摘要
本发明公开了一种基于知识图谱的风电机组异常知识关联方法、装置及介质,包括:基于风电行业运维需求,进行分布式多源异构数据和知识采集;建立风电设备节点的OPC UA信息模型;通过提示词工程指导工业多模态工业大模型对节点数据进行规范化描述与标识、完成实体抽取和属性抽取,进行关系提取与表示,从而导入图数据库构建异常知识图谱;优化和更新节点实体之间的语义联系,完成知识合并及加工,动态更新异常知识图谱;面向异常知识运用场景,基于异常知识图谱挖掘实体关联进行知识推理。本发明实现基于图结构学习和微调多模态工业大模型的多模态知识图谱构建方法,探索不同异常的关联性,构建富含异常语义的知识库,确保正确处理工业异常故障。
技术关键词
风电机组
知识图谱挖掘
风电设备
知识图谱推理
多源异构数据
长短期记忆网络
节点
构建知识图谱
知识图谱链接预测
实体消歧
多模态
知识图谱构建方法
工业
动态更新
运维
关联装置
关系
系统为您推荐了相关专利信息
智能解析方法
多系统
意图识别
语义知识库
语义角色标注
资金
节点
智能管理系统
网络拓扑模型
路径优化算法
风电机组高速轴
混合深度学习模型
SCADA系统
计算机执行指令
灰色关联分析
长短期记忆网络
LSTM模型
有功功率
序列
Kmeans算法