储能电站的运维工单调度方法、装置、电子设备及介质与流程

本技术涉及智能运维领域，具体而言，涉及一种储能电站的运维工单调度方法、装置、电子设备及介质。

背景技术：

1、目前，在网侧储能电站的运维管理中，故障检测与工单调度通常依赖阈值报警、固定优先级规则及人工派工。然而，现有方案在工单优先级评定时未能充分考虑电网实时运行状态（如频率偏差、负荷率）及储能设备间物理与电气耦合关系对故障影响程度的动态作用，导致高优先级工单可能偏离对电网安全实际威胁最大的故障；同时，故障预测多基于单一模态数据，缺乏对设备时序运行状态与历史文本记录之间语义关联的深度挖掘，限制了预警准确性；此外，人员与工单的匹配过程往往忽略技能、容量等硬性约束下的全局优化，造成响应延迟或资源错配。

技术实现思路

1、本技术实施例的目的在于提供一种储能电站的运维工单调度方法、装置、电子设备及介质，用以解决了现有技术存在的上述问题，可实现运维资源向对电网安全影响最大的故障精准倾斜、故障预警提前量提升以及工单平均响应时间缩短。

2、第一方面，提供了一种储能电站的运维工单调度方法，该方法可以包括：

3、获取储能电站的多模态运维数据，所述多模态运维数据包括时序运行数据和文本记录数据；

4、基于所述多模态运维数据进行跨模态特征融合与故障预测，生成故障预测结果；

5、基于所述故障预测结果生成运维工单；

6、构建包含工单节点、储能设备节点和电网节点的实体关联图，并基于所述实体关联图的拓扑结构进行特征传播，确定各所述运维工单的优先级评估指标；其中，所述实体关联图的边关系基于所述储能设备节点之间的物理与电气耦合关系构建；

7、基于所述优先级评估指标和可调度人员的人员状态数据，生成所述运维工单与所述可调度人员的调度匹配方案，并执行工单派发。

8、在一种可能的实现中，构建包含工单节点、储能设备节点和电网节点的实体关联图，包括：

9、将所述运维工单映射为所述工单节点，将所述储能电站内的物理设备映射为所述储能设备节点，将所述储能电站在电网中的并网点映射为所述电网节点；

10、基于所述物理设备之间的电气回路连接关系构建电气连接边；

11、基于所述物理设备之间的空间距离满足预设邻近阈值构建物理邻近边；

12、基于所述运维工单与对应的故障设备之间的关联关系构建工单设备关联边；

13、其中，所述工单节点、所述储能设备节点和所述电网节点通过所述电气连接边、所述物理邻近边和所述工单设备关联边连接形成所述实体关联图。

14、在一种可能的实现中，基于所述实体关联图的拓扑结构进行特征传播，确定各所述运维工单的优先级评估指标，包括：

15、对所述实体关联图中的节点特征进行线性投影，得到各节点的投影特征向量；

16、对于所述实体关联图中的相邻节点对，构建表征节点间时序演化关系的时序关系向量；所述时序关系向量基于所述相邻节点对之间的边类型进行编码，所述边类型包括所述工单设备关联边对应的工单等待时长与故障概率衰减速率、所述电气连接边和所述物理邻近边对应的历史故障传播延迟时间、以及涉及所述电网节点的边的电网状态变化趋势；

17、将所述相邻节点对中两个节点的所述投影特征向量与所述时序关系向量进行拼接，并通过激活函数计算所述相邻节点对之间的注意力系数；

18、对所述注意力系数进行归一化处理得到注意力权重，基于所述注意力权重对邻居节点的所述投影特征向量进行加权聚合，得到更新后的节点特征；

19、基于更新后的节点特征，通过评分回归网络输出所述优先级评估指标。

20、在一种可能的实现中，基于所述多模态运维数据进行跨模态特征融合与故障预测，生成故障预测结果，包括：

21、分别对所述时序运行数据和所述文本记录数据进行特征提取，得到时序特征和文本特征；

22、以所述时序特征作为查询向量，以所述文本特征作为键向量和值向量，计算第一交叉注意力特征；同时以所述文本特征作为查询向量，以所述时序特征作为键向量和值向量，计算第二交叉注意力特征；

23、基于预设的门控向量分别对所述时序特征和所述第一交叉注意力特征进行加权融合，得到增强时序特征；并基于所述门控向量对所述文本特征和所述第二交叉注意力特征进行加权融合，得到增强文本特征；

24、将所述增强时序特征和所述增强文本特征进行拼接，得到跨模态融合特征；

25、基于所述跨模态融合特征进行多任务预测，生成包含故障类型、故障概率和故障等级的所述故障预测结果。

26、在一种可能的实现中，分别对所述时序运行数据和所述文本记录数据进行特征提取，得到时序特征和文本特征，包括：

27、将所述时序运行数据输入包含多个并行分支的时间卷积网络，各所述并行分支采用不同的膨胀率以提取多尺度局部时序特征，将各所述并行分支的输出在通道维度拼接后输入双向长短期记忆网络，对前向隐藏序列和后向隐藏序列进行池化与拼接，得到所述时序特征；

28、将所述文本记录数据输入预训练的语言模型，提取全局句向量和局部语义聚合向量，在通道维度上拼接得到所述文本特征。

29、在一种可能的实现中，基于所述跨模态融合特征进行多任务预测，生成包含故障类型、故障概率和故障等级的所述故障预测结果，包括：

30、将所述跨模态融合特征分别输入故障类型分类输出头、故障概率回归输出头和故障等级预测输出头；

31、通过所述故障类型分类输出头输出各类别的概率分布并取最大概率对应的类别作为故障类型；通过所述故障概率回归输出头输出连续数值作为故障概率；通过所述故障等级预测输出头输出各离散等级的置信度并取最大置信度对应的等级作为故障等级。

32、在一种可能的实现中，基于所述故障预测结果生成运维工单，包括：

33、将所述故障预测结果编码为综合查询向量；

34、基于所述综合查询向量在历史故障案例库中进行向量相似度检索，召回相似度满足预设条件的目标历史案例；

35、将所述运维工单对应的故障的基本信息与所述目标历史案例的处理记录拼接为上下文提示词，输入大语言模型生成原始处理方案；

36、对所述原始处理方案进行后处理校验，所述后处理校验包括检查安全警告、工具备件型号以及步骤逻辑顺序；

37、在校验通过后，将所述原始处理方案填入预设的工单模板，生成所述运维工单。

38、第二方面，提供了一种储能电站的运维工单调度装置，该装置可以包括：

39、数据获取模块，用于获取储能电站的多模态运维数据，所述多模态运维数据包括时序运行数据和文本记录数据；

40、故障预测模块，用于基于所述多模态运维数据进行跨模态特征融合与故障预测，生成故障预测结果；

41、工单生成模块，用于基于所述故障预测结果生成运维工单；

42、优先级评定模块，用于构建包含工单节点、储能设备节点和电网节点的实体关联图，并基于所述实体关联图的拓扑结构进行特征传播，确定各所述运维工单的优先级评估指标；其中，所述实体关联图的边关系基于所述储能设备节点之间的物理与电气耦合关系构建；

43、匹配调度模块，用于基于所述优先级评估指标和可调度人员的人员状态数据，生成所述运维工单与所述可调度人员的调度匹配方案，并执行工单派发。

44、第三方面，提供了一种电子设备，该电子设备包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

45、存储器，用于存放计算机程序；

46、处理器，用于执行存储器上所存放的程序时，实现上述第一方面中任一所述的方法步骤。

47、第四方面，提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面中任一所述的方法步骤。

48、本技术提供一种储能电站的运维工单调度方法，该方法通过构建包含工单、储能设备及电网节点的实体关联图，并基于设备间电气回路与物理空间邻近关系定义边结构，使图拓扑真实反映储能电站内部的能量传输路径与热-电耦合效应；在此基础上，引入时序关系向量对工单等待时长、故障传播延迟及电网状态趋势进行编码，并将其融入注意力权重计算过程，使得特征传播不仅依赖静态连接，更能动态响应系统运行时变特性，从而让优先级评估指标准确量化各工单对电网安全的实时综合影响，避免传统固定规则导致的资源错配。采用双向交叉注意力机制实现时序运行数据与文本记录数据的互补增强：一方面，时序特征通过关注文本中的历史故障语义获得物理事件的上下文解释；另一方面，文本特征通过关注当前时序异常获得数值状态的实证支撑；再经由门控向量自适应调节原始信息与跨模态增强信息的融合权重，有效抑制噪声干扰并强化关键信号，显著提升故障类型识别准确率、概率估计可靠性及等级划分合理性，为后续工单生成提供高精度决策依据。在人员-工单匹配阶段，先通过自注意力层分别捕获工单队列内部紧迫度分布与人员群体负载状态，再经双向交叉注意力建立细粒度适配关系，并结合技能、唯一性及容量上限等硬性约束生成掩码处理后的目标适配度矩阵；进一步通过将人员按容量拆分为虚拟子节点、按需补全虚拟工单或虚拟人员构造方阵，使匈牙利算法可在满足所有业务约束的前提下求解全局最优指派，既保证调度方案的可行性，又最大化整体匹配效益，显著缩短工单平均响应时间并提升运维资源利用效率。