用于储能站锂离子电池故障诊断分析的知识图谱构建方法技术

本发明专利技术公开了一种用于储能站锂离子电池故障诊断分析的知识图谱构建方法，本方法填补了规模级储能锂电池故障诊断以及处置预案基础数据的空白；通过提取所述故障数据的故障特征，从而定义知识图谱的本体类和类间关系，结构化数据抽取方式具有良好的可扩展性和自适应能力，能够满足多源异构数据的知识抽取需要；能够将储能站的多源异构的信息数据进行融合，最终形成储能站锂离子电池故障诊断分析的知识图谱；基于知识图谱能够找到工作参数与故障之间的潜在联系，进而形成知识体系，从而实现储能站锂电池故障快速诊断和准确应对。现储能站锂电池故障快速诊断和准确应对。现储能站锂电池故障快速诊断和准确应对。

【技术实现步骤摘要】
用于储能站锂离子电池故障诊断分析的知识图谱构建方法


[0001]本专利技术涉及知识图谱构建
，具体涉及一种用于储能站锂离子电池故障诊断分析的知识图谱构建方法。

技术介绍

[0002]为了改善气候变化问题和降低碳排放，在双碳目标的背景下，基于可再生能源的新能源被大规模开发，光伏和风电的装机量逐年增加。由于光伏发电和风力发电受天气变化影响大，出力过程具有随机性和波动性，风电甚至还具有反调峰特性，负荷需求常常不能满足，另外需要传统的火力机组发电满足供需平衡，不仅造成并网困难和弃风弃光成本高等问题，而且增加了燃煤发电的运行成本。
[0003]通过在发电侧配置储能，利用储能的能量时移和负荷跟踪平滑出力，可以解决光伏发电弃光和风电不可预测难题，还能避免负载端难以预测导致发电和用电的动态不平衡，从而减少传统机组的频繁启停，以提升电力系统整体运行经济性。
[0004]由于储能技术的发展发展，锂离子电池储能广泛应用，储能故障日益复杂。已有的储能站的故障诊断主要通过监测外部有限参数基于阈值判断故障类型，但造成电池本体故障和电池管理系统故障的原因是多样且复杂的，往往不是由于其中一种原因所导致，而是存在多种原因之间相互耦合的现象，其故障的症状表现也不是单一的，需要检测电池本体内外参数来进行综合判断；另外，当出现意外故障，不能及时确定故障原因和处置方案，即需要特定的专家进行分析处理，从而导致维修不及时，不但使得维修成本越来越高，还会延误维修进度，造成安全隐患，甚至对工作人员的生命财产造成威胁。
[0005]储能站目前可以从3方面收集数据：一是利用现有的传感和监测技术可以收集到丰富的电池内外部运行数据，为结构化数据；二是故障处置日志，为半结构化数据；三是储能电池故障分析专家领域的非结构化数据。
[0006]如何将这些多源异构的信息进行融合，找到工作参数与故障之间的潜在联系，形成知识体系，从而实现储能站锂电池故障快速诊断和准确应对，是一个亟待解决的问题。

技术实现思路

[0007]本专利技术的主要目的是提供一种用于储能站锂离子电池故障诊断分析的知识图谱构建方法，旨在解决如何将储能站的多源异构的信息数据进行融合，找到工作参数与故障之间的潜在联系，形成知识体系，从而实现储能站锂电池故障快速诊断和准确应对的问题。
[0008]本专利技术提出的技术方案为：
[0009]一种用于储能站锂离子电池故障诊断分析的知识图谱构建方法，包括：
[0010]获取储能站运行过程中产生的故障数据；
[0011]提取所述故障数据的故障特征，从而定义知识图谱的本体类和类间关系；
[0012]基于所述本体类和所述类间关系抽取所述故障数据的实体与关系以得到三元组数据；
[0013]基于所述三元组数据构建知识图谱；
[0014]将构建的知识图谱存储于图数据库管理系统中，以实现知识图谱的储存和管理。
[0015]优选的，所述获取储能站运行过程中产生的故障数据，包括：
[0016]获取结构化的储能站内部历史运行业务数据和半结构化的故障检修记录日志，并对所述业务数据和所述检修记录日志进行数据清洗；
[0017]获取非结构化的储能电池故障分析专家领域知识和规则，进行数据清洗后以得到具体故障类型、故障现象相关数据参数、机理原因分析、处置动作方式和故障动作方案。
[0018]优选的，所述提取所述故障数据的故障特征，从而定义知识图谱的本体类和类间关系，包括：
[0019]根据获取的故障数据，提取锂电池设备硬件知识、故障类型知识和故障机理知识，抽象化定义成知识图谱的本体类，并确定类间关系，其中，所述本体类包括：储能舱类、单体电池类、并联模块类、电池包类、故障类、规则类、动作类、值类、电压类、内阻类、内部温度类、工作温度类、循环次数类、荷电状态类、气体类型类、使用时长类、电解液内阻类和自放电率类；所述类间关系包括：包含、属性、特征、所属、主语或宾语、具有或备、阈值判别、报警等级、判别结果、机理或原因分析。
[0020]优选的，所述基于所述本体类和所述类间关系抽取所述故障数据的实体与关系以得到三元组数据，包括：
[0021]抽取储能站内部历史运行业务数据以获取位置和运行状态信息；
[0022]抽取和计算储能站内部历史运行业务数据，以获取电池运行状态数据，从而实现储能设备信息实体和各个指标类实体的获取，并将其创建为结构化的知识三元组。
[0023]优选的，所述基于所述本体类和所述类间关系抽取所述故障数据的实体与关系以得到三元组数据，还包括：
[0024]采用人工定义，或从参考文本的语料库中自动学习的方式获得关键词，再通过自动化模式，或规则的抽取方法以关键词的抽取方式实现对故障检修记录日志的知识抽取。
[0025]优选的，所述储能电池故障分析专家领域知识和规则包括论文书籍相关内容和专家知识文本；所述基于所述本体类和所述类间关系抽取所述故障数据的实体与关系以得到三元组数据，还包括：
[0026]获取论文书籍相关内容和专家知识文本，进行数据清洗后以得到包含锂电池发生的具体故障类型、故障现象相关数据参数、机理原因分析、处置动作方式和故障动作方案，进而获得目标语料库；
[0027]将目标语料库中的部分数据以元素
‑
标签的方式进行标注；
[0028]将目标语料库以具体故障类型、故障现象相关数据参数、机理原因分析、处置动作方式和故障动作方案5大类实体进行区分；
[0029]将标注的部分数据按预设比例随机分为训练集、测试集和验证集，并将目标语料库中剩下的未标注的数据作为预测集；
[0030]将标注的训练集通过预训练语言模型映射成数值，得到词向量；
[0031]根据序列标签信息建立损失函数，以构建实体标签抽取模型；
[0032]将词向量输入所述标签抽取模型，从而对标签进行抽取以获得序列实体标签信息，同时在训练过程中通过验证集估计泛化误差以更新超参数；
[0033]利用测试集对构建的实体标签抽取模型进行评估，若评估成绩低于预定目标，重新构建实体标签抽取模型，若评估成绩大于或等于预定目标，终止实体标签抽取模型的构建；
[0034]将目标语料库中剩下的未标注的数据输入实体标签抽取模型以得到序列实体标签信息，利用标签解码器获得对应的实体类型。
[0035]优选的，所述基于所述三元组数据构建知识图谱，包括：
[0036]基于结构化的储能站内部历史运行业务数据对应的三元组数据构建第一知识图谱；
[0037]基于半结构化的故障检修记录日志对应的三元组数据构建第二知识图谱；
[0038]基于非结构化的储能电池故障分析专家领域知识和规则对应的三元组数据构建第三知识图谱；
[0039]通过TransD模型将第一知识图谱、第二知识图谱和第三知识图谱向量化。
[0040]优选的，第一知识图谱、第二知识图谱和第三知识图谱均以三元组(h,r,t)的形式表示，其中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于储能站锂离子电池故障诊断分析的知识图谱构建方法，其特征在于，包括：获取储能站运行过程中产生的故障数据；提取所述故障数据的故障特征，从而定义知识图谱的本体类和类间关系；基于所述本体类和所述类间关系抽取所述故障数据的实体与关系以得到三元组数据；基于所述三元组数据构建知识图谱；将构建的知识图谱存储于图数据库管理系统中，以实现知识图谱的储存和管理。2.根据权利要求1所述的一种用于储能站锂离子电池故障诊断分析的知识图谱构建方法，其特征在于，所述获取储能站运行过程中产生的故障数据，包括：获取结构化的储能站内部历史运行业务数据和半结构化的故障检修记录日志，并对所述业务数据和所述检修记录日志进行数据清洗；获取非结构化的储能电池故障分析专家领域知识和规则，进行数据清洗后以得到具体故障类型、故障现象相关数据参数、机理原因分析、处置动作方式和故障动作方案。3.根据权利要求2所述的一种用于储能站锂离子电池故障诊断分析的知识图谱构建方法，其特征在于，所述提取所述故障数据的故障特征，从而定义知识图谱的本体类和类间关系，包括：根据获取的故障数据，提取锂电池设备硬件知识、故障类型知识和故障机理知识，抽象化定义成知识图谱的本体类，并确定类间关系，其中，所述本体类包括：储能舱类、单体电池类、并联模块类、电池包类、故障类、规则类、动作类、值类、电压类、内阻类、内部温度类、工作温度类、循环次数类、荷电状态类、气体类型类、使用时长类、电解液内阻类和自放电率类；所述类间关系包括：包含、属性、特征、所属、主语或宾语、具有或备、阈值判别、报警等级、判别结果、机理或原因分析。4.根据权利要求3所述的一种用于储能站锂离子电池故障诊断分析的知识图谱构建方法，其特征在于，所述基于所述本体类和所述类间关系抽取所述故障数据的实体与关系以得到三元组数据，包括：抽取储能站内部历史运行业务数据以获取位置和运行状态信息；抽取和计算储能站内部历史运行业务数据，以获取电池运行状态数据，从而实现储能设备信息实体和各个指标类实体的获取，并将其创建为结构化的知识三元组。5.根据权利要求4所述的一种用于储能站锂离子电池故障诊断分析的知识图谱构建方法，其特征在于，所述基于所述本体类和所述类间关系抽取所述故障数据的实体与关系以得到三元组数据，还包括：采用人工定义，或从参考文本的语料库中自动学习的方式获得关键词，再通过自动化模式，或规则的抽取方法以关键词的抽取方式实现对故障检修记录日志的知识抽取。6.根据权利要求5所述的一种用于储能站锂离子电池故障诊断分析的知识图谱构建方法，其特征在于，所述储能电池故障分析专家领域知识和规则包括论文书籍相关内容和专家知识文本；所述基于所述本体类和所述类间关系抽取所述故障数据的实体与关系以得到三元组数据，还包括：获取论文书籍相关内容和专家知识文本，进行数据清洗后以得到包含锂电池发生的具体故障类型、故障现象相关数据参数、机理原因分析、处置动作方式和故障动作方案，进而获得目标语料库；
将目标语料库中的部分数据以元素
‑
标签的方式进行标注；将目标语料库以具体故障类型、故障现象相关数据参数、机理原因分析、处置动作方式和故障动作方案5大类实体进行区分；将标注的部分数据按预设比例随机分为训练集、测试集和验证集，并将目标语料库中剩下的未标注的数据作为预测集；将标注的训练集通过预训练语言模型映射成数值，得到词向量；根据序列标签信息建立损失函数，以构建实体标签抽取模型；将词向量输入所述标签抽取模型，从而对标签进行抽取以获得序列实体标签信息，同时在训练过程中通过验证集估计泛化误差以更新超参数；利用测试集对构建的实体标签抽取模型进行评估，若评估成绩低于预定目标，重新构建实体标签抽取模型，若评估成绩大于或等于预定目标，终止实体标签抽取模型的构建；将目标语料库中剩下的未标注的数据输入实体标签抽取模型以得到序列实体标签信息，利用标签解码器获得对应的实体类型。7.根据权利要求6所述的一种用于储能站锂离子电池故障诊断分析的知识图谱构建方法，其特征在于，所述基于所述三元组数据构建知识图谱，包括：基于结构化的储能站内部历史运行业务数据对应的三...

【专利技术属性】
技术研发人员：胡龙，姚兆林，黄胜泉，赵吉鸿，黎灿兵，李新喜，李松博，田举雄，蔡龙吉，
申请(专利权)人：中电投新疆能源化工集团和田有限公司，
类型：发明
国别省市：