[发明专利]一种基于多信息融合的电厂设备管理方法及系统

权利要求书

1.一种基于多信息融合的电厂设备管理方法，其特征在于，所述方法包括：

采集所有电厂设备的历史多源数据，并对所述历史多源数据进行预处理得到准备数据；

基于所述准备数据建立故障模型；

将所述准备数据进行二次处理得到二次数据，所述二次处理包括刻画处理、关联性处理和预测性处理；

通过所述二次数据对所述故障模型进行训练；

基于训练后的所述故障模型与所述电厂设备的当前运行状态进行故障预警；

其中，所述历史多源数据可以通过生产管理系统进行采集，所述历史多源数据具体为工作票、电厂设备故障、电厂设备缺陷、电厂设备隐患、电厂设备手册、电厂设备运行状态数据。

2.如权利要求1所述的一种基于多信息融合的电厂设备管理方法，其特征在于，对所述历史多源数据进行预处理，具体为：

通过分词算法对所述历史多源数据进行分词处理；

对分词处理后的所述历史多源数据进行词性标注得到标注多源数据；

基于杰卡德距离、余弦相似性原理和词典库对所述标注多源数据进行关键词提取。

3.如权利要求2所述的一种基于多信息融合的电厂设备管理方法，其特征在于，所述词典库，具体为对所有电厂设备的设备树记录和实际缺陷记录中的设备故障描述内容进行分词处理得到的标准文本集合，其中，所述设备树为所有电厂设备的层级关系树。

4.如权利要求1所述的一种基于多信息融合的电厂设备管理方法，其特征在于，所述刻画处理，具体为：

按照电厂设备的部件以及电厂设备所属的系统将电厂设备对应的电厂设备故障、电厂设备缺陷、电厂设备隐患进行分类得到分类数据，其中，所述分类数据包括电厂设备故障分类数据、电厂设备缺陷分类数据、电厂设备隐患分类数据；

统计所有电厂设备的故障频次；

基于所述分类数据和所述故障频次确定电厂设备发生故障的区域性和时域性，其中，所述区域性具体为电厂的检修期和汛期，所述时域性为不同的时间，包括一天中的故障发生时间节点，一年中的故障发生时间节点。

5.如权利要求4所述的一种基于多信息融合的电厂设备管理方法，其特征在于，所述关联性处理，具体为：

将所有电厂设备故障按照两个一组进行不重复排列划分，其中，排列时某一电厂设备故障和其余电厂设备故障均进行组合；

基于皮尔逊系数和灰色关联度确定所有电厂设备故障的故障属性，所述故障属性分为独立性故障和从属性故障，其中，所述独立性故障为某一电厂设备故障发生时没有其他电厂设备故障发生，所述从属性故障为某一电厂设备故障发生时还有其他电厂设备故障发生。

6.如权利要求5所述的一种基于多信息融合的电厂设备管理方法，其特征在于，所述预测性处理，具体为：

基于所述准备数据建立所有电厂设备间的贝叶斯网络模型和或同一系统中的电厂设备间的贝叶斯网络模型；

基于所述贝叶斯网络模型和所述电厂设备故障对应的电厂设备故障分类数据、故障属性确定其他电厂设备故障发生的类型及概率。

7.如权利要求1所述的一种基于多信息融合的电厂设备管理方法，其特征在于，所述当前运行状态具体是已发生故障、未发生故障，所述基于训练后的所述故障模型与所述电厂设备的当前运行状态进行故障预警，具体为：

若所述电厂设备的当前运行状态为已发生故障，则将对应的电厂设备故障导入至所述故障模型中并得到其他电厂设备故障发生的类型及概率。

8.一种基于多信息融合的电厂设备管理系统，其特征在于，所述系统包括：

采集模块，用于采集电厂设备的历史多源数据，并对所述历史多源数据进行预处理得到准备数据；

建立模块，用于基于所述准备数据建立故障模型；

处理模块，用于将所述准备数据进行二次处理得到二次数据，所述二次处理包括刻画处理、关联性处理和预测性处理；

训练模块，用于通过所述二次数据对所述故障模型进行训练；

预警模块，用于基于训练后的所述故障模型与所述电厂设备的当前状态进行故障预警。