基于异源异构多模态数据整合的诊断分析系统构建方法与流程

本发明涉及大型水电站的运维，具体地指一种基于异源异构多模态数据整合的诊断分析系统构建方法。

背景技术：

1、大型水电站的运维管理是复杂的系统工程，设备参数、运行工况、缺陷和隐患的发现控制，状态评估、检修策略等方面的工作，都需要对设备进行实时以及周期性的诊断和分析。设备诊断分析是贯穿在水电站运行和管理中复杂而重要的工作。

2、对于成熟的大型水电站，由于建设、施工、运维管理的时间周期长，存在大量的异源的在线监测设备和多类别的在线监测系统，加上技术改造和定期检修的原因，容易形成不同功能的在线监测系统信息孤岛，各系统之间数据格式不统一、通讯协议和接口不匹配，数据的共享、使用、分析及成果运用存在诸多困难

3、目前，大型水电站设备类别多而复杂，基于多个分散的专类在线监测系统，如振摆在线监测、机组运行监测、趋势分析、油气监测等系统，对设备进行数据监测和诊断。

4、大型成熟水电站现有的设备在线监测设备缺点主要体现在：1.覆盖的设备对象类别不全面；2.针对不同的设备类别，需要配置多套监测系统；3.不同系统需要的单独的硬件和网络，需要现场布线和布置大量传感设备；4.各系统间通信接口和数据格式不统一；5.各系统自建存储，数据的存储质量、时长不一；6.运用专家经验库和专家策略运用少；7.诊断分析人机结合较少，专家系统和人工智能。

技术实现思路

1、本发明的目的在于克服上述不足，提供一种基于异源异构多模态数据整合的诊断分析系统构建方法，以解决背景技术中提出的问题。

2、本发明为解决上述技术问题，所采用的技术方案是：一种基于异源异构多模态数据整合的诊断分析系统构建方法，它包括如下步骤：

3、s1、构建用于数据采集、存储、运算、分析和展示的硬件平台及网络；

4、s2、构建与各线监测设备和多类在线监测系统之间的系统通讯和数据共享网络；

5、s3、对获取的数据根据其结构特点建立特定的特征提取模型；

6、s4、根据获取的设备的全景信息，构建设备树形图，对设备按照类别进行分类；

7、s5、构建基于水电站运行管理和设备诊断专家的诊断分析管理体制，每个设备类别配置对应专家。

8、s6、获取运行和诊断专家的知识与经验数据，形成系统可识别、可升级、可训练的专家分析模型；

9、s7、构建应用层平台及网络，开发针对各设备类别及整体诊断分析模块；

10、s8、将诊断分析模块与各设备类别、专家分析模型建立对应的关联关系；

11、s9、基于设备健康样本大数据、特征数据提取、模式识别和专家系统分析方法，构建对设备数据、状态、运行规律的查询、分析、数据运用、结果展示、报表图表的生成、逻辑运算、存储、导出功能；

12、s10、构建基于运行管理和设备诊断专家的诊断分析管理制度和方法，维护、运用诊断分析系统的数据结果和专家分析模型，形成实时报告、长周期报告和专项分析报告多种类的诊断分析报告；

13、s11、将诊断分析报告的成果，导入诊断分析系统，升级和修订专家分析模型；

14、s12、根据诊断分析报告的成果，生成水电站设备的运行策略、检修策略，诊断分析系统相关数据通过与水电站其他系统和平台的接口共享。

15、优选地，所述步骤s2具体为：构建与水电站监控系统、机组振摆在线监测、机组运行监测、趋势分析、机组工况监测以及油气监测分析、局放监测分析、生产运行管理系统等各线监测设备和多类在线监测系统之间的系统通讯和数据共享网络。

16、优选地，所述步骤s3具体为：对于文本数据，使用rdf和图数据库框架建立知识图谱模型，将文本信息融合成结构化的知识表示；对于图像数据，使用yolox-nano框架建立语义分割模型，提取图像中物体的准确位置和像素级分割结果；对于时序序列，使用ds证据融合的tcn和attention模型，提取有效的时空特征，将多个时序序列特征融合起来；最终实现有效的多源数据融合，基于此建立统一的编码、处理和存储，建立设备的全景信息，建立设备本体知识库。

17、优选地，多源数据融合过程基于矩阵三分解的数据融合算法的算法流程设计为：水电站的异源异构数据可以被表示为分块矩阵r，其中r被三分解为分块矩阵g和s；使用分块矩阵表示去处理不同类型和来源的数据，矩阵g代表水电站的基本数据结构，而矩阵s包含与环境、气象等外部因素相关的数据；通过这种分块矩阵的三分解，能够更有效地管理和分析异构数据，使得对水电站系统的理解和优化更具逻辑和可操作性；具体过程如下：

18、一、把i从1开始到r对gi进行初始化。

19、二、重复以下过程，直至收敛为止：

20、(1)根据上述定义构造矩阵r和g，r为所有关系矩阵rij的集合，其中i,j∈{1,…,r}；

21、(2)根据公式s＝(gtg)-1gtrg(gtg)-1的计算结果获取s的值；

22、(3)把i从1开始到r，把设置为0矩阵；

23、(4)把i从1开始到r，把设置为0矩阵；

24、(5)对于每个属于r的关系矩阵rij，执行以下操作：

25、1)

26、2)

27、3)

28、4)

29、(6)t从1到maxiti，执行以下操作：

30、i从1到r，执行以下操作：

31、

32、

33、θt为约束条件矩阵，其中t∈{1,2,…,maxiti}；

34、(7)构造矩阵g结构：

35、

36、对于每一个gi的初始化，使用random acol算法：gi每一列的值是通过rij中列的随机子集的元素平均计算出来的，而对于矩阵s，则不需要初始化，因为它的值可以根据矩阵g的值计算出来；

37、基于矩阵三分解的数据融合算法根据约束条件对输入数据进行近似操作，使得目标函数最小化，其中目标函数为：

38、

39、其中函数∣∣*∣∣和tr(*)分别表示的是范式和跟踪函数，j(g:s)表示矩阵三分解的数据融合算法的目标函数；

40、对于目标矩阵rij的近似进行收敛评估的终止条件，在本算法里设置当时，便停止迭代。

41、优选地，所述步骤s6中的专家分析模型的形成过程如下：

42、1)、利用水电站监测系统的传感器采集水电站设备的基础监测数据，并对基础监测数据进行剔除，得到有效监测数据；

43、2)、构建水电站设备的故障诊断模型：通过对贝叶斯网络进行结构学习，确定其评分函数gradei，由各个故障节点计算出相应的模型评分gradei，计算公式分别如下：

44、

45、其中，m表示初步监测数据的个数，g表示有效监测数据的个数，λ表示自由参数，p表示监测数据的贝叶斯概率，d表示配置指数，表示nij的最大似然参数，n表示初步监测数据个数与有效监测数据个数的差值，nij表示监测数据个数差值的指数，nmg表示监测数据个数总差值的指数，al表示误报警阈值范围的下限值，ah表示误报警阈值范围的上限值；

46、

47、3)、通过比较故障类型节点的评分与设定阈值来移出故障输入节点移除，得到的更新后的输入节点集合与故障类型节点进行组合即故障诊断模型；

48、4)、将有效监测数据输入至故障诊断模型中进行分析，得到设备故障诊断结果。

49、本发明的有益效果：

50、采用本发明所提供的方法，可结合水电站特定的运作环境，集成水电站各线监测设备和多类在线监测系统，以设备健康样本大数据、特征提取、模式识别、专家系统和人工智能分析方法，运用专家经验和知识，系统性的提高水电站诊断分析工作水平，实现对大型水电站设备运行状态、参数、性能的分析，更好的为机组状态分析、故障诊断提供客观依据，实现智慧运行、解放人力、提高效率，提升水电站运维管理水平，同时提升水电站设备信息管理和大数据量类生产工作的水平，推动水电站管理体制的高效运营,其经济、环境与社会效益显著。