【技术实现步骤摘要】
本专利技术属于电气自动化领域，具体涉及一种电力系统工业设备故障诊断方法及系统。
技术介绍
1、随着经济技术的发展和人们生活水平的提高，电能已经成为了人们生产和生活中必不可少的二次能源，给人们的生产和生活带来了无尽的便利。因此，保障电能的稳定可靠供应，就成为了电力系统最重要的任务之一。
2、故障诊断是电力系统工业设备维保过程的重要组成部分，其目的是通过工业设备传感器收集的监测数据以及先验知识，对电力系统工业设备的工作状态和故障状态进行诊断和评估，从而提高电力系统工业设备的可靠性，保证电力系统的安全稳定运行。
3、目前，常用的电力系统工业设备的故障诊断方案，一般分为基于人工经验的故障诊断和基于模型的故障诊断：基于人工经验的故障诊断方案，一般依赖于运维人员的经验，这种方式可靠性和精确性都较差；而基于模型的故障诊断方案，该类诊断模型往往依赖于单模态的信息，其应用范围有限，而且可靠性和精确性也相对较差。
技术实现思路
1、本专利技术的目的之一在于提供一种可靠性高、精确性好且通用性好的电力系统工业设备故障诊断方法。
2、本专利技术的目的之二在于提供一种实现所述电力系统工业设备故障诊断方法的系统。
3、本专利技术提供的这种电力系统工业设备故障诊断方法，包括如下步骤：
4、s1.获取现有的电力系统工业设备的多模态数据信息；
5、s2.对步骤s1获取的数据信息进行预处理，构建训练数据集；
6、s3.基于faster-
7、s4.采用步骤s2得到的训练数据集，对步骤s3构建的电力系统工业设备故障诊断初始模型进行训练，得到电力系统工业设备故障诊断模型；
8、s5.采用步骤s4得到的电力系统工业设备故障诊断模型，进行实际的电力系统工业设备的故障诊断。
9、步骤s1所述的获取现有的电力系统工业设备的多模态数据信息，具体包括如下步骤：
10、获取的现有的电力系统工业设备的多模态数据信息，包括电力系统工业设备的文本数据信息、电力系统工业设备的图像数据信息、电力系统工业设备的视频数据信息和电力系统工业设备的音频数据信息，以及对应的电力系统工业设备的故障诊断结果。
11、步骤s2所述的对步骤s1获取的数据信息进行预处理，具体包括如下步骤：
12、对步骤s1获取的图像数据信息进行缩放，以保证每个patch内最短边长与预设值的比例匹配；
13、若缩放后无法对应每个patch图像内的最长边长，则采用0进行填充，以保证比例匹配；
14、然后，采用如下算式对图像数据进行数据增强，以保证数据增强后目标保持在框架边界内：
15、
16、式中bh为数据增强后标记框的相对高度；bw为数据增强后标记框的相对宽度；bh为原始高度；bw为原始宽度；h和h为设定的数据增强系数。
17、步骤s3所述的基于faster-rcnn网络、多模态知识图谱和bart文本生成模型，构建电力系统工业设备故障诊断初始模型，包括如下步骤：
18、构建电力系统工业设备故障诊断初始模型包括故障分类模块、故障推导模块和故障诊断模块；
19、基于faster-rcnn网络构建故障分类模块；故障分类模块用于根据输入的图像数据信息，提取图像特征信息，并进行故障分类；
20、基于多模态知识图谱构建故障推导模块；故障推导模块用于根据故障分类结果，以及输入的文本数据信息、视频数据信息和音频数据信息，构建多模态知识图谱，并进行故障推导；
21、基于bart文本生成模型构建故障诊断模块；故障诊断模块用于进行最终的故障诊断。
22、所述的基于faster-rcnn网络构建故障分类模块，具体包括如下步骤：
23、基于faster-rcnn网络构建故障分类模块；故障分类模块包括特征提取模块、rpn模块、roipooling模块和rcnn模块组成。特征提取模块包括13个con层、13个relu层和4个pooling层，用于提取目标的特征图；rpn模块的输入为特征图，用于目标候选区域的选取；roipooling模块以rpn模块输出的候选区域和特征提取模块输出的特征图为输入，将两者进行综合后得到固定大小的区域特征图，以用于后续的softmax分类；rcnn模块通过softmax对图像进行分类，并通过边框回归修正物体的状态。
24、所述的基于多模态知识图谱构建故障推导模块，具体包括如下步骤：
25、基于多模态知识图谱构建故障推导模块；故障推导模块包括信息表示、知识处理和知识更新三部分；在推理阶段，根据提取到的特征向量，得到实体信息向量；在获得表示目标场景中实体信息的文本特征向量后，将这些信息与知识库中存储的实体、属性和关系进行映射，使用余弦相似度将视觉检测阶段得到的特征向量映射到知识图中的实体-关系-属性向量上：
26、
27、式中，ai和bi分别表示向量a和向量b的分量。
28、根据余弦相似度匹配，得到的实体-文本向量对应于多模态知识图谱中的实体和属性值；利用知识图中的主设备实体(比如变压器)、次设备实体(比如散热器)和故障现象属性值(比如黑色)组成三元组；通过语义匹配模板和路径查询、多跳查询推理，确定获得二次设备(比如散热器)、属性值(比如黑色)所对应的故障实体(比如漏油)。
29、所述的基于bart文本生成模型构建故障诊断模块，具体包括如下步骤：
30、故障推导模块检索到查询节点后，利用节点名称通过视觉对象检测得到的特征向量生成答案文本；特征向量随机生成，且只包含置信度大于30％的检测结果；将该结果按降序排序，以获得文本特征向量(比如黑色、散热器和变压器)的半有序状态；然后，将文本特征向量与知识图中节点的名称文本进行语义匹配；排序操作基于匹配的节点属性执行，生成一个有序的文本向量，bart文本生成模型用于生成可解释的故障文本；bart文本生成模型为是一个使用序列到序列模型构建的去噪自动编码器，用于各种文本生成任务；bart文本生成模型采用基于标准transformer的神经机器翻译架构，使用噪声函数破坏输入文本，并学习将原始文本重构为序列到序列模型，从而能够处理原始输入文本，并有效地学习文本重建。
31、本专利技术还提供了一种实现所述电力系统工业设备故障诊断方法的系统，包括数据获取模块、数据处理模块、模型构建模块、模型训练模块和故障诊断模块；数据获取模块、数据处理模块、模型构建模块、模型训练模块和故障诊断模块依次串联；数据获取模块用于获取现有的电力系统工业设备的多模态数据信息，并将数据信息上传数据处理模块；数据处理模块用于根据接收到的数据信息，对获取的数据信息进行预处理，构建训练数据集，并将数据信息上传模型构建模块；模型构建模块用于根据接收到的数据信息，基于faster-本文档来自技高网...
【技术保护点】
1.一种电力系统工业设备故障诊断方法，包括如下步骤：
2.根据权利要求1所述的电力系统工业设备故障诊断方法，其特征在于步骤S1所述的获取现有的电力系统工业设备的多模态数据信息，具体包括如下步骤：
3.根据权利要求2所述的电力系统工业设备故障诊断方法，其特征在于步骤S2所述的对步骤S1获取的数据信息进行预处理，具体包括如下步骤：
4.根据权利要求3所述的电力系统工业设备故障诊断方法，其特征在于步骤S3所述的基于Faster-RCNN网络、多模态知识图谱和BART文本生成模型，构建电力系统工业设备故障诊断初始模型，包括如下步骤：
5.根据权利要求4所述的电力系统工业设备故障诊断方法，其特征在于所述的基于Faster-RCNN网络构建故障分类模块，具体包括如下步骤：
6.根据权利要求5所述的电力系统工业设备故障诊断方法，其特征在于所述的基于多模态知识图谱构建故障推导模块，具体包括如下步骤：
7.根据权利要求6所述的电力系统工业设备故障诊断方法，其特征在于所述的基于BART文本生成模型构建故障诊断模块，具体包括如下步
8.一种实现权利要求1～7之一所述的电力系统工业设备故障诊断方法的系统，其特征在于包括数据获取模块、数据处理模块、模型构建模块、模型训练模块和故障诊断模块；数据获取模块、数据处理模块、模型构建模块、模型训练模块和故障诊断模块依次串联；数据获取模块用于获取现有的电力系统工业设备的多模态数据信息，并将数据信息上传数据处理模块；数据处理模块用于根据接收到的数据信息，对获取的数据信息进行预处理，构建训练数据集，并将数据信息上传模型构建模块；模型构建模块用于根据接收到的数据信息，基于Faster-RCNN网络、多模态知识图谱和BART文本生成模型，构建电力系统工业设备故障诊断初始模型，并将数据信息上传模型训练模块；模型训练模块用于根据接收到的数据信息，采用得到的训练数据集，对构建的电力系统工业设备故障诊断初始模型进行训练，得到电力系统工业设备故障诊断模型，并将数据信息上传故障诊断模块；故障诊断模块用于根据接收到的数据信息，采用得到的电力系统工业设备故障诊断模型，进行实际的电力系统工业设备的故障诊断。
...【技术特征摘要】
1.一种电力系统工业设备故障诊断方法，包括如下步骤：
2.根据权利要求1所述的电力系统工业设备故障诊断方法，其特征在于步骤s1所述的获取现有的电力系统工业设备的多模态数据信息，具体包括如下步骤：
3.根据权利要求2所述的电力系统工业设备故障诊断方法，其特征在于步骤s2所述的对步骤s1获取的数据信息进行预处理，具体包括如下步骤：
4.根据权利要求3所述的电力系统工业设备故障诊断方法，其特征在于步骤s3所述的基于faster-rcnn网络、多模态知识图谱和bart文本生成模型，构建电力系统工业设备故障诊断初始模型，包括如下步骤：
5.根据权利要求4所述的电力系统工业设备故障诊断方法，其特征在于所述的基于faster-rcnn网络构建故障分类模块，具体包括如下步骤：
6.根据权利要求5所述的电力系统工业设备故障诊断方法，其特征在于所述的基于多模态知识图谱构建故障推导模块，具体包括如下步骤：
7.根据权利要求6所述的电力系统工业设备故障诊断方法，其特征在于所述的基于bart文本生成...
【专利技术属性】
技术研发人员：刘立洪，颜一帆，梁剑，贺丽，李琴，罗正经，贺杰，唐咪娜，王继军，李宇，何婧，朱磊，
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：
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。