基于本地大模型的火电机组能耗诊断方法及系统

摘要: 本发明属于涉及能耗监控,尤其涉及一种基于本地大模型的火电机组能耗诊断方法及系统。背景技术:1、火电机组能耗诊断涉及的能耗指标呈层级结构:一级结果指标反映机组整体...
基于本地大模型的火电机组能耗诊断方法及系统

本发明属于涉及能耗监控,尤其涉及一种基于本地大模型的火电机组能耗诊断方法及系统。

背景技术:

1、火电机组能耗诊断涉及的能耗指标呈层级结构:一级结果指标反映机组整体能耗水平,下属若干二级影响指标用于说明一级指标偏离的来源;二级指标又对应若干现场测点参数。各指标与测点均设有对标工况值,当前工况值与对标工况值之差为对标耗差,用于衡量能耗偏离程度。

2、能耗异常发现依赖dcs/sis等生产监控系统中设置的固定阈值告警,只能判断单一指标是否越限,无法向下追溯真正的影响因素,之后的排查工作仍须人工逐项进行。根因定位、规程查阅和结论编写三步均由运维人员手动完成。结论质量因人而异,难以标准化。

3、规程查阅阶段,运维人员通常用关键词检索定位规程条款;部分系统引入基础检索增强生成(rag)方案,用通用领域文本嵌入模型将规程向量化后做相似度检索。检索模型没有针对火电机组能耗领域做过训练,对"端差""真空""热耗率"等专业术语的同义、近义表达识别能力差;基础 rag 还缺乏检索质量优化机制,召回结果相关性低、冗余多,命中后仍需人工逐条筛选。结论生成阶段,部分系统接入通用大语言模型辅助生成诊断文字,但通用模型对火电机组专业术语理解不足,生成质量不稳定;多数通用大模型需调用云端服务,生产数据外传存在安全风险。上游异常分析的结果是数值型结构化数据,如何把这些数据转化成语义检索用的查询,现有方案没有自动化手段,仍靠人工拼接关键词。

4、综上所述,目前存在的问题是:取数、分析、检索、报告生成各步骤独立运行,依赖人工串接;没有沿指标层级自动定位根因并生成高质量问询的能力;检索模型和语言模型均未经领域训练,检索召回质量低、生成质量受限;通用大模型的云端依赖带来数据安全风险。因此,需要一种可本地部署、经过领域优化、能从自动取数到报告生成全程自动运行的火电机组能耗诊断方法。

技术实现思路

1、为克服现有技术存在的缺陷,本发明提出一种基于本地大模型的火电机组能耗诊断方法及系统。

2、为了实现上述发明目的,本发明具体采用如下技术方案:

3、第一方面,本发明提供了一种基于本地大模型的火电机组能耗诊断方法,包括如下步骤:

4、s1、采用对比学习方式对经过预训练的文本嵌入模型进行领域微调,采用有监督学习方式对经过预训练的语言模型进行领域微调,并将经微调的文本嵌入模型与经微调的语言模型部署在服务器本地;

5、s2、对火电机组运行规程文档进行片段划分,使用经微调的文本嵌入模型生成每个火电机组运行规程片段对应的稠密向量,以构建稠密向量库,并对各切片进行分词,构建稀疏检索索引,形成混合知识库;

6、s3、当响应到用户的火电机组能耗诊断请求后,自动从火电机组生产数据系统读取能耗指标数据与测点参数数据;基于能耗指标数据中一级结果指标的对标耗差确定一级异常指标,并沿指标层级截取二级影响指标与异常测点,形成结构化的火电机组能耗异常上下文;

7、s4、将结构化的火电机组能耗异常上下文输入经微调的语言模型,生成面向运行规程的火电机组能耗诊断查询;

8、s5、基于混合知识库对火电机组能耗诊断查询执行稠密向量检索与稀疏关键词检索,两路检索得分经归一化加权融合后进行交叉编码器重排序,获得每个火电机组运行规程片段的相关性得分,取相关性得分最高的前k个火电机组运行规程片段作为最终召回的火电机组运行规程知识;

9、s6、将结构化的火电机组能耗异常上下文与火电机组运行规程知识输入经微调的语言模型,生成结构化的火电机组能耗诊断报告并输出。

10、在上述方案基础上,各步骤可以采用如下优选的具体方式实现。

11、作为上述第一方面的优选,s1中,文本嵌入模型的领域微调具体为:将火电机组能耗诊断查询及与其语义相关的火电机组运行规程片段构成正样本对,将火电机组能耗诊断查询及与其语义无关的火电机组运行规程片段构成负样本对,采用对比损失对文本嵌入模型进行微调。

12、作为上述第一方面的优选,s1中,语言模型的领域微调具体为:获取由火电机组能耗诊断领域指令样本组成的数据集,火电机组能耗诊断领域指令样本的输入为结构化的火电机组能耗异常上下文,火电机组能耗诊断领域指令样本的期望输出为符合规范的火电机组能耗诊断查询或火电机组能耗诊断报告,并以该数据集对语言模型进行微调,使语言模型掌握火电机组能耗诊断的专业表达、推理逻辑与诊断报告规范。

13、作为上述第一方面的优选,s2中,混合知识库构建包括以下步骤:

14、s21、获取火电机组运行规程文档,火电机组运行规程文档中的多模态内容包含文本段落、表格与图表;

15、s22、对文本段落按段落与字符长度规则进行切片,对表格采用表格转文字与结构化解析方式转换为可检索的文本,对图表提取图名与说明文字并关联其上下文文本,从而将火电机组运行规程文档划分为多个火电机组运行规程片段;

16、s23、使用经微调的文本嵌入模型为每个火电机组运行规程片段生成稠密向量,由所有稠密向量构建稠密向量库;

17、s24、对每个火电机组运行规程片段进行中文分词,统计词频tf与文档频率df,构建基于bm25算法的稀疏检索索引,稠密向量库与稀疏检索索引共同构成混合知识库。

18、作为上述第一方面的优选,s3中,读取能耗指标数据与测点参数数据后,形成火电机组能耗异常上下文依次包括以下子步骤:

19、s31、由在能耗指标数据中的一级结果指标集合中,选取对标耗差绝对值最大的一级结果指标作为一级异常指标;

20、s32、以一级异常指标在能耗指标数据中的位置为起点,沿层级关系向后遍历至下一个一级结果指标之前,按对标耗差降序取其间预设数量的二级影响指标,得到二级影响指标集合;

21、s33、在测点参数数据中按二级影响指标名称匹配其所属的参数分组区域,对该参数分组区域内每个测点,计算当前工况值与对标工况值之差,并对计算出的差值取绝对值作为工况偏差值,按工况偏差值降序取预设数量的测点,构建异常测点集合;最终输出由一级异常指标、二级影响指标集合、异常测点集合构成结构化的火电机组能耗异常上下文。

22、作为上述第一方面的优选,s4中,火电机组能耗诊断查询的生成具体为:将火电机组能耗异常上下文格式化为文本并输入经微调的语言模型,由语言模型依据预置提示模板,从一级异常指标和二级影响指标集合中识别对标耗差贡献度最大的ndb个指标作为关键指标,从异常测点集合m中识别出工况偏差值最大的ngk个测点作为关键测点,并根据关键指标和关键测点自动生成一条面向火电机组运行规程、限定长度且以问题形式结尾的火电机组能耗诊断查询,ndb和ngk均为预设的超参数。

23、作为上述第一方面的优选,s5依次包括以下子步骤:

24、s51、首先进行稠密向量检索,由经微调的文本嵌入模型将火电机组能耗诊断查询编码为查询向量,计算查询向量与各火电机组运行规程片段的稠密向量的余弦相似度,并将余弦相似度计算结果作为火电机组运行规程片段的稠密检索得分;

25、s52、而后进行稀疏关键词检索,对火电机组能耗诊断查询分词后,在稀疏检索索引中基于bm25算法计算火电机组运行规程片段的稀疏检索得分;

26、s53、对稠密检索得分和稀疏检索得分分别进行min-max归一化,并按可调整的融合权重对归一化后的两种检索得分进行加权融合,得到火电机组运行规程片段的融合得分;

27、s54、取融合得分最高的前2k个火电机组运行规程片段构成候选集,由交叉编码器模型计算候选集中每个火电机组运行规程片段的相关性得分,按相关性得分降序取前k个火电机组运行规程片段作为最终召回的火电机组运行规程知识;k为预设的超参数。

28、作为上述第一方面的优选,s6中,火电机组能耗诊断报告生成具体为:将结构化的火电机组能耗异常上下文与火电机组运行规程知识融合为结构化提示,输入经微调的语言模型,按固定五段式结构生成结构化的火电机组能耗诊断报告,所述五段式结构依次为问题概述、潜在主要问题分析、主要影响因素分析、诊断建议、改进措施。

29、作为上述第一方面的优选,在s3与s4之间还包括:对火电机组能耗异常上下文进行条件判定,当一级异常指标名称或二级影响指标集合中的任意一个二级影响指标名称命中预置领域关键词集时,调用对应领域专项分析子智能体生成领域专项分析结论,用于与结构化的火电机组能耗异常上下文与火电机组运行规程知识进行融合,形成结构化提示;否则直接进入s4。

30、第二方面,本发明提供了一种基于本地大模型的火电机组能耗诊断系统,用于实现如上述第一方面任一项方案所述的基于本地大模型的火电机组能耗诊断方法,包括:

31、模型微调模块,用于采用对比学习方式对经过预训练的文本嵌入模型进行领域微调,采用有监督学习方式对经过预训练的语言模型进行领域微调,并将经微调的文本嵌入模型与经微调的语言模型部署在服务器本地;

32、知识库构建模块,用于对火电机组运行规程文档进行片段划分,使用经微调的文本嵌入模型生成每个火电机组运行规程片段对应的稠密向量,以构建稠密向量库,并对各切片进行分词,构建稀疏检索索引,形成混合知识库;

33、异常上下文生成模块,用于当响应到用户的火电机组能耗诊断请求后,自动从火电机组生产数据系统读取能耗指标数据与测点参数数据;基于能耗指标数据中一级结果指标的对标耗差确定一级异常指标,并沿指标层级截取二级影响指标与异常测点,形成结构化的火电机组能耗异常上下文;

34、查询生成模块,用于将结构化的火电机组能耗异常上下文输入经微调的语言模型,生成面向运行规程的火电机组能耗诊断查询;

35、知识检索模块,用于基于混合知识库对火电机组能耗诊断查询执行稠密向量检索与稀疏关键词检索,两路检索得分经归一化加权融合后进行交叉编码器重排序,获得每个火电机组运行规程片段的相关性得分,取相关性得分最高的前k个火电机组运行规程片段作为最终召回的火电机组运行规程知识;

36、诊断报告输出模块,用于将结构化的火电机组能耗异常上下文与火电机组运行规程知识输入经微调的语言模型,生成结构化的火电机组能耗诊断报告并输出。

37、第三方面,本发明提供了一种计算机程序产品,包括计算机程序/指令,该计算机程序/指令被处理器执行时,能实现如上述第一方面任一项方案所述的基于本地大模型的火电机组能耗诊断方法。

38、第四方面,本发明提供了一种计算机可读存储介质,所述存储介质上存储有计算机程序,当所述计算机程序被处理器执行时,实现如上述第一方面任一方案所述的基于本地大模型的火电机组能耗诊断方法。

39、第五方面,本发明提供了一种计算机电子设备,其包括存储器和处理器;

40、所述存储器,用于存储计算机程序;

41、所述处理器,用于当执行所述计算机程序时,实现如上述第一方面任一方案所述的基于本地大模型的火电机组能耗诊断方法。

42、本发明相对于现有技术而言,具有以下有益效果:

43、本发明将调用的文本嵌入模型或语言模型都部署在服务器本地并在服务器本地运行,全流程数据不上传外部云端,消除了通用大模型方案中生产数据外传的安全隐患。

44、本发明对通用的文本嵌入模型经对比学习微调,以火电机组能耗诊断查询及语义相关的火电机组运行规程片段作为正样本对、以语义无关的火电机组运行规程片段作为负样本对,以拉近正样本向量距离、推远负样本向量距离作为训练目标,微调后的文本嵌入模型对火电专业术语的语义理解明显改善,提高了步骤s5召回火电机组运行规程知识的效果。

45、本发明的语言模型经监督微调,学习了火电机组能耗诊断的推理逻辑与报告规范,生成的结构化的火电机组能耗诊断报告专业性更加稳定。在生成火电机组能耗诊断查询的过程中,本发明通过预置提示模板约束经微调的语言模型,按对标耗差贡献度提炼2~3个关键指标,以生成火电机组能耗诊断查询,进而将数值型异常分析结果转化为可直接用于语义检索的自然语言查询,替代人工拼接关键词,解决了需要人为输入关键词导致检索效率低下的问题。此外,本发明设计了五段式结构的模板提示词,来约束语言模型输出,引导模型输出要素齐全的火电机组能耗诊断报告,相比通用大模型诊断效果更好。

46、本发明按对标耗差自动钻取指标层级,从一级异常指标溯源到二级影响指标与异常测点,形成结构化的火电机组能耗异常上下文,解决了固定阈值系统只能报告越限、无法定位根因的问题。进一步地,还通过关键词匹配判断是否调用领域专项分析子智能体,匹配成功则生成领域专项分析结论,并参与火电机组能耗诊断报告的生成过程,匹配失败则跳过该环节,通用诊断流程对各类异常的覆盖能力不受影响。

47、在火电机组运行规程知识检索过程中,本发明将稠密向量检索和稀疏关键词检索这两种检索方式的检索得分加权融合,再经交叉编码器重排序,相比单一向量检索,兼顾了语义匹配和关键词精确匹配,并通过重排序校正候选排序,相比朴素的rag系统,召回相关性更高。

48、本发明用智能体工作流编排引擎以有向状态图串联,前一步输出直接作为后一步输入,用户一键触发后全程自动运行,取代了原来各步骤人工串接的方式,使诊断效率和诊断效果获得提升。