[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

说明书

本发明公开了一种基于多信息融合的电厂管理方法及系统，所述方法包括：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，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状态进行故障预警，实现了将不同来源的信息进行有效的收集融合，并对各类设备事故进行事前预防。

技术领域

本申请涉及设备管理领域，更具体地，涉及一种基于多信息融合的电厂设备管理方法及系统。

背景技术

随着现代科技的发展，以及物联网、大数据、人工智能和云计算等技术的日新月异，电厂的设备也呈现自动化、智能化、环保型等发展趋势，海量的工业数据正在向云端迁移，另外大数据分析与数据挖掘贯穿于设备生产运行过程中，这对于电力企业设备的智能化管控提出了更高的要求。

目前，市面上传统电力生产企业在追求设备智能化的进程中，对于设备的智能化管理依然存在某些短板，一方面是各种设备巡检类业务系统存在信息孤岛问题，各专业系统间信息和数据融合度、互动性差，对于设备间错综复杂的关系所导致的缺陷间的关联与诱发关系认识不足，更多的是单点缺陷单独处理，另一方面是预见性较差，电力生产是典型的复杂巨系统，对于何时何地何种情形下容易出现故障，无法对内在规律进行定量刻画，无法做到各类设备事故的事前预防。

因此，如何将不同来源的信息进行有效的收集并融合，以及对各类设备事故的事前预防，是本领域技术人员有待解决的技术问题。

发明内容

本发明提供一种基于多信息融合的电厂设备管理方法，用于将不同来源的信息进行有效的收集，并对各类设备事故进行事前预防，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。

优选地，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。

优选地，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。

优选地，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。

优选地，所述关联性处理，具体为：