基于知识图谱的光热设备异常诊断与处理决策方法及系统与流程

本发明涉及工业智能运维与人工智能交叉，具体涉及一种基于知识图谱的光热设备异常诊断与处理决策方法及系统。

背景技术：

1、随着光热发电技术的快速发展，光热电站正向着大规模、高参数方向演进，其设备系统结构日益复杂，对运行稳定性的要求也随之提高。光热电站涉及定日镜场、吸热器、储换热系统及汽轮发电机组等多个子系统，设备间耦合性强，故障传播路径隐蔽。一旦某个关键组件发生异常，极易通过热力或流体连接迅速蔓延至整个系统，导致严重的经济损失。

2、目前，针对光热设备的异常诊断主要依赖传统的阈值报警与专家经验。现有技术通常通过传感器监测单一参数的数值范围，当参数超出预设阈值时触发告警。然而，这种方式存在显著缺陷：首先，单一阈值难以区分参数的正常波动与真实故障，误报率高；其次，告警信息往往孤立存在，缺乏语义关联，无法揭示“异常现象”与“根本故障原因”之间的因果联系，导致运维人员难以快速定位故障源头；再次，光热系统产生的运行日志与告警文本多为非结构化数据，传统方法难以有效挖掘其中的深层故障特征。

3、此外，现有的故障诊断系统大多缺乏对故障传播路径的形式化建模能力，其根本原因在于传统故障树模型仅能表达“与”“或”逻辑关系，无法利用设备间的拓扑连接关系进行带方向的反向推理，更不具备属性传递性约束下的自动推导能力。当面对多级联故障时，现有技术往往只能停留在异常表面，无法实现从异常标识到根因的自动化、智能化追溯。因此，亟需一种能够融合多源异构数据、具备形式化故障传播建模能力（特别是传递性约束下的反向推理能力）且可解释性强的光热设备异常诊断与处理决策方法。

技术实现思路

1、本发明旨在解决光热设备异常诊断中故障传播路径难追溯、多源数据难融合、根因定位精度低的技术问题，提供一种基于知识图谱的异常诊断与处理决策方法及系统。

2、第一方面，本申请实施例提供一种基于知识图谱的光热设备异常诊断与处理决策方法，所述方法包括：

3、构建光热设备异常诊断知识图谱的模式层，定义设备组件、运行参数、故障模式及故障原因四大本体，并通过owl语言为故障传播关系配置传递性约束，形成统一语义框架；

4、周期性采集光热设备的运行数据，采用bio标记法进行命名实体识别、采用多尺度卷积核进行文本分类，按所述四大本体自动构建或更新知识图谱的数据层实例；

5、利用所述数据层实例，统计关键参数的变化量与偏差率，通过产生式规则与预设阈值比对实现异常识别，生成异常标识及可疑设备范围；

6、以所述异常标识为起点、所述可疑设备范围为边界，采用faq引擎、图谱引擎与阅读理解引擎三者融合的问答机制，结合所述传递性约束沿故障传播路径反向遍历，定位根本故障原因；

7、根据异常识别结果与根本故障原因，生成包含故障源头标识、故障类型及维修建议的故障处理决策，并通过可视化界面展示设备拓扑与故障传播路径。

8、第二方面，本申请实施例提供一种基于知识图谱的光热设备异常诊断与处理决策系统，应用于如第一方面所述的基于知识图谱的光热设备异常诊断与处理决策方法，所述系统包括：

9、语义框架构建模块，用于构建光热设备异常诊断知识图谱的模式层，定义设备组件、运行参数、故障模式及故障原因四大本体，并通过owl语言为故障传播关系配置传递性约束，形成统一语义框架；

10、数据层更新模块，用于周期性采集光热设备的运行数据，采用bio标记法进行命名实体识别、采用多尺度卷积核进行文本分类，按所述四大本体自动构建或更新知识图谱的数据层实例；

11、异常识别模块，用于利用所述数据层实例，统计关键参数的变化量与偏差率，通过产生式规则与预设阈值比对实现异常识别，生成异常标识及可疑设备范围；

12、根因推理模块，用于以所述异常标识为起点、所述可疑设备范围为边界，采用faq引擎、图谱引擎与阅读理解引擎三者融合的问答机制，结合所述传递性约束沿故障传播路径反向遍历，定位根本故障原因；

13、决策展示模块，用于根据异常识别结果与根本故障原因，生成包含故障源头标识、故障类型及维修建议的故障处理决策，并通过可视化界面展示设备拓扑与故障传播路径。

14、第三方面，本申请实施例提供一种电子设备，包括：

15、处理器；

16、用于存储处理器可执行指令的存储器；

17、其中，所述处理器被配置为执行所述指令时实现如第一方面所述的基于知识图谱的光热设备异常诊断与处理决策方法。

18、第四方面，本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有程序，所述程序指示设备执行如第一方面所述的基于知识图谱的光热设备异常诊断与处理决策方法。

19、有益效果：通过为故障传播关系配置传递性约束，将物理拓扑转化为可计算的反向推理链路，解决了光热系统故障因果关系难以形式化表达的难题。结合bio标记法与多尺度卷积核处理非结构化日志，实现了文本数据向结构化图谱实例的高精度映射，提升了数据层更新的准确性。采用双因子触发条件（变化量+偏差率）替代单一阈值，有效区分瞬时波动与真实故障，降低了误报率并精准界定异常影响范围。首创faq-知识图谱-阅读理解三级递进问答引擎，结合图谱遍历与参数比对，实现了从异常现象到根本故障原因的自动化、高可信度定位。通过可视化界面同步展示拓扑结构、参数曲线与推理路径，提供了直观的解释性证据链，显著增强了诊断结果的可信度与运维指导价值。

1.一种基于知识图谱的光热设备异常诊断与处理决策方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，所述为故障传播关系配置传递性约束，具体包括：

3.根据权利要求1所述的方法，其特征在于，所述四大本体的属性约束配置，还包括：

4.根据权利要求1所述的方法，其特征在于，所述按所述四大本体自动构建或更新数据层实例，具体包括：

5.根据权利要求1所述的方法，其特征在于，所述通过产生式规则与预设阈值比对实现异常识别，具体包括：

6.根据权利要求5所述的方法，其特征在于，所述异常标识的生成与范围界定，还包括：

7.根据权利要求1所述的方法，其特征在于，所述采用faq引擎、图谱引擎与阅读理解引擎三者融合的问答机制，具体包括：

8.根据权利要求7所述的方法，其特征在于，所述结合传递性约束沿故障传播路径反向遍历，还包括：

9.根据权利要求1所述的方法，其特征在于，所述通过可视化界面展示设备拓扑与故障传播路径，具体包括：

10.一种基于知识图谱的光热设备异常诊断与处理决策系统，应用于如权利要求1至9任一项所述的方法，其特征在于，所述系统包括：