CN116128058A - 一种异构发电设备状态判断方法、装置、存储介质及设备 - Google Patents
一种异构发电设备状态判断方法、装置、存储介质及设备 Download PDFInfo
- Publication number
- CN116128058A CN116128058A CN202310378423.6A CN202310378423A CN116128058A CN 116128058 A CN116128058 A CN 116128058A CN 202310378423 A CN202310378423 A CN 202310378423A CN 116128058 A CN116128058 A CN 116128058A
- Authority
- CN
- China
- Prior art keywords
- power generation
- manufacturers
- measuring point
- data
- heterogeneous
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000010248 power generation Methods 0.000 title claims abstract description 162
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000003860 storage Methods 0.000 title claims abstract description 11
- 230000014509 gene expression Effects 0.000 claims abstract description 91
- 238000005259 measurement Methods 0.000 claims abstract description 32
- 238000012549 training Methods 0.000 claims abstract description 22
- 238000012545 processing Methods 0.000 claims abstract description 20
- 238000012360 testing method Methods 0.000 claims abstract description 18
- 230000000750 progressive effect Effects 0.000 claims abstract description 16
- 238000012423 maintenance Methods 0.000 claims abstract description 15
- 238000006243 chemical reaction Methods 0.000 claims description 20
- 239000013598 vector Substances 0.000 claims description 17
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 4
- 238000004140 cleaning Methods 0.000 claims description 3
- 230000008520 organization Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 2
- 230000008901 benefit Effects 0.000 abstract description 3
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000007246 mechanism Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
- G06N5/025—Extracting rules from data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Quality & Reliability (AREA)
- Evolutionary Computation (AREA)
- Entrepreneurship & Innovation (AREA)
- Computational Linguistics (AREA)
- Operations Research (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Wind Motors (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种异构发电设备状态判断方法、装置、存储介质及设备,获取各个发电厂商提供的关于发电设备的测点信息的点表描述文档,输入到Transformer预训练模型,得到测点信息描述相似文本;对测点信息描述相似文本对应的数据类型和数据单位进行递进式匹配处理,得到各个发电厂商之间的共有测点集合和各个发电厂商的独有测点集合;若判定均为共有测点,则根据是否等价确定最终的逻辑表达式;若判定存在独有测点,则将该测点信息所对应的测点采用的状态判断逻辑表达式作为最终的逻辑表达式;确定异构发电设备状态。优点:保证运维工作的正常进行,保障风力发电机组的平稳运行,为风力发电机场的效益最大化提供技术支持。
Description
技术领域
本发明涉及一种异构发电设备状态判断方法、装置、存储介质及设备,属于风力发电技术领域。
背景技术
风力发电机在目前已经得到广泛应用,发电企业为方便运维管理需要对异构风力发电机做统一的标准状态划分并实时判断其标准状态,但风力发电机厂商众多,发电设备各异,如何将风力发电机测点信息规范化,对异构发电设备状态按照发电企业定义的统一状态划分进行判断成为行业难题。其关系着能否整合异构发电设备信息使得风力发电场机组运维工作的标准化,从而保障风力发电机组的平稳运行。
目前异构发电设备状态判断存在以下问题:一是发电设备厂家众多,设备各异,不同厂商提供不同的发电设备,无法统一状态判断条件。二是判断需要根据不同厂商的具体规则进行特定判定,无法进行统一判定形成规范化平台,***与已有厂家之间耦合度较高,判断规则之间的冗余高。三是异构发电设备状态判断需要大量先验领域知识,判断所需经验成本较高。
发明内容
本发明所要解决的技术问题是克服现有技术的缺陷,提供一种异构发电设备状态判断方法、装置、存储介质及设备。
为解决上述技术问题,本发明提供一种异构发电设备状态判断方法,包括:
获取各个发电厂商提供的关于发电设备的测点信息的点表描述文档;
将所述点表描述文档输入到Transformer预训练模型,得到测点信息描述相似文本;
对测点信息描述相似文本对应的数据类型和数据单位进行递进式匹配处理,得到各个发电厂商之间的共有测点集合和各个发电厂商的独有测点集合;
若根据所述各个发电厂商之间的共有测点集合和各个发电厂商的独有测点集合判定各个发电厂商之间全部测点均为共有测点,则执行以下步骤:
根据各个发电厂商提供的状态判断逻辑表达式判断各个发电厂商的状态判断逻辑表达式是否等价;若等价,则采用任意发电厂商对应的逻辑表达式作为最终的逻辑表达式;若不等价,则将相应的发电厂商提供的状态判断逻辑表达式作为最终的逻辑表达式;
若根据所述各个发电厂商之间的共有测点集合和各个发电厂商的独有测点集合判定各个发电厂商之间存在独有测点,则执行以下步骤:
将所有发电厂商提供的状态判断逻辑表达式采用或逻辑运算符连接,根据运维***实时采集的测点信息,确定该测点信息所对应的测点,将该测点信息所对应的测点采用的状态判断逻辑表达式作为最终的逻辑表达式,根据最终的逻辑表达式确定异构发电设备状态。
进一步的,所述Transformer预训练模型的构建,包括:
获取发电厂商根据预设标准提供的各自测点信息的点表描述文档以及风电行业语料库形成文档数据集;
将文档数据集中的文本数据转化为词序列后得到训练数据集,利用训练数据集对Transformer模型进行训练,训练结束后得到所述Transformer预训练模型。
进一步的,所述风电行业语料库的构建,包括:
将Open Grid Europe语料库、IEA Wind Task 37风电语料库及世界电力组织语料库的语料信息中与所述发电设备无关的噪声数据删除,接着统一语料信息的文本格式及结构为预设文本格式及结构,得到所述风电行业语料库。
进一步的,所述将文档数据集中的文本数据转化为词序列,包括:
对文档数据集中的文本数据进行文本清洗、去除停用词预处理操作,通过wordembedding层将预处理操作后的文本数据的每个单词映射为词向量。
进一步的,所述对测点信息描述相似文本对应的数据类型和数据单位进行递进式匹配处理,得到各个发电厂商之间的共有测点集合和各个发电厂商的独有测点集合,包括:
根据测点中数据类型和数据单位的测点特异性,依次对异构发电设备的测点进行数据类型和数据单位的等值比较;
若均通过等值匹配,则表示匹配成功,不需要进行转换匹配;
若数据类型等值匹配失败,则形成逻辑短路,此测点匹配失败,继续比较其他测点;
若数据类型等值匹配成功且数据单位等值匹配失败,则采用数据单位的转换比较,所述数据单位的转换比较指对数据单位进行对应转换后重新匹配;
根据递进式匹配完成后的结果得到各个发电厂商之间的共有测点集合和各个发电厂商的独有测点集合。
进一步的,在得到各个发电厂商之间的共有测点集合和各个发电厂商的独有测点集合后,根据各个发电厂商提供的状态判断逻辑表达式,抽取其中测点信息描述,对各个发电厂商的测点进行集合筛选,得出共有测点和各自独有测点个数。
进一步的,采用SMT求解器判断逻辑表达式是否等价。
进一步的,所述发电设备为风力发电设备。
一种异构发电设备状态判断装置,包括:
获取模块,用于获取各个发电厂商提供的关于发电设备的测点信息的点表描述文档;
输入模块,用于将所述点表描述文档输入到Transformer预训练模型,得到测点信息描述相似文本;
匹配模块,用于对测点信息描述相似文本对应的数据类型和数据单位进行递进式匹配处理,得到各个发电厂商之间的共有测点集合和各个发电厂商的独有测点集合;
判断处理模块,用于若根据所述各个发电厂商之间的共有测点集合和各个发电厂商的独有测点集合判定各个发电厂商之间全部测点均为共有测点,则执行以下步骤:
根据各个发电厂商提供的状态判断逻辑表达式判断各个发电厂商的状态判断逻辑表达式是否等价;若等价,则采用任意发电厂商对应的逻辑表达式作为最终的逻辑表达式;若不等价,则将相应的发电厂商提供的状态判断逻辑表达式作为最终的逻辑表达式;
若根据所述各个发电厂商之间的共有测点集合和各个发电厂商的独有测点集合判定各个发电厂商之间存在独有测点,则执行以下步骤:
将所有发电厂商提供的状态判断逻辑表达式采用或逻辑运算符连接,根据运维***实时采集的测点信息,确定该测点信息所对应的测点,将该测点信息所对应的测点采用的状态判断逻辑表达式作为最终的逻辑表达式,根据最终的逻辑表达式确定异构发电设备状态。
一种存储一个或多个程序的计算机可读存储介质,所述一个或多个程序包括指令,所述指令当由计算设备执行时,使得所述计算设备执行所述的方法中的任一方法。
一种计算机设备,包括,
一个或多个处理器、存储器以及一个或多个程序,其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序包括用于执行所述的方法中的任一方法的指令。
本发明所达到的有益效果:
将基于标准化语义的异构发电设备状态判断方法投入风力发电场机组运维中,可以极大地解决上述问题,保证运维工作的正常进行,保障风力发电机组的平稳运行,为风力发电机场的效益最大化提供技术支持。
附图说明
图1是本发明的流程示意图;
图2是递进式匹配流程图;
图3是逻辑表达式结果判断流程图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
实施例1,如图1所示,一种异构发电设备状态判断方法,包括:
获取各个发电厂商提供的关于发电设备的测点信息的点表描述文档;
将所述点表描述文档输入到Transformer预训练模型,得到测点信息描述相似文本;
对测点信息描述相似文本对应的数据类型和数据单位进行递进式匹配处理,得到各个发电厂商之间的共有测点集合和各个发电厂商的独有测点集合;
若根据所述各个发电厂商之间的共有测点集合和各个发电厂商的独有测点集合判定各个发电厂商之间全部测点均为共有测点,则执行以下步骤:
根据各个发电厂商提供的状态判断逻辑表达式判断各个发电厂商的状态判断逻辑表达式是否等价;若等价,则采用任意发电厂商对应的逻辑表达式作为最终的逻辑表达式;若不等价,则将相应的发电厂商提供的状态判断逻辑表达式作为最终的逻辑表达式;
若根据所述各个发电厂商之间的共有测点集合和各个发电厂商的独有测点集合判定各个发电厂商之间存在独有测点,则执行以下步骤:
将所有发电厂商提供的状态判断逻辑表达式采用或逻辑运算符连接,根据运维***实时采集的测点信息,确定该测点信息所对应的测点,将该测点信息所对应的测点采用的状态判断逻辑表达式作为最终的逻辑表达式,根据最终的逻辑表达式确定异构发电设备状态。
所述方法的具体过程包括以下步骤:
步骤1,测点信息描述由厂商按照国标GB/T 30966提供。由于模型训练需要大量语料库,因此利用风电行业相关的语料库有利于之后模型的预训练。因此步骤(1)中采用现今电力行业较为流行的Open Grid Europe(欧洲开放电网,OGE)语料库、IEA Wind Task 37(国际能源署37号风能任务)风电语料库及世界电力组织语料库,删除语料信息中与本专利无关的噪声数据、统一语料信息的文本格式及结构,结合不同厂商提供的测点信息描述形成本专利语料库。
步骤2,首先对文本数据进行预处理包括文本清洗、去除停用词等操作,然后通过wordembedding层(词嵌入层)将每个单词映射为词向量。例如,现有句子
S 1和句子
S 2,转换后有
S 1=(
m 1,
m 2,
…,
m l )和
S 2=(
n 1,
n 2,
…,
n l ),
m j 和
n j 分别表示
S 1和
S 2中第
k个词的词向量,
l表示句子的长度,
j=1,2,…,
l。得到词向量后需要将其编码输入Transformer模型中的编码器中,编码器中有6层叠加的Transformer块。对于模型的输入有两部分组成,分别是词向量编码和位置编码,两者之和作为输入,其中位置编码是为了区分句子中词之间的位置关系,从而使得模型可以从全局的角度去分析,位置编码的公式如下:
;
;
其中,
PE(
pos,2
i)和
PE(
pos,2
i+1)表示两个维度的位置编码,
pos表示词语在句子中的位置,
i表示词向量的位置,
d model 表示词向量的维度。
编码器中使用多头注意力机制来计算不同维度之间的关系,每个词向量都有三个维度分别是词向量、位置向量和注意力向量。每个注意力投都会对这三个维度进行线性变换,然后计算出注意力权重进行加权求和最终得到输出向量。主要计算公式如下:
;
;
;
其中,
Attention(·) 表示Attention机制根据QKV所计算的注意力权重矩阵,
head p 表示每个注意力将输入信息分别编码成不同的表示形式,
MultiHead(·)表示将每一个注意力进行拼接形成的多头注意力机制,
Q、
K和
V分别表示查询张量、键张量和值张量,
d k 是键张量的维度,、和表示权重矩阵,
p=1,2,…,
q,
q表示注意力的个数,
Concat( ·) 表示拼接多个注意力头。
对于文本相似度计算使用余弦相似度,具体公式如下:
;
其中,
Similarity表示文本相似度,
A和
B表示两个向量,和分别表示A和B的模长。
将国标GB/T 30966中测点信息描述和各厂商测点信息描述作为模型的输入,以国标中测点信息描述作为基础,通过余弦相似度计算两个文档中各个测点的相似度,根据模型训练以及专家判定,相似度阈值设定为0.8,超过0.8则视为相似。如果相似,该测点映射为国标的测点信息描述,如果不相似则判定为该厂商的独有测点。
步骤3,结合风力发电机的实际特性与场景,由于异构设备中存在大量相似但不同的测点,因此采用递进式匹配,提高相似比较的准确率和计算效率。递进式匹配分为两个部分,即等值匹配、转换匹配。根据测点中数据类型和数据单位的测点特异性,依次对异构发电设备测点进行数据类型和数据单位的等值比较,若均能通过等值匹配。则表示匹配成功,不需要进行转换匹配。若数据类型等值匹配失败,则形成逻辑短路,此测点匹配失败,继续比较其他测点。若数据类型等值匹配成功且数据单位等值匹配失败则需要经过数据单位的转换比较,转换比较是指对数据单位进行对应转换后重新匹配。递进式匹配完成后形成厂家共有测点和独有测点集合。步骤(1)中的转换匹配利用Python的pint库自动化处理单位换算任务,其内置大量的单位转换,并可以通过外部配置方式快速完成单位转换。上述步骤3的递进式匹配流程图如图2所示。
步骤4,根据风力发电机实际业务进行异构发电设备状态判断。依据不同厂商提供的不同逻辑原始表达式,抽取其中的测点信息,对不同厂家测点信息在上述步骤3中产生的集合进行筛选,得出厂家之间共有测点数量,以及各自独有测点数量。此处的共有测点和各自独有测点为下一步判断做辅助。举例来说,得出两台风机的共有测点数量和独有测点数量可以让我们在程序判断的时候可以按照图3的流程进行。简单来说如果共有测点数量一致,则进行将其规范化后,带入数据的值,然后利用SMT判断是否等价,若等价则最终输出任一逻辑表达式的值。不需要进行独有测点的判断,提升程序的执行效率。若存在独有测点则直接按照数据值带入后的输出作为输出。
若厂商之间全部测点均为共有测点即共有测点数量与比较测点数量相等,则异构发电设备状态表明的逻辑一致,其判断方法相同,为了避免出现测点完全相同,但比较逻辑不同的问题,采用Z3高性能的逻辑求解器对逻辑表达式判断是否等价并在等价情况下给出最终逻辑表达式,在不等价情况下给出反例,便于运维人员决策。具体步骤如下:
1、规范化共有测点表示。由于需要比较的纯量公式中的测点均为共有测点,因此使用相同的字母标号进行替代,使得比较双方测点形式上的统一。
2、输入纯量公式。利用正则表达式抽取测点表示字母,声明其为对应数据变量,通过变量名称构造公式,通过z3py提供API输入需要比较的两组纯量公式。
3、使用z3py的API判断两个等价公式是否等价。
4、若等价则表明任意逻辑表达式均符合业务要求,任选其一作为最终逻辑表达式,若不等价,给出不等价反例,并提示运维人员出现了共用测点逻辑表达式比较数值不同的问题,方便运维人员进一步基于业务规则使用何种逻辑表达式。
若厂商之间存在独有测点,则将所有对应的逻辑表达式采用或逻辑运算符连接,根据运维***实时采集测点信息,利用输入的独有测点数据判断其为哪一个逻辑表达式对应独有测点,并采用对应的逻辑表达式作为最终的逻辑表达式。上述步骤(4)的逻辑表达式结果判断流程图如图2所示。
本实施例中对不同厂商提供的异构发电设备进行标准化管理,标准化为风力发电场的监测和控制提供统一的信息模型定义,其有利于对异构发电设备进行统一的处理,方便后续对异构设备状态按照发电企业定义的统一状态划分进行判断。但在具体实施过程中,由于不同厂商对于标准化的执行程度不同,部分厂商并不能完全按照标准化定义发电设备信息,因此需要采用标准化语义模型统一不同厂商信息模型的定义,有利于异构发电设备状态的标准化转换。
深度学习是一种高效的机器学习技术,其通过使用大量的数据和计算资源来自动执行特定任务。它通常以神经网络作为基础模型,并依靠多层网络来处理和分析数据。这些网络可以通过正向传播来对输入进行分析,并通过反向传播来调整模型参数,使模型能够在数据集上更加精确的完成所需的任务。
Transformer是一种神经网络架构,它通过使用自注意力机制来替代传统的循环神经网络(RNN)或卷积神经网络(CNN)在序列数据上的处理。Transformer在诸如语言翻译、问答***等自然语言处理任务中取得了显著的效果,其具有较强的捕捉语言特征的能力。自注意力机制允许模型在序列上进行自我注意,而不是像传统的循环神经网络那样只能依次处理序列中的每个元素。这使得Transformer能够有效地捕捉词之间的关系,生成高质量的词向量,能够考虑词的顺序和词与词之间的关系,为异构状态判断打好基础。
实施例2,本发明还提供一种异构发电设备状态判断装置,包括:
获取模块,用于获取各个发电厂商提供的关于发电设备的测点信息的点表描述文档;
输入模块,用于将所述点表描述文档输入到Transformer预训练模型,得到测点信息描述相似文本;
匹配模块,用于对测点信息描述相似文本对应的数据类型和数据单位进行递进式匹配处理,得到各个发电厂商之间的共有测点集合和各个发电厂商的独有测点集合;
判断处理模块,用于若根据所述各个发电厂商之间的共有测点集合和各个发电厂商的独有测点集合判定各个发电厂商之间全部测点均为共有测点,则执行以下步骤:
根据各个发电厂商提供的状态判断逻辑表达式判断各个发电厂商的状态判断逻辑表达式是否等价;若等价,则采用任意发电厂商对应的逻辑表达式作为最终的逻辑表达式;若不等价,则将相应的发电厂商提供的状态判断逻辑表达式作为最终的逻辑表达式;
若根据所述各个发电厂商之间的共有测点集合和各个发电厂商的独有测点集合判定各个发电厂商之间存在独有测点,则执行以下步骤:
将所有发电厂商提供的状态判断逻辑表达式采用或逻辑运算符连接,根据运维***实时采集的测点信息,确定该测点信息所对应的测点,将该测点信息所对应的测点采用的状态判断逻辑表达式作为最终的逻辑表达式,根据最终的逻辑表达式确定异构发电设备状态。
实施例3,本发明还提供一种存储一个或多个程序的计算机可读存储介质,所述一个或多个程序包括指令,所述指令当由计算设备执行时,使得所述计算设备执行所述的方法中的任一方法。
实施例4,本发明还提供一种计算机设备,包括,
一个或多个处理器、存储器以及一个或多个程序,其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序包括用于执行所述的方法中的任一方法的指令。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (11)
1.一种异构发电设备状态判断方法,其特征在于,包括:
获取各个发电厂商提供的关于发电设备的测点信息的点表描述文档;
将所述点表描述文档输入到Transformer预训练模型,得到测点信息描述相似文本;
对测点信息描述相似文本对应的数据类型和数据单位进行递进式匹配处理,得到各个发电厂商之间的共有测点集合和各个发电厂商的独有测点集合;
若根据所述各个发电厂商之间的共有测点集合和各个发电厂商的独有测点集合判定各个发电厂商之间全部测点均为共有测点,则执行以下步骤:
根据各个发电厂商提供的状态判断逻辑表达式判断各个发电厂商的状态判断逻辑表达式是否等价;若等价,则采用任意发电厂商对应的逻辑表达式作为最终的逻辑表达式;若不等价,则将相应的发电厂商提供的状态判断逻辑表达式作为最终的逻辑表达式;
若根据所述各个发电厂商之间的共有测点集合和各个发电厂商的独有测点集合判定各个发电厂商之间存在独有测点,则执行以下步骤:
将所有发电厂商提供的状态判断逻辑表达式采用或逻辑运算符连接,根据运维***实时采集的测点信息,确定该测点信息所对应的测点,将该测点信息所对应的测点采用的状态判断逻辑表达式作为最终的逻辑表达式;
根据最终的逻辑表达式确定异构发电设备状态。
2.根据权利要求1所述的异构发电设备状态判断方法,其特征在于,所述Transformer预训练模型的构建,包括:
获取发电厂商根据预设标准提供的各自测点信息的点表描述文档以及风电行业语料库形成文档数据集;
将文档数据集中的文本数据转化为词序列后得到训练数据集,利用训练数据集对Transformer模型进行训练,训练结束后得到所述Transformer预训练模型。
3.根据权利要求2所述的异构发电设备状态判断方法,其特征在于,所述风电行业语料库的构建,包括:
将Open Grid Europe语料库、IEA Wind Task 37风电语料库及世界电力组织语料库的语料信息中与所述发电设备无关的噪声数据删除,接着统一语料信息的文本格式及结构为预设文本格式及结构,得到所述风电行业语料库。
4.根据权利要求2所述的异构发电设备状态判断方法,其特征在于,所述将文档数据集中的文本数据转化为词序列,包括:
对文档数据集中的文本数据进行文本清洗、去除停用词预处理操作,通过wordembedding层将预处理操作后的文本数据的每个单词映射为词向量。
5.根据权利要求2所述的异构发电设备状态判断方法,其特征在于,所述对测点信息描述相似文本对应的数据类型和数据单位进行递进式匹配处理,得到各个发电厂商之间的共有测点集合和各个发电厂商的独有测点集合,包括:
根据测点中数据类型和数据单位的测点特异性,依次对异构发电设备的测点进行数据类型和数据单位的等值比较;
若均通过等值匹配,则表示匹配成功,不需要进行转换匹配;
若数据类型等值匹配失败,则形成逻辑短路,此测点匹配失败,继续比较其他测点;
若数据类型等值匹配成功且数据单位等值匹配失败,则采用数据单位的转换比较,所述数据单位的转换比较指对数据单位进行对应转换后重新匹配;
根据递进式匹配完成后的结果得到各个发电厂商之间的共有测点集合和各个发电厂商的独有测点集合。
6.根据权利要求5所述的异构发电设备状态判断方法,其特征在于,
在得到各个发电厂商之间的共有测点集合和各个发电厂商的独有测点集合后,根据各个发电厂商提供的状态判断逻辑表达式,抽取其中测点信息描述,对各个发电厂商的测点进行集合筛选,得出共有测点和各自独有测点个数。
7.根据权利要求6所述的异构发电设备状态判断方法,其特征在于,采用SMT求解器判断逻辑表达式是否等价。
8.根据权利要求1所述的异构发电设备状态判断方法,其特征在于,所述发电设备为风力发电设备。
9.一种异构发电设备状态判断装置,其特征在于,包括:
获取模块,用于获取各个发电厂商提供的关于发电设备的测点信息的点表描述文档;
输入模块,用于将所述点表描述文档输入到Transformer预训练模型,得到测点信息描述相似文本;
匹配模块,用于对测点信息描述相似文本对应的数据类型和数据单位进行递进式匹配处理,得到各个发电厂商之间的共有测点集合和各个发电厂商的独有测点集合;
判断处理模块,用于若根据所述各个发电厂商之间的共有测点集合和各个发电厂商的独有测点集合判定各个发电厂商之间全部测点均为共有测点,则执行以下步骤:
根据各个发电厂商提供的状态判断逻辑表达式判断各个发电厂商的状态判断逻辑表达式是否等价;若等价,则采用任意发电厂商对应的逻辑表达式作为最终的逻辑表达式;若不等价,则将相应的发电厂商提供的状态判断逻辑表达式作为最终的逻辑表达式;
若根据所述各个发电厂商之间的共有测点集合和各个发电厂商的独有测点集合判定各个发电厂商之间存在独有测点,则执行以下步骤:
将所有发电厂商提供的状态判断逻辑表达式采用或逻辑运算符连接,根据运维***实时采集的测点信息,确定该测点信息所对应的测点,将该测点信息所对应的测点采用的状态判断逻辑表达式作为最终的逻辑表达式,根据最终的逻辑表达式确定异构发电设备状态。
10.一种存储一个或多个程序的计算机可读存储介质,其特征在于,所述一个或多个程序包括指令,所述指令当由计算设备执行时,使得所述计算设备执行根据权利要求1至8所述的方法中的任一方法。
11.一种计算机设备,其特征在于,包括,
一个或多个处理器、存储器以及一个或多个程序,其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序包括用于执行根据权利要求1至8所述的方法中的任一方法的指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310378423.6A CN116128058B (zh) | 2023-04-11 | 2023-04-11 | 一种异构发电设备状态判断方法、装置、存储介质及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310378423.6A CN116128058B (zh) | 2023-04-11 | 2023-04-11 | 一种异构发电设备状态判断方法、装置、存储介质及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116128058A true CN116128058A (zh) | 2023-05-16 |
CN116128058B CN116128058B (zh) | 2023-06-27 |
Family
ID=86310318
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310378423.6A Active CN116128058B (zh) | 2023-04-11 | 2023-04-11 | 一种异构发电设备状态判断方法、装置、存储介质及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116128058B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103490962A (zh) * | 2013-09-10 | 2014-01-01 | 北京邮电大学 | 一种物联网接入平台***和物联网接入方法 |
CN105207863A (zh) * | 2015-08-31 | 2015-12-30 | 青岛海尔智能家电科技有限公司 | 一种控制异构智能家电设备的方法、云平台及家庭网关 |
US10438212B1 (en) * | 2013-11-04 | 2019-10-08 | Ca, Inc. | Ensemble machine learning based predicting customer tickets escalation |
WO2020227429A1 (en) * | 2019-05-06 | 2020-11-12 | Strong Force Iot Portfolio 2016, Llc | Platform for facilitating development of intelligence in an industrial internet of things system |
CN114610882A (zh) * | 2021-12-16 | 2022-06-10 | 国家电网有限公司大数据中心 | 一种基于电力短文本分类的异常设备编码检测方法和*** |
-
2023
- 2023-04-11 CN CN202310378423.6A patent/CN116128058B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103490962A (zh) * | 2013-09-10 | 2014-01-01 | 北京邮电大学 | 一种物联网接入平台***和物联网接入方法 |
US10438212B1 (en) * | 2013-11-04 | 2019-10-08 | Ca, Inc. | Ensemble machine learning based predicting customer tickets escalation |
CN105207863A (zh) * | 2015-08-31 | 2015-12-30 | 青岛海尔智能家电科技有限公司 | 一种控制异构智能家电设备的方法、云平台及家庭网关 |
WO2020227429A1 (en) * | 2019-05-06 | 2020-11-12 | Strong Force Iot Portfolio 2016, Llc | Platform for facilitating development of intelligence in an industrial internet of things system |
CN114610882A (zh) * | 2021-12-16 | 2022-06-10 | 国家电网有限公司大数据中心 | 一种基于电力短文本分类的异常设备编码检测方法和*** |
Non-Patent Citations (1)
Title |
---|
董永强;王鑫;刘永博;杨望;: "异构YANG模型驱动的网络领域知识图谱构建", 计算机研究与发展, no. 04 * |
Also Published As
Publication number | Publication date |
---|---|
CN116128058B (zh) | 2023-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109034368B (zh) | 一种基于dnn的复杂设备多重故障诊断方法 | |
CN115470338B (zh) | 一种基于多路召回的多场景智能问答方法和*** | |
CN113591093A (zh) | 基于自注意力机制的工业软件漏洞检测方法 | |
CN114254102B (zh) | 一种基于自然语言的协同应急响应soar剧本推荐方法 | |
CN116975634A (zh) | 一种基于程序静态属性及图神经网络的微服务提取方法 | |
CN114722833A (zh) | 一种语义分类方法及装置 | |
CN117851445A (zh) | 一种大语言模型Text2SQL图表生成方法及装置 | |
CN116128058B (zh) | 一种异构发电设备状态判断方法、装置、存储介质及设备 | |
CN111259106A (zh) | 一种结合神经网络和特征演算的关系抽取方法 | |
CN116362247A (zh) | 一种基于mrc框架的实体抽取方法 | |
CN115617689A (zh) | 一种基于cnn模型和领域特征的软件缺陷定位方法 | |
CN112698833A (zh) | 一种基于局部和全局特征的特征依恋代码味道检测方法 | |
CN114490974A (zh) | 信息自动回复方法、装置、***、电子设备及可读介质 | |
CN118070892B (zh) | 一种基于知识库的智能录入方法及*** | |
CN117829819B (zh) | 故障处理方法、设备及计算机可读存储介质 | |
CN116245108B (zh) | 验证匹配导向方法、验证匹配导向器、设备及存储介质 | |
CN117473400B (zh) | 基于多通道层级变换网络结构的设备故障诊断方法 | |
CN116842021B (zh) | 基于ai生成式技术的数据字典标准化方法、设备及介质 | |
CN118245588B (zh) | 一种领域问答集自动构建方法及其构建*** | |
CN111402012B (zh) | 一种基于迁移学习的电商缺陷产品识别方法 | |
Ezukwoke et al. | Leveraging pre-trained models for failure analysis triplets generation | |
Zhao et al. | Automatic audit system based on intelligent mining of audit work order text | |
CN116483659A (zh) | 一种基于深度序列学习的日志异常检测方法 | |
CN115455911A (zh) | 实体对齐方法、***、作业机械及电子设备 | |
CN115964953A (zh) | 一种基于元学习的电网数字化资源建模管理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |