一种计算机可读存储介质，其上存储有计算机可读程序，所述计算机可读程序被调用时执行如上述的电力系统检修信息库更新方法。
与现有技术相比，本发明的有益效果在于：
本发明提出一种新型的电力系统检修信息库更新方案，依托自然语言以及知识图谱，构建发电行业设备检修知识专业数据库，基于电厂历史运营数据库中存在的在检修过程中产生的检修经验及相关知识，构建设备知识图谱，在工作人员进行电力系统检修时，通过对故障特征进行精准化识别，进行精准定位设备故障，进而为检修工作人员提供精准化的故障处理方法，可实现检修经验以及相关知识的有效复用，有效地优化了设备检修流程、提升设备利用率，降低企业运维成本。
本发明根据设备的运行过程中的运行参数进行设备的故障风险估计，根据设备的故障风险概率值进行巡检优先值的排序，可为巡检工作人员提高有效的具有针对性的巡检流程方案，有效的保证电力系统中巡检的工作效率，对设备专业管理及巡检维修员提供智能化、精准化的设备缺陷知识服务。
附图说明
图1为本发明提出的电力系统检修信息库更新系统结构框图；
图2为本发明提出的电力系统检修信息库更新方法流程图；
图3为本发明提出的与电力设备检修相关的检索方法流程图；
图4为本发明提出的进行电力系统检修类之间的关系更新方法流程图；
图5为本发明提出的与电力设备巡检相关的检索方法流程图；
图6为本发明提出的计算设备的运行状态值的方法流程图；
图7为本发明提出的与电力设备试验相关的检索方法流程图。
具体实施方式
以下描述用于揭露本发明以使本领域技术人员能够实现本发明。以下描述中的优选实施例只作为举例，本领域技术人员可以想到其他显而易见的变型。
参照图1所示，一种电力系统检修信息库更新系统，包括：
处理器，处理器用于构建电力系统检修本体模型、从电厂历史运营数据库中获取结构化数据、半结构化数据和非结构化文本数据、对结构化数据、半结构化数据和非结构化文本数据进行知识抽取得到电力系统检修实体、属性及关系、将电力系统检修实体、属性及关系基于构建的电力系统检修本体模型存储至电力系统检修信息库中，完成电力系统检修知识图谱的构建和基于匹配算法，根据检索数据从电力系统检修知识图谱中进行匹配识别检索知识词条；
存储器，存储器与处理器相耦合，存储器用于存储电力系统检修本体模型、电力系统检修知识图谱；
输入模块，输入模块与处理器电性连接，输入模块用于输入检索数据；
输出模块，输出模块与处理器电性连接，输出模块用于输出知识词条。
其中，处理器内部集成有：
模型构建单元，模型构建单元用于构建电力系统检修本体模型；
数据获取单元，数据获取单元用于电厂历史运营数据库中获取结构化数据、半结构化数据和非结构化文本数据；
知识抽取单元，知识抽取单元用于对结构化数据、半结构化数据和非结构化文本数据进行知识抽取得到电力系统检修实体、属性及关系；
知识图谱构建单元，知识图谱构建单元用于将电力系统检修实体、属性及关系基于构建的电力系统检修本体模型存储至电力系统检修信息库中；
智能识别单元，智能识别单元用于从与电力设备检修相关的检索数据进行智能识别，获取若干个故障特征实体；
第一计算单元，第一计算单元用于计算故障特征实体与设备故障的相关值；
故障确定单元，故障确定单元用于确定与故障特征实体相关值最高的设备故障和确定检索对应的设备故障的处理方法；
更新单元，更新单元用于进行电力系统检修类之间的关系更新；
故障预测单元，故障预测单元用于计算设备的故障概率预测值。
上述电力系统检修信息库更新系统的工作过程为：
步骤一：模型构建单元构建电力系统检修本体模型，并存储进存储模块；
步骤二：数据获取单元从电厂历史运营数据库中获取结构化数据、半结构化数据和非结构化文本数据；
步骤三：知识抽取单元对结构化数据、半结构化数据和非结构化文本数据进行知识抽取得到电力系统检修实体、属性及关系；
步骤四：知识图谱构建单元将电力系统检修实体、属性及关系基于构建的电力系统检修本体模型存储至电力系统检修信息库，并存储进存储模块；
步骤五：通过输入模块输入与电力设备检修相关的检索数据；
步骤六：智能识别单元从与电力设备检修相关的检索数据进行智能识别，获取若干个故障特征实体；
步骤七：第一计算单元从存储模块中调取故障特征实体与设备故障之间的相关权重，并进行计算故障特征实体与设备故障的相关值；
步骤八：故障确定单元确定与故障特征实体相关值最高的设备故障和确定检索对应的设备故障的处理方法，并通过输出模块输出；
步骤九：更新单元进行电力系统检修类之间的关系更新；
步骤十：故障预测单元从存储模块中调取设备对应的设备参数信息和设备运行历史数据，并进行计算设备的故障概率预测值，并根据设备的故障概率预测值从高到低进行设备巡检优先级排序；
步骤十一：通过输入模块输入与电力设备巡检相关的检索数据，处理器根据电力系统检修类之间的关系，调取设备对应的设备巡检标准，并通过输出模块输出；
步骤十二：通过输入模块输入与电力设备试验相关的检索数据，处理器根据电力系统检修类之间的关系，调取与设备试验关键词对应的试验方法，并通过输出模块输出。
进一步的，请参阅图2所示，为说明本方案，结合上述电力系统检修信息库更新系统，提出一种电力系统检修信息库更新方法，包括：
S1、构建电力系统检修本体模型，电力系统检修本体模型包括电力系统检修类集合、实体集合和电力系统检修类之间的关系；
S2、从电厂历史运营数据库中获取结构化数据、半结构化数据和非结构化文本数据；
S3、对结构化数据、半结构化数据和非结构化文本数据进行知识抽取得到电力系统检修实体、属性及关系；
S4、将电力系统检修实体、属性及关系基于构建的电力系统检修本体模型存储至电力系统检修信息库中，完成电力系统检修知识图谱的构建；
S5、输入检索数据；
S6、基于匹配算法，根据检索数据从电力系统检修知识图谱中进行匹配识别检索知识词条；
S7、输出知识词条；
其中，电力系统检修类集合包括与电力设备类子集、与电力设备检修相关的类子集、与电力设备巡检相关的类子集和与电力设备试验相关的类子集；
与电力设备检修相关的类子集包括设备类和设备参数信息类；
与电力设备检修相关的类子集包括设备故障类、故障处理方法类；
与电力设备巡检相关的类子集包括设备运行历史数据类、设备巡检标准类；
与电力设备试验相关的类子集包括设备试验类、试验方法类；
检索数据包括与电力设备检修相关的检索数据、与电力设备巡检相关的检索数据和与电力设备试验相关的检索数据；
请参阅图3所示，根据与电力设备检修相关的检索数据，从电力系统检修知识图谱中进行匹配识别检索知识词条具体包括如下步骤：
S601、对与电力设备检修相关的检索数据进行智能识别，获取若干个故障特征实体；
S602、从电力系统检修类之间的关系中调取故障特征实体与设备故障之间的相关权重；
S603、根据相关性算法计算故障特征实体与设备故障的相关值；
S604、根据相关值从高到低进行排序，确定与故障特征实体相关值最高的设备故障，记为检索对应的设备故障；
S605、从电力系统检修类之间的关系中调取故障处理方法类与设备故障类之间的关系，确定检索对应的设备故障的处理方法；
S606、输出检索对应的设备故障的处理方法；
S607、进行电力系统检修类之间的关系更新。
请参阅图4所示，进行电力系统检修类之间的关系更新具体包括：
S6071、判断检索对应的设备故障的处理方法是否可以解决输入的与电力设备检修相关的检索数据的问题；
若是，则增加检索对应的设备故障与设备故障之间的相关权重；
若否，则确定除检索对应的设备故障之外的与故障特征实体相关值最高的设备故障，记为检索对应的设备故障，并重复步骤S606—S608。
相关性算法的计算公式为：
式中，M为与设备故障类相关的实体与故障特征实体之间的相关值，n为所有的故障特征实体的数量，/>为第i个故障特征实体与设备故障类相关的实体的相关权重。
在设备检修过程中，会出现检修的状况包括多个故障特征实体，例如，设备的运行温度异常，包括温度异常、异常值等故障特征实体，每一种设备故障与这些故障特征之间的相关联性不同，使用相关权重来表示设备故障与这些故障特征之间的相关联性，例如，设备故障M与温度异常之间的关联值为0.3，与本次温度异常值区间关联值为0.1，设备故障N与温度异常之间的关联值为0.2，与本次温度异常值区间关联值为0.4，则设备故障M与本次检修的状况可能存在的相关性为0.4，设备故障N与本次检修的状况可能存在的相关性为0.6，本次检修的状况是设备故障N的概率大于设备故障M，通过此方式，可为工作人员根据检修的状况提供精准的故障判断信息，并根据设备故障调取故障处理方法，有效地实现检修经验以及相关知识的有效复用，进而优化设备检修流程、提升设备利用率，降低企业运维成本。
请参阅图5所示，根据与电力设备巡检相关的检索数据，从电力系统检修知识图谱中进行匹配识别检索知识词条具体包括如下步骤：
S608、根据电力系统检修类之间的关系，调取设备对应的设备参数信息和设备运行历史数据；
S609、根据设备参数信息和设备运行历史数据按照运行状态算法计算设备的运行状态值；
S610、根据设备的运行状态值按照故障预测模型进行计算设备的故障概率预测值；
S611、根据设备的故障概率预测值从高到低进行设备巡检优先级排序；
S612、输入巡检设备，根据电力系统检修类之间的关系，调取设备对应的设备巡检标准。
请参阅图6所示，根据设备参数信息和设备运行历史数据按照运行状态算法计算设备的运行状态值的具体步骤包括：
S6091、根据设备参数信息，进行计算设备的标准运行数据；
S6092、根据设备的标准运行数据和设备运行历史数据按照运行状态公式进行计算设备的运行状态值；
运行状态公式为：
式中，Z为设备的运行状态值，m为设备的运行参数总数，P为设备的运行参数的运行指标，/>为设备的第j个运行参数的运行指标，/>为设备的第j个运行参数的运行权重。
故障预测模型的表达式为：
式中，G为设备的故障概率预测值，Z为设备的运行状态值，/>为设备的故障预测常数。
故障预测模型是基于Logistic回归模型原理建立的，建立故障风险预测模型，Logistic回归模型是一种广义的线性回归分析模型，常用于数据挖掘，结果预测等领域；
通过根据设备的运行过程中的运行参数进行设备的故障风险估计，根据设备的故障风险概率值进行巡检优先值的排序，可为巡检工作人员提高有效的具有针对性的巡检流程方案，有效地保证电力系统中巡检的工作效率，对设备专业管理及巡检维修员提供智能化、精准化的设备缺陷知识服务。
请参阅图7所示，根据与电力设备试验相关的检索数据，从电力系统检修知识图谱中进行匹配识别检索知识词条具体包括如下步骤：
S613、根据输入的与电力设备试验相关的检索数据，提取设备试验关键词；
S614、根据电力系统检修类之间的关系，调取与设备试验关键词对应的试验方法。
本方案通过对设备试验信息进行总结处理，综合考虑试验方法、试验结果等信息，推荐相似案例以及进行设备试验需要的相关说明书、技术标准等；提供设备试验知识搜索、知识探索等服务，辅助一线人员进行设备试验，进而更加精准地掌握电力系统中的设备信息。
再进一步的，本方案还提出一种计算机可读存储介质，其上存储有计算机可读程序，所述计算机可读程序被调用时执行如上述的电力系统检修信息库更新方法；
可以理解的是，计算机可读存储介质可以是磁性介质，例如，软盘、硬盘、磁带；光介质例如，DVD；或者半导体介质例如固态硬盘SolidStateDisk，SSD等。
综上所述，本发明的优点在于：实现了检修经验以及相关知识的有效复用，可有效地优化设备检修流程、提升设备利用率，降低企业运维成本。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是本发明的原理，在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明的范围内。本发明要求的保护范围由所附的权利要求书及其等同物界定。

Claims (7)

1.一种电力系统检修信息库更新方法，其特征在于，包括：
S1、构建电力系统检修本体模型，所述电力系统检修本体模型包括电力系统检修类集合、实体集合和电力系统检修类之间的关系；
S2、从电厂历史运营数据库中获取结构化数据、半结构化数据和非结构化文本数据；
S3、对结构化数据、半结构化数据和非结构化文本数据进行知识抽取得到电力系统检修实体、属性及关系；
S4、将电力系统检修实体、属性及关系基于构建的电力系统检修本体模型存储至电力系统检修信息库中，完成电力系统检修知识图谱的构建；
S5、输入检索数据；
S6、基于匹配算法，根据检索数据从电力系统检修知识图谱中进行匹配识别检索知识词条；
S7、输出知识词条；
其中，电力系统检修类集合包括与电力设备类子集、与电力设备检修相关的类子集、与电力设备巡检相关的类子集和与电力设备试验相关的类子集；
所述与电力设备检修相关的类子集包括设备类和设备参数信息类；
所述与电力设备检修相关的类子集包括故障特征类、设备故障类、故障处理方法类；
所述与电力设备巡检相关的类子集包括设备运行历史数据类、设备巡检标准类；
所述与电力设备试验相关的类子集包括设备试验类、试验方法类；
所述检索数据包括与电力设备检修相关的检索数据、与电力设备巡检相关的检索数据和与电力设备试验相关的检索数据；
其中，根据所述与电力设备检修相关的检索数据，从电力系统检修知识图谱中进行匹配识别检索知识词条具体包括如下步骤：
S601、对所述与电力设备检修相关的检索数据进行智能识别，获取若干个故障特征实体；
S602、从电力系统检修类之间的关系中调取故障特征实体与设备故障之间的相关权重；
S603、根据相关性算法计算故障特征实体与设备故障的相关值；
S604、根据相关值从高到低进行排序，确定与故障特征实体相关值最高的设备故障，记为检索对应的设备故障；
S605、从电力系统检修类之间的关系中调取故障处理方法类与设备故障类之间的关系，确定检索对应的设备故障的处理方法；
S606、输出检索对应的设备故障的处理方法；
S607、进行电力系统检修类之间的关系更新；
根据所述与电力设备巡检相关的检索数据，从电力系统检修知识图谱中进行匹配识别检索知识词条具体包括如下步骤：
S608、根据电力系统检修类之间的关系，调取设备对应的设备参数信息和设备运行历史数据；
S609、根据设备参数信息和设备运行历史数据按照运行状态算法计算设备的运行状态值；
S610、根据设备的运行状态值按照故障预测模型进行计算设备的故障概率预测值；
S611、根据设备的故障概率预测值从高到低进行设备巡检优先级排序；
S612、输入巡检设备，根据电力系统检修类之间的关系，调取设备对应的设备巡检标准；
所述根据设备参数信息和设备运行历史数据按照运行状态算法计算设备的运行状态值的具体步骤包括：
S6091、根据设备参数信息，进行计算设备的标准运行数据；
S6092、根据设备的标准运行数据和设备运行历史数据按照运行状态公式进行计算设备的运行状态值；
所述运行状态公式为：
；
式中，Z为设备的运行状态值，m为设备的运行参数总数，P为设备的运行参数的运行指标，为设备的第j个运行参数的运行指标，/>为设备的第j个运行参数的运行权重；
所述故障预测模型的表达式为：
；
式中，G为设备的故障概率预测值，Z为设备的运行状态值，为设备的故障预测常数。
2.根据权利要求1所述的一种电力系统检修信息库更新方法，其特征在于，所述进行电力系统检修类之间的关系更新具体包括：
S6071、判断检索对应的设备故障的处理方法是否可以解决输入的与电力设备检修相关的检索数据的问题；
若是，则增加检索对应的设备故障与故障特征实体之间的相关权重；
若否，则确定除检索对应的设备故障之外的与故障特征实体相关值最高的设备故障，记为检索对应的设备故障，并重复步骤S605—S607。
3.根据权利要求2所述的一种电力系统检修信息库更新方法，其特征在于，所述相关性算法的计算公式为：
；
式中，M为与设备故障类相关的实体与故障特征实体之间的相关值，n为所有的故障特征实体的数量，为第i个故障特征实体与设备故障类相关的实体的相关权重。
4.根据权利要求1所述的一种电力系统检修信息库更新方法，其特征在于，根据所述与电力设备试验相关的检索数据，从电力系统检修知识图谱中进行匹配识别检索知识词条具体包括如下步骤：
S613、根据输入的与电力设备试验相关的检索数据，提取设备试验关键词；
S614、根据电力系统检修类之间的关系，调取与设备试验关键词对应的试验方法。
5.一种电力系统检修信息库更新系统，用于实现如权利要求1-4任一项所述的电力系统检修信息库更新方法，其特征在于，包括：
处理器，所述处理器用于构建电力系统检修本体模型、从电厂历史运营数据库中获取结构化数据、半结构化数据和非结构化文本数据、对结构化数据、半结构化数据和非结构化文本数据进行知识抽取得到电力系统检修实体、属性及关系、将电力系统检修实体、属性及关系基于构建的电力系统检修本体模型存储至电力系统检修信息库中，完成电力系统检修知识图谱的构建和基于匹配算法，根据检索数据从电力系统检修知识图谱中进行匹配识别检索知识词条；
存储器，存储器与所述处理器相耦合，所述存储器用于存储电力系统检修本体模型、电力系统检修知识图谱；
输入模块，输入模块与所述处理器电性连接，所述输入模块用于输入检索数据；
输出模块，输出模块与所述处理器电性连接，所述输出模块用于输出知识词条。
6.根据权利要求5所述的一种电力系统检修信息库更新系统，其特征在于，所述处理器内部集成有：
模型构建单元，所述模型构建单元用于构建电力系统检修本体模型；
数据获取单元，所述数据获取单元用于电厂历史运营数据库中获取结构化数据、半结构化数据和非结构化文本数据；
知识抽取单元，所述知识抽取单元用于对结构化数据、半结构化数据和非结构化文本数据进行知识抽取得到电力系统检修实体、属性及关系；
知识图谱构建单元，所述知识图谱构建单元用于将电力系统检修实体、属性及关系基于构建的电力系统检修本体模型存储至电力系统检修信息库中；
智能识别单元，所述智能识别单元从与电力设备检修相关的检索数据进行智能识别，获取若干个故障特征实体；
第一计算单元，所述第一计算单元用于计算故障特征实体与设备故障的相关值；
故障确定单元，所述故障确定单元用于确定与故障特征实体相关值最高的设备故障和确定检索对应的设备故障的处理方法；
更新单元，所述更新单元用于进行电力系统检修类之间的关系更新；
故障预测单元，所述故障预测单元用于计算设备的故障概率预测值。
7.一种计算机可读存储介质，其上存储有计算机可读程序，其特征在于，所述计算机可读程序被调用时执行如权利要求1-4任一项所述的电力系统检修信息库更新方法。
CN202310769717.1A 2023-06-28 2023-06-28 一种电力系统检修信息库更新方法、系统及存储介质 Active CN116521700B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310769717.1A CN116521700B (zh) 2023-06-28 2023-06-28 一种电力系统检修信息库更新方法、系统及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310769717.1A CN116521700B (zh) 2023-06-28 2023-06-28 一种电力系统检修信息库更新方法、系统及存储介质

Publications (2)

Publication Number Publication Date
CN116521700A CN116521700A (zh) 2023-08-01
CN116521700B true CN116521700B (zh) 2023-09-08

Family

ID=87401486

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310769717.1A Active CN116521700B (zh) 2023-06-28 2023-06-28 一种电力系统检修信息库更新方法、系统及存储介质

Country Status (1)

Country Link
CN (1) CN116521700B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117217740B (zh) * 2023-11-09 2024-02-06 江苏德琛常工新能源科技创新有限公司 一种基于人工智能的氢能设备故障数据传输系统及方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111737496A (zh) * 2020-06-29 2020-10-02 东北电力大学 一种电力设备故障知识图谱构建方法
CN112383052A (zh) * 2020-11-16 2021-02-19 国网电子商务有限公司 基于电力物联网的电网故障修复方法和装置
CN112580831A (zh) * 2020-11-19 2021-03-30 国网江苏省电力有限公司信息通信分公司 一种基于知识图谱的电力通信网智能辅助运维方法及系统
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
CN115357726A (zh) * 2022-08-15 2022-11-18 云南电网有限责任公司玉溪供电局 基于知识图谱的故障处置预案数字化模型建立方法
CN115599897A (zh) * 2022-10-20 2023-01-13 国网湖南省电力有限公司（Cn） 基于知识图谱的配电网设备智能问答系统构建方法及系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111737496A (zh) * 2020-06-29 2020-10-02 东北电力大学 一种电力设备故障知识图谱构建方法
CN112383052A (zh) * 2020-11-16 2021-02-19 国网电子商务有限公司 基于电力物联网的电网故障修复方法和装置
CN112580831A (zh) * 2020-11-19 2021-03-30 国网江苏省电力有限公司信息通信分公司 一种基于知识图谱的电力通信网智能辅助运维方法及系统
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
CN115357726A (zh) * 2022-08-15 2022-11-18 云南电网有限责任公司玉溪供电局 基于知识图谱的故障处置预案数字化模型建立方法
CN115599897A (zh) * 2022-10-20 2023-01-13 国网湖南省电力有限公司（Cn） 基于知识图谱的配电网设备智能问答系统构建方法及系统

Also Published As

Publication number Publication date
CN116521700A (zh) 2023-08-01

Similar Documents

Publication Publication Date Title
CN113723632A (zh) 一种基于知识图谱的工业设备故障诊断方法
CN105303469B (zh) 线损异常原因数据挖掘分析的方法与系统
CN116521700B (zh) 一种电力系统检修信息库更新方法、系统及存储介质
US20120310930A1 (en) Keyword Suggestion for Efficient Legal E-Discovery
CN113435759B (zh) 一种基于深度学习的一次设备风险智能评估方法
CN114386537A (zh) 基于CatBoost的锂电池故障诊断方法、装置及电子设备
Liu et al. CNC machine tool fault diagnosis integrated rescheduling approach supported by digital twin-driven interaction and cooperation framework
CN113064999A (zh) 基于it设备运维的知识图谱构建算法、系统、设备及介质
CN111104483A (zh) 基于机器学习的ict系统故障分析及辅助判别方法
CN114491081A (zh) 基于数据血缘关系图谱的电力数据溯源方法及系统
CN117273133A (zh) 配电网多源异构数据知识图谱的构建方法
CN116401212A (zh) 一种基于数据分析的人事文书档案快速查找系统
CN110866317A (zh) 基于产品历史信息及设计行为分析的设计工具包重构方法
CN116756373A (zh) 基于知识图谱更新的项目评审专家筛选方法、系统及介质
CN116245212A (zh) 基于pca-lstm的电力数据异常检测与预测方法及系统
CN115937881A (zh) 一种知识图谱构建标准表格内容自动识别方法
CN112734261B (zh) 一种配电网运行指标序列关联分析方法及系统
Li et al. Multi-source heterogeneous log fusion technology of power information system based on big data and imprecise reasoning theory
CN115544276B (zh) 计量装置知识图谱构建方法和计量装置档案核查方法
CN117272170B (zh) 一种基于知识图谱的it运维故障根因分析方法
Chen The application of data mining in data analysis
Wu [Retracted] Design of Question Answering Interactive Open Platform for Power Grid Business Acceptance Robot
CN111008238B (zh) 基于关联演化大数据的关键模式自动定位与预警方法
Zheng et al. Research on text classification method of distribution network terminal debugging job based on hierarchical comprehensive context
Lu et al. Adaptive integration method of transformer state big data based on deep hash algorithm

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
GR01 Patent grant
GR01 Patent grant