System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种水电系统故障自动诊断方法、系统、终端及介质技术方案_技高网

一种水电系统故障自动诊断方法、系统、终端及介质技术方案

技术编号:40425067 阅读:9 留言:0更新日期:2024-02-20 22:45
本发明专利技术公开了一种水电系统故障自动诊断方法、系统、终端及介质,其中方法包括:获取水电系统故障时的文本数据;将文本数据输入构建完成的BERT‑BiLSTM模型得到上下文信息和语义特征,进而通过CRF层定位文本数据中异常数据对应的实体,并配合注意力机制提取到实体之间的关系;基于得到的实体及关系构建水电系统故障诊断知识图谱,进而结合异常数据的实体获取所有造成水电系统故障的错误数据集;通过理性路径自动诊断法对错误数据集进行故障原因诊断,输出故障诊断原因路径。所述方法能够利用故障手册等非结构化知识,并能够快速定位故障点并找出故障原因。

【技术实现步骤摘要】

本专利技术涉及高新技术改造传统产业领域,尤其涉及一种水电系统故障自动诊断方法、系统、终端及介质


技术介绍

1、能源是经济和社会发展的重要基础,随着经济和社会的不断发展,能源需求将持续增长。水电已成为能源的重要组成部分,在能源平衡和能源工业的可持续发展中占有重要的战略地位。近年来,国家大力推动水电等可再生能源的发展,以实现由传统能源向可再生新能源的转型。保障水电系统的正常运行以及系统发生故障时的快速响应能力很重要。

2、现阶段,水电厂自动化程度普遍较高,保护、自动化和监控系统复杂,保障水电厂安全稳定运行。与过去相比,水电系统变得越来越复杂,故障的影响也越来越严重,从经济损失到严重危险的事件,甚至是生命。为了避免此类事件的发生,对水电系统进行有效、及时的故障排除是必不可少的,因此故障排除需要在早期进行,以便及时排除故障或隐患。

3、水电厂本身的工作环境非常复杂,这也增加了自动化设备的故障率,从而使设备的可靠性波动很大,同时自动化设备维护不良的问题一直存在,因此保证自动化设备的正常运行是对水电厂的基本要求。此外,设备还易受电磁干扰,阻碍设备信息接收,影响相关机械施工过程,逐步降低自动化设备的寿命,影响整个水电厂的运行。

4、随着现代科学技术的不断发展,目前的智能诊断技术也越来越先进。将这些技术充分应用到相关设备的运行监控中,不仅可以提高故障诊断过程的效率,还可以提高设备应用过程的效率。传统的故障诊断方法不能有效利用已有的先验知识,如故障手册等非结构化知识,造成知识的浪费。

5、由此,亟需一种能够利用故障手册等非结构化知识,并能够快速定位故障点并找出故障原因的水电系统故障诊断方法。


技术实现思路

1、为了解决
技术介绍
中的问题,本专利技术提供了一种水电系统故障自动诊断方法、系统、终端及介质,所述方法基于bert网络对水电系统故障时的文本数据进行提取得到嵌入表示,进而将嵌入表示输入bi-lstm-crf模型进行实体识别,同时配合注意力机制提取故障嵌入表示数据,构建水电系统故障诊断领域知识图谱,根据理性路径自动诊断算法来快速诊断故障原因。

2、第一方面,本专利技术提供了一种水电系统故障自动诊断方法,包括:

3、s1:获取水电系统故障时的文本数据;

4、s2:将文本数据输入构建完成的bert-bilstm模型得到上下文信息和语义特征,进而通过crf层定位文本数据中异常数据对应实体,并配合注意力机制提取到实体之间的关系;

5、s3:基于s2中得到的实体及关系构建水电系统故障诊断知识图谱,进而结合异常数据的实体获取所有造成水电系统故障的错误数据集;

6、s4:通过理性路径自动诊断算法对错误数据集进行故障原因诊断,输出故障诊断原因路径。

7、本专利技术提供的方法通过bert网络对水电系统故障的文本数据进行提取,具体表现为通过叠加的多个编码器将输入文本中的每个词汇转化为具有丰富语义信息的向量表示,不仅考虑了文本中的词汇和语法,还关注了词汇之间的关系和上下文中的信息,能够充分提取数据的特征信息,得到最终的嵌入表示。通过bi-lstm-crf对故障数据的嵌入表示进行实体识别并配合注意力机制对故障数据的嵌入表示提取实体间的关系,具体表现为双向长短期神经网络bi-lstm分为2个独立的长短期神经网络lstm,输入序列分别以正序和逆序输入至2个lstm神经网络进行特征提取,将2个输出向量(即提取后的特征向量)进行拼接后形成的词向量作为该词的最终特征表达,即使得当前时刻所获得特征数据同时拥有过去和将来之间的信息;在基于bi-lstm能够处理实体间距离跨度大的双向长期依赖关系的基础上,增加crf层可以学习不同标签之间的转移概率,保证了推断出的实体的概率,最终使得构建水电系统故障排查系统可以保证结构更稳定,工作效率更高。构建水电系统故障诊断领域知识图谱,根据理性路径自动诊断算法来快速诊断故障原因。水电系统故障诊断知识图谱是基于已有的先验知识(如故障手册等非结构化知识)构建的,当故障发生时,理性路径自动诊断算法根据构建完成的知识图谱,精确诊断故障发生的原因,创建相关的故障原因集,最后输出故障诊断原因,其中,该算法结合了知识图谱中的信息,包括实体和关系信息,根据模型的输出结果利用知识图谱中的信息通过迭代构建一条故障发生路径,以达到快速锁定故障发生点的目的。

8、进一步地,所述s1中文本数据包括系统输出的故障报告、水电系统内各机器上设置的传感器测量数据。

9、进一步地,所述s2中bert-bilstm模型是基于水电系统历史输出的故障报告、分析的故障原因、维修记录、水电系统各机器上设置的传感器测量数据、水电系统的技术文档训练得到的。

10、进一步地,所述s2的具体过程为:

11、将文本数据输入bert网络中进行编码,生成每个词上下文的嵌入表示;

12、将嵌入表示输入bilstm网络中,获取嵌入表示的上下文信息和语义特征;

13、将获取的上下文信息和语义特征传入crf层,学习文本数据中实体不同标签之间的转移概率,定位文本数据中异常数据对应实体。

14、进一步地,所述s3中的水电系统故障诊断知识图谱包括实体及关系;其中,实体包括排故手册及维修手册中的故障类型、故障表现、故障原因、故障影响和故障解决措施;关系包括引起关系及包含关系,其中,引起关系指故障类型由一个或多个故障原因引起;包含关系指每个故障类型包含故障表现、原因和解决措施。预训练时,将排故手册及维修手册中的故障类型、故障表现、故障原因、故障影响和故障解决措施作为水电系统故障诊断知识图谱中的实体,将排故手册和维修手册中的文本数据进行分析,以抽取实体之间的关系作为实体间的关系,构建实体-关系-实体的水电系统故障诊断知识图谱。其中,若故障手册中的信息已经以结构化格式存在,可以直接从这些结构化数据中获取实体之间的关系,如维修手册中有明确的标记指示故障类型与解决措施之间的关系,则故障类型与解决措施的关系即为实体间的关系;若为非结构化信息关系,则将数据信息送入构建的bert-bilstm模型,根据模型输出的结果来获取关系信息。

15、更进一步地,水电系统故障诊断知识图谱的构建工具为neo4j。

16、进一步地,所述s4的具体过程为:

17、s41:判断错误数据集中数据是否属于水电系统故障诊断知识图谱中的实体:若是,则将该数据存入错误数据集pd,更新错误数据集;若否,则将该数据从错误数据集pd中删除,更新错误数据集;

18、s42:通过查阅实体-关系表fr来获得错误数据集中数据的关系路径:若fr为空,说明实体-关系还未建立;若不为空,根据fr表,创建故障原因集fd和故障关系值m以及关系集r并构建部分关系集s;

19、s43:通过关系集r得到部分关系集s,进行迭代推导出路径,直到整个关系集r为空,输出水电系统故障诊断原因路径。

20、第二方面,本专利技术提供了一种水本文档来自技高网...

【技术保护点】

1.一种水电系统故障自动诊断方法,其特征在于,包括:

2.根据权利要求1所述的水电系统故障自动诊断方法,其特征在于,所述S1中文本数据包括系统输出的故障报告、水电系统内各机器上设置的传感器测量数据。

3.根据权利要求1所述的水电系统故障自动诊断方法,其特征在于,所述S2中BERT-BiLSTM模型的预训练是基于水电系统历史输出的故障报告、分析的故障原因、维修记录、水电系统各机器上设置的传感器测量数据、水电系统的技术文档完成的。

4.根据权利要求1所述的水电系统故障自动诊断方法,其特征在于,所述S2的具体过程为:将文本数据输入BERT网络中进行编码,生成每个词上下文的嵌入表示;

5.根据权利要求1所述的水电系统故障自动诊断方法,其特征在于,所述S3中的水电系统故障诊断知识图谱包括实体及关系;实体包括排故手册及维修手册中的故障类型、故障表现、故障原因、故障影响和故障解决措施;关系包括引起关系及包含关系,其中引起关系指故障类型由一个或多个故障原因引起;包含关系指每个故障类型包含故障表现、原因和解决措施。

6.根据权利要求5所述的水电系统故障自动诊断方法,其特征在于,水电系统故障诊断知识图谱的构建工具为Neo4j。

7.根据权利要求1所述的水电系统故障自动诊断方法,其特征在于,所述S4的具体过程为:

8.一种水电系统故障自动诊断系统,其特征在于,包括:

9.一种电子终端,其特征在于:包括处理器和存储器,所述存储器存储了计算机程序,所述处理器调用所述计算机程序以执行:权利要求1-7任一项所述方法的步骤。

10.一种可读存储介质,其特征在于:存储了计算机程序,所述计算机程序被处理器调用时以执行:权利要求1-7任一项所述方法的步骤。

...

【技术特征摘要】

1.一种水电系统故障自动诊断方法,其特征在于,包括:

2.根据权利要求1所述的水电系统故障自动诊断方法,其特征在于,所述s1中文本数据包括系统输出的故障报告、水电系统内各机器上设置的传感器测量数据。

3.根据权利要求1所述的水电系统故障自动诊断方法,其特征在于,所述s2中bert-bilstm模型的预训练是基于水电系统历史输出的故障报告、分析的故障原因、维修记录、水电系统各机器上设置的传感器测量数据、水电系统的技术文档完成的。

4.根据权利要求1所述的水电系统故障自动诊断方法,其特征在于,所述s2的具体过程为:将文本数据输入bert网络中进行编码,生成每个词上下文的嵌入表示;

5.根据权利要求1所述的水电系统故障自动诊断方法,其特征在于,所述s3中的水电系统故障诊断知识图谱包括实体及关系;实体包括排故手册及维修手册中的...

【专利技术属性】
技术研发人员:谢捷敏潘伟峰黄波程潇黠朱传古
申请(专利权)人:国网湖南省电力有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1