【技术实现步骤摘要】
本申请涉及设备缺陷诊断，具体是一种基于人工智能知识图谱的设备缺陷诊断方法及系统。
技术介绍
1、设备作为维系设备网络稳定运行的硬件基础，对其进行监管是必要的。现有的设备监管能够实现对设备运行全周期的数据进行采集，且能够在出现设备缺陷时发出警告。但不难发现，这些数据实际包含着缺陷发生前、对应的缺陷及对应的有效解决措施等关键信息，合理利用这些信息不仅能够实现设备缺陷诊断，还能够实现设备缺陷预警。在实际应用中，却由于利用困难的问题导致这些数据被闲置。因此挖掘设备运行全周期的数据是实现优化设备缺陷诊断合理的技术方向。
2、人工智能知识图谱技术是一种能够实现在大量数据中快速检索出匹配信息的新兴综合型技术，其现有的技术框架进行适应性修改后可适用于设备缺陷诊断。因此改进人工智能知识图谱技术使其更适用于进行缺陷诊断是实现优化设备缺陷诊断合理的技术方向。
3、在设备网络中，一次设备与二次设备是有效结合的整体，但现有的设备监管往往侧重于对单个设备的监管，忽略了其作为整体而言存在的关联性。因此挖掘一、二次设备之间的关联性并实现协同诊断是实现优化设备缺陷诊断合理的技术方向。
4、中国专利号cn202010937208.1公开了一种电力二次设备缺陷诊断方法、系统、设备及存储介质，但其对诊断依据的获取仅依赖于预设的缺陷库，且仅对二次设备进行监管，无法实现对数据的充分利用及对设备的全面监管。
5、综上，现有技术亟需一个能够基于全周期数据挖掘和人工智能知识图谱技术改进的实现一、二次设备协同缺陷诊断的技术方案。p>
技术实现思路
1、本申请的目的在于提供一种基于人工智能知识图谱的设备缺陷诊断方法及系统，以解决上述
技术介绍
中提出的技术问题。
2、为实现上述目的，本申请公开了以下技术方案：
3、第一方面，本申请公开了一种基于人工智能知识图谱的设备缺陷诊断方法，该方法包括：
4、s1：预设监测周期和更新周期，所述更新周期为所述监测周期的正整数倍；
5、s2：获取用于训练预设的缺陷诊断知识图谱的一次设备的第一数据、二次设备的第二数据与一、二设备关联的第三数据；所述第一数据用于表征一次设备的第一运行状态、第一缺陷及对应的第一解决措施；所述第二数据用于表征二次设备的第二运行状态、第二缺陷及对应的第二解决措施；所述第三数据用于表征一、二次设备之间的关联运行状态、关联缺陷及对应的关联解决措施；
6、s3：训练所述缺陷诊断知识图谱；所述缺陷诊断知识图谱包括单侧图谱和协同图谱，并用于进行缺陷诊断和预警；所述缺陷诊断知识图谱存储有专家缺陷库和数据缺陷库；所述专家缺陷库由领域专家的专业知识得到，所述数据缺陷库存储由数据分析的结果得到；
7、s4：基于所述第一数据，并利用所述单侧图谱，进行一次设备的单侧缺陷诊断，输出第一缺陷诊断结果；
8、s5：基于所述第二数据，并利用所述单侧图谱，进行二次设备的单侧缺陷诊断，输出第二缺陷诊断结果；
9、s6：基于所述第三数据，并利用所述协同图谱，进行一、二次设备的协同缺陷诊断，输出第三缺陷诊断结果；
10、s7：获取缺陷诊断记录和预警记录，更新所述缺陷诊断知识图谱。
11、借由上述，通过获取第一数据实现对一次设备的单侧缺陷诊断，通过获取第二数据实现对二次设备的单侧缺陷诊断，通过获取第三数据实现对一、二次设备的协同缺陷诊断，且通过获取第一数据、第二数据和第三数据为进行全周期数据挖掘和人工智能知识图谱技术改进提供了数据基础，结合监测周期和更新周期实现全周期数据挖掘，结合协同缺陷诊断实现人工智能知识图谱技术改进；实现了在不影响一次设备或二次设备单侧缺陷诊断的基础上，基于全周期数据挖掘和人工智能知识图谱技术改进的实现一、二次设备协同缺陷诊断。
12、作为优选，所述第一数据和所述第二数据的获取和处理具体包括：
13、利用在设备及对应的通信接口上设置的采集设备获取对应的第一原始数据和第二原始数据；
14、预处理所述第一原始数据和第二原始数据数据，得到第一训练数据和第二训练数据；
15、利用预设的专家缺陷库对所述第一训练数据和所述第二训练数据进行特征提取，使数据以运行状态缺陷解决措施关联数据链的形式进行存储，得到对应的所述第一数据和所述第二数据。
16、作为优选，所述第三数据的获取和处理具体包括：
17、获取所述第一数据和所述第二数据，将所述第一数据和所述第二数据进行基于时间序列的匹配；
18、预设关联时间阈值，当所述第一数据中的一次设备的缺陷的发生时刻和所述第二数据中的二次设备的缺陷的发生时刻之差的绝对值小于或等于所述关联时间阈值时，遍历所述专家缺陷库，当未匹配到相同缺陷时，将该第一数据和该第二数据进行关联后定义为候选第三数据；
19、预设关联次数阈值，当所述候选第三数据在一个所述更新周期中出现的次数大于或等于所述关联次数阈值时，将该候选第三数据以关联运行状态关联缺陷关联解决措施关联数据链的形式进行存储，得到所述第三数据并存入所述数据缺陷库。
20、作为优选，所述单侧图谱的训练过程具体包括以下步骤：
21、a1：将所述第一数据和所述第二数据存入预设的单侧图谱架构；
22、a2：训练执行步骤a1后的所述单侧图谱架构，使其解析输入的所述第一数据或所述第二数据得到对应的所述第一运行状态或所述第二运行状态；
23、a3：利用步骤a2得到的对应的所述第一运行状态或所述第二运行状态，进行单侧设备识别、单侧关系匹配和单侧知识表示；所述单侧设备识别用于基于该运行状态识别对应的一次设备或二次设备；所述单侧关系匹配用于基于该运行状态，利用所述专家缺陷库和所述数据缺陷库匹配对应的第一缺陷及对应的第一解决措施和第二缺陷及对应的第二解决措施；所述单侧知识表示用于将该运行状态、对应的一次设备或二次设备，及对应的第一缺陷及对应的第一解决措施和第二缺陷及对应的第二解决措施进行表示；
24、a4：将执行步骤a3后的所述单侧图谱架构输出并定义为所述单侧图谱。
25、作为优选，所述协同图谱的训练过程具体包括以下步骤：
26、b1：将所述第三数据存入预设的协同图谱架构；
27、b2：训练执行步骤b1后的所述协同图谱架构，使其解析输入的所述第三数据得到对应的所述关联运行状态；
28、b3：利用步骤b2得到的对应的所述关联运行状态，进行协同设备识别、协同关系匹配和协同知识表示；所述协同设备识别用于基于该关联运行状态识别对应的一、二次设备关联；所述协同关系匹配用于基于该关联运行状态，利用所述专家缺陷库和所述数据缺陷库匹配对应的第三缺陷及对应的第三解决措施；所述协同知识表示用于将该关联运行状态、对应的一、二次设备关联，及对应的第三缺陷及对应的第三解决措施进行表示；
29、b4：将执行步骤b3后的所述协同图谱架构输出并定本文档来自技高网...
【技术保护点】
1.一种基于人工智能知识图谱的设备缺陷诊断方法，其特征在于，该方法包括：
2.根据权利要求1所述的基于人工智能知识图谱的设备缺陷诊断方法，其特征在于，所述第一数据和所述第二数据的获取和处理具体包括：
3.根据权利要求1所述的基于人工智能知识图谱的设备缺陷诊断方法，其特征在于，所述第三数据的获取和处理具体包括：
4.根据权利要求1所述的基于人工智能知识图谱的设备缺陷诊断方法，其特征在于，所述单侧图谱的训练过程具体包括以下步骤：
5.根据权利要求1所述的基于人工智能知识图谱的设备缺陷诊断方法，其特征在于，所述协同图谱的训练过程具体包括以下步骤：
6.根据权利要求4所述的基于人工智能知识图谱的设备缺陷诊断方法，其特征在于，所述第一缺陷诊断结果和所述第二缺陷诊断结果的输出过程具体包括以下步骤：
7.根据权利要求5所述的基于人工智能知识图谱的设备缺陷诊断方法，其特征在于，所述第三缺陷诊断结果的输出过程具体包括以下步骤：
8.根据权利要求7所述的基于人工智能知识图谱的设备缺陷诊断方法，其特征在于，所述第三缺陷
9.根据权利要求1所述的基于人工智能知识图谱的设备缺陷诊断方法，其特征在于，所述的获取缺陷诊断记录和预警记录，更新所述缺陷诊断知识图谱，具体包括：
10.一种基于人工智能知识图谱的设备缺陷诊断系统，该系统适用如权利要求1-9任一项所述的基于人工智能知识图谱的设备缺陷诊断方法，其特征在于，该系统包括：
...【技术特征摘要】
1.一种基于人工智能知识图谱的设备缺陷诊断方法，其特征在于，该方法包括：
2.根据权利要求1所述的基于人工智能知识图谱的设备缺陷诊断方法，其特征在于，所述第一数据和所述第二数据的获取和处理具体包括：
3.根据权利要求1所述的基于人工智能知识图谱的设备缺陷诊断方法，其特征在于，所述第三数据的获取和处理具体包括：
4.根据权利要求1所述的基于人工智能知识图谱的设备缺陷诊断方法，其特征在于，所述单侧图谱的训练过程具体包括以下步骤：
5.根据权利要求1所述的基于人工智能知识图谱的设备缺陷诊断方法，其特征在于，所述协同图谱的训练过程具体包括以下步骤：
6.根据权利要求4所述的基于人工智能知识图谱的设备缺陷诊断方法，其特征...
【专利技术属性】
技术研发人员：李明轩，刘呱呱，李峰，王斌，樊树铭，
申请(专利权)人：国网新疆电力有限公司电力科学研究院，
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。