基于知识图谱和贝叶斯的供热系统智能诊断方法及系统技术方案

本发明专利技术公开了一种基于知识图谱和贝叶斯的供热系统智能诊断方法，包括：获取供热系统的多元数据；基于获取的供热系统多元数据，分别进行实体识别、知识抽取和知识融合处理后建立供热系统故障知识图谱；基于供热系统故障知识图谱进行系统故障检索，并根据检索获得的故障知识图谱查询子图构建贝叶斯网络；确定故障原因发生的先验概率以及贝叶斯网络中各个节点的条件概率，利用贝叶斯网络进行推理获得引发故障现象的故障原因，实现供热系统智能诊断；能够综合运用知识图谱和贝叶斯网络技术，将零散的人工经验及庞杂的文本知识有效进行关联和故障推理，实现故障根因推理定位，辅助解决供热系统故障诊断问题。解决供热系统故障诊断问题。解决供热系统故障诊断问题。

【技术实现步骤摘要】
基于知识图谱和贝叶斯的供热系统智能诊断方法及系统


[0001]本专利技术属于供热诊断
，具体涉及一种基于知识图谱和贝叶斯的供热系统智能诊断方法及系统。

技术介绍

[0002]智慧供热系统的自主优化调控是基于各类生产运行数据的实时反馈进行调控，但这些数据中往往掺杂着一些错误、不合理的数据，而且数据来源多种多样，数据关系错综复杂，如果不对这些数据加以诊断、筛选和关系梳理，仍以掺杂的错误数据作为系统自动调控的基础数据，那么整个供热系统的自动调控将会出现异常。另外，在供热系统运行中如何及时发现各类系统故障进行智能诊断，这些问题不仅威胁供热系统安全、稳定运行，而且难以保障管网平衡调节。
[0003]然而，由人工发现供热系统中存在的各类系统异常全部依靠运行人员的经验，但随着供热系统规模呈指数上升，系统设备越多，出现故障的概率越大，发现故障的及时率越低，无法及时、准确的发现供热系统存在的各类异常。而且，人工运行诊断过度依赖人员经验，经验层级不同，发现问题的质量和数量也会不同。
[0004]知识图谱是一种用图模型来描述知识和建模世界万物之间关联关系的技术方法，旨在从数据中识别、发现和推断事物之间的复杂关系，是事物关系的可计算模型。随着5G、物联网、大数据、云计算等技术的飞速发展，在智慧供热智能诊断
需要处理的关联关系数据越来越多，呈指数级的增长，而传统的关系型数据库在处理大规模关联关系的场景中越来越不堪重负，亟需一种支持海量复杂关系查询数据库和分析的产品。为了更加高效地管理供热数据，清洗数据分类结构，满足多专业多用户更高效、更灵活、更精准的信息获取需求，可将知识图谱技术应用于供热诊断中，通过知识图谱技术解决数据的孤立性，提高供热诊断的效率。
[0005]基于上述技术问题，需要设计一种新的基于知识图谱和贝叶斯的供热系统智能诊断方法及系统。

技术实现思路

[0006]本专利技术所要解决的技术问题是，克服现有技术的不足，提供一种基于知识图谱和贝叶斯的供热系统智能诊断方法及系统，一方面综合运用图谱的知识表示、知识推理、知识查询等技术，将零散的人工经验及庞杂的文本知识有效进行关联，实现故障根因推理定位，辅助解决供热系统故障问题；另一方面能够由故障知识图谱查询子图为贝叶斯网络提供网络结构，并由贝叶斯网络推理出故障原因，完成故障诊断，能够区分知识图谱检索结果的重要程度并减少专家的人工参与。
[0007]为了解决上述技术问题，本专利技术的技术方案是：
[0008]本专利技术提供了一种基于知识图谱和贝叶斯的供热系统智能诊断方法，它包括：
[0009]步骤S1、获取供热系统的多元数据；
[0010]步骤S2、基于获取的供热系统多元数据，分别进行实体识别、知识抽取和知识融合处理后建立供热系统故障知识图谱；
[0011]步骤S3、基于供热系统故障知识图谱进行系统故障检索，并根据检索获得的故障知识图谱查询子图构建贝叶斯网络；
[0012]步骤S4、确定故障原因发生的先验概率以及贝叶斯网络中各个节点的条件概率，利用贝叶斯网络进行推理获得引发故障现象的故障原因，实现供热系统智能诊断。
[0013]进一步，所述步骤S1中，获取供热系统的多元数据，包括：
[0014]获取供热系统热源、热网和热用户的基本数据和故障数据；所述基本数据至少包括热源、网络和热用户的设备型号、管道规格和系统运行中设备的压力、流量、温度数据；所述故障数据至少包括历史故障类型、故障表现、故障成因分析和故障处理。
[0015]进一步，所述步骤S2中，基于获取的供热系统多元数据，进行实体识别，包括：
[0016]将获取的供热系统多元数据划分为故障结构化数据、故障半结构化数据和故障非结构化数据；
[0017]对所述故障结构化数据进行实体识别：通过供热系统热源、热网和热用户各设备间的拓扑属性、连接节点、结合设备名称、设备耦合关系、设备运行状态数据和故障类型，并结合存储的关系型数据库进行数据分析，获得供热系统实体识别信息；
[0018]对所述故障半结构化数据进行实体识别：根据供热系统热源、热网和热用户各设备运行数据和故障数据存储的规范化结构，去除无效数据字符，将关键数据进行提取分析，获得供热系统实体识别信息；
[0019]对所述故障非结构化数据进行实体识别：将非结构化数据文本转化按照预先定义的实体类型进行语料标注；将语料标注后生成的标注信息转化为BIOES集格式；对语料标注后的数据文本进行数据增强和预处理；将数据增强和预处理后的数据文本通过设置的BERT模型转换为向量形式，表明单个词语在整个语句的关系以及词语和词语之间的相互关系；设置双向神经网络BiLSTM模型以BERT生成的词向量作为输入，通过自动捕获上下文特征，获得深层语义信息；设置条件随机场CRF模型，根据上下文语义信息，在对应输入条件下，获得最大概率输出的标注序列，并根据标注序列提取文本中的供热系统故障实体识别信息。
[0020]进一步，所述故障结构化数据至少包括供热系统设备拓扑结构、型号、管道规格确定性数据和各设备运行状态、故障数据，以关系型数据库进行存储；所述故障半结构化数据包括各设备运行数据和故障数据中设备存储信息结构不一致的数据；所述故障非结构化数据包括各设备运行数据和故障数据中没有结构的数据。
[0021]进一步，所述热源的实体包括热源概况、燃烧设备、烟风系统、补水系统、水循环系统和热源故障类型；所述热网的实体包括热网节点、管段、阀门、补偿器、检查井和热网故障类型；所述热用户的实体包括换热器、水泵、水箱、过滤器、阀门和热用户故障类型。
[0022]进一步，所述基于获取的供热系统多元数据，进行知识抽取，包括：
[0023]对实体识别后的供热系统数据进行实体、实体属性，以及实体与实体，实体与属性间的关系抽取；
[0024]基于实体、实体属性，以及实体与实体，实体与属性间的关系，形成热源故障子图模型、热网故障子图模型和热用户故障子图模型；所述热源故障子图模型包括承压元件故障、锅炉燃烧异常、辅助设备故障实体，以及描述实体的故障表现形式、故障成因和故障处
理属性；所述热网故障子图模型包括管道内外腐蚀、焊缝破裂、管壁撕裂、机械碰撞、阀门故障、补偿器故障和管道阻塞故障实体，以及描述实体的故障表现形式、故障成因和故障处理属性；所述热用户故障子图模型的实体为包括换热器故障、水泵故障、阀门故障实体，以及描述实体的故障表现形式、故障成因和故障处理属性。
[0025]进一步，所述基于获取的供热系统多元数据，进行知识融合，包括：对知识抽取的热源故障子图模型、热网故障子图模型和热用户故障子图模型进行包括实体对齐、类型对齐、属性对齐，建立关联关系的故障知识融合，形成供热系统故障知识图谱。
[0026]进一步，所述步骤S3中，基于供热系统故障知识图谱进行系统故障检索，并根据检索获得的故障知识图谱查询子图构建贝叶斯网络，包括：
[0027]将故障信息进行预处理后，通过供热系统故障知识图谱查找搜本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于知识图谱和贝叶斯的供热系统智能诊断方法，其特征在于，它包括：步骤S1、获取供热系统的多元数据；步骤S2、基于获取的供热系统多元数据，分别进行实体识别、知识抽取和知识融合处理后建立供热系统故障知识图谱；步骤S3、基于供热系统故障知识图谱进行系统故障检索，并根据检索获得的故障知识图谱查询子图构建贝叶斯网络；步骤S4、确定故障原因发生的先验概率以及贝叶斯网络中各个节点的条件概率，利用贝叶斯网络进行推理获得引发故障现象的故障原因，实现供热系统智能诊断。2.根据权利要求1所述的供热系统智能诊断方法，其特征在于，所述步骤S1中，获取供热系统的多元数据，包括：获取供热系统热源、热网和热用户的基本数据和故障数据；所述基本数据至少包括热源、网络和热用户的设备型号、管道规格和系统运行中设备的压力、流量、温度数据；所述故障数据至少包括历史故障类型、故障表现、故障成因分析和故障处理。3.根据权利要求1所述的供热系统智能诊断方法，其特征在于，所述步骤S2中，基于获取的供热系统多元数据，进行实体识别，包括：将获取的供热系统多元数据划分为故障结构化数据、故障半结构化数据和故障非结构化数据；对所述故障结构化数据进行实体识别：通过供热系统热源、热网和热用户各设备间的拓扑属性、连接节点、结合设备名称、设备耦合关系、设备运行状态数据和故障类型，并结合存储的关系型数据库进行数据分析，获得供热系统实体识别信息；对所述故障半结构化数据进行实体识别：根据供热系统热源、热网和热用户各设备运行数据和故障数据存储的规范化结构，去除无效数据字符，将关键数据进行提取分析，获得供热系统实体识别信息；对所述故障非结构化数据进行实体识别：将非结构化数据文本转化按照预先定义的实体类型进行语料标注；将语料标注后生成的标注信息转化为BIOES集格式；对语料标注后的数据文本进行数据增强和预处理；将数据增强和预处理后的数据文本通过设置的BERT模型转换为向量形式，表明单个词语在整个语句的关系以及词语和词语之间的相互关系；设置双向神经网络BiLSTM模型以BERT生成的词向量作为输入，通过自动捕获上下文特征，获得深层语义信息；设置条件随机场CRF模型，根据上下文语义信息，在对应输入条件下，获得最大概率输出的标注序列，并根据标注序列提取文本中的供热系统故障实体识别信息。4.根据权利要求3所述的供热系统智能诊断方法，其特征在于，所述故障结构化数据至少包括供热系统设备拓扑结构、型号、管道规格确定性数据和各设备运行状态、故障数据，以关系型数据库进行存储；所述故障半结构化数据包括各设备运行数据和故障数据中设备存储信息结构不一致的数据；所述故障非结构化数据包括各设备运行数据和故障数据中没有结构的数据。5.根据权利要求3所述的供热系统智能诊断方法，其特征在于，所述热源的实体包括热源概况、燃烧设备、烟风系统、补水系统、水循环系统和热源故障类型；所述热网的实体包括热网节点、管段、阀门、补偿器、检查井和热网故障类型；所述热用户的实体包括换热器、水泵、水箱、过滤器、阀门和热用户故障类型。
6.根据权利要求1所述的供热系统智能诊断方法，其特征在于，所述基于获取的供热系统多元数据，进行知识抽取，包括：对实体识别后的供热系统数据进行实体、实体属性，以及实体与实体，实体与属性间的关系抽取；基于实体、实体...

【专利技术属性】
技术研发人员：金鹤峰，谢金芳，裘天阅，
申请(专利权)人：常州英集动力科技有限公司，
类型：发明
国别省市：