[发明专利]火电装备语义知识库、构建方法及零样本故障诊断方法

权利要求书

1.一种火电装备语义知识库构建方法，其特征在于，包括以下步骤：

收集原始故障案例，所述原始故障案例包括在高端火电装备工业历史运行中出现过和未在历史运行中出现过的故障案例，针对其中在历史运行中出现过的故障案例，每个故障案例采集若干对应的历史运行过程数据样本组成训练集。

对每个故障案例进行属性标注，每种属性的标注结果组成每个故障案例的属性语义向量，汇总所有故障案例的属性语义向量，得到火电装备语义知识库。

2.如权利要求1所述的方法，其特征在于，所述故障诊断案例包含预警诊断单概要、预警点详情、测点趋势图、人员处理记录、趋势图及现场情况描述、原因分析、结论及措施等信息。

3.如权利要求1所述的方法，其特征在于，所述属性包括与故障引发原因相关的操作类、故障产生后相关的操作类、设备类、介质类、和故障描述类及其他类的特征属性，所述属性采用二值编码，语义知识库矩阵表示为Z(L×d_a)，其中L表示总的案例个数，d_a表示属性的个数。

4.一种权利要求1-3任一项所述方法构建获得的火电装备语义知识库。

5.一种基于权利要求4所述火电装备语义知识库的零样本故障诊断方法，其特征在于，包括以下步骤：

(1)对每种属性建立属性判别器，再利用建立的火电装备语义知识库对训练集中的每个样本根据故障类别映射构建对应的属性语义向量，再利用样本的过程数据作为输入，样本属性语义向量中属性判别器对应属性的标注结果为标签，对每个属性判别器进行训练；其中，对于在所有样本中标注结果全部一致的属性，其属性判别器采用孤立森林、自编码器、OneClassSVM模型等，对于在所有样本中标注结果不全一致的属性，采用随机森林，朴素贝叶斯、LASSO模型等。

(2)故障诊断阶段，具体为：

将新采集的故障样本过程数据输入至每个属性判别器，每个属性判别器的输出结果组成新采集的故障样本对应的属性语义向量预测值，将属性语义向量预测值与建立的火电装备语义知识库中所有故障案例的属性语义向量进行相似度匹配，最相似的故障案例的故障类别作为该采集的故障样本的故障识别结果。