摘要
本发明公开了一种基于知识图谱的设备故障预测方法及系统,涉及设备故障预测技术领域,包括对设备历史故障数据以及设备拓扑与属性数据进行预处理,在知识图谱中定义实体节点和关系边,形成结构化的知识图谱;对设备运行过程中的基础数据进行预处理并提取时频特征和趋势特征,输入残差卷积网络进行特征提取,输出基础特征向量,同时利用所述残差卷积网络对基础数据进行预测并计算得到基础残差,将所述基础残差的绝对值进行归一化处理后作为传感器异常分数。本发明所述方法将设备拓扑结构、部件属性、历史故障经验与实时传感器数据融合至统一知识图谱中,实现语义层与数据层的一体化建模。
技术关键词
设备故障预测方法
历史故障数据
传感器特征
设备故障维修
设备故障预测技术
设备故障预测系统
节点
基础
格兰杰因果关系
告警日志
设备拓扑结构
滑动均值滤波
实体
采集设备
滑动窗口
知识图谱构建
系统为您推荐了相关专利信息
设备故障模式
动态修正方法
历史故障数据
检修决策
电气设备运维
动态测试方法
仪表
生成训练样本
滑动窗口法
平均无故障时间
变电站监控方法
故障传播路径
故障分类模型
最佳维修时间
电磁
单相接地故障
快速定位方法
故障预测模型
电力系统运行数据
系统运行状态
协同控制方法
故障特征学习
切换控制算法
水泵
度量学习方法