面向风电机组运维的知识图谱构建研究与应用

规模化风机高频运维信息愈发呈现数据高维、类间互联、规模攀升的特点,传统人工孤岛式故障检修运维模式难以适应人机料法环一体式发展进程.针对风机全环节、全要素的主动运维要求,提出知识规则、主从设备、规范条例一体融合的风电机组运维知识图谱构建方法.利用图论文本关键词提取算法(TextRank)完成对风电专业运维文本的实体识别与关系抽取,用以提高特征词的提取精度.采用Neo4j图数据库构建风电安全管理规程图谱及风电设备运维图谱,实现多元数据的互联与可视,进而实现风电运维信息的智能化查询.应用上述方法构建了629个实体、742条关系类型的风机知识图谱.数据查询试验表明:该方法的精确率及召回率等主要指标均在...

Full description

Saved in:
Bibliographic Details
Published in电力系统保护与控制 Vol. 52; no. 8; pp. 167 - 177
Main Authors 黄简, 杨程, 冯天波, 孙宁, 李嘉文, 余恒文, 崔昊杨
Format Journal Article
LanguageChinese
Published 上海电力大学电子与信息工程学院,上海 201306%国网上海市电力公司信息通信公司,上海 200122%国网上海市电力公司培训中心,上海 200438 16.04.2024
Subjects
TextRank algorithm
风电机组运维
wind turbine operation and maintenance
Neo4j diagram database
TextRank算法
知识图谱
knowledge graph
Neo4j图数据库
Online AccessGet full text
ISSN1674-3415
DOI10.19783/j.cnki.pspc.230950

Cover

More Information
Summary:规模化风机高频运维信息愈发呈现数据高维、类间互联、规模攀升的特点,传统人工孤岛式故障检修运维模式难以适应人机料法环一体式发展进程.针对风机全环节、全要素的主动运维要求,提出知识规则、主从设备、规范条例一体融合的风电机组运维知识图谱构建方法.利用图论文本关键词提取算法(TextRank)完成对风电专业运维文本的实体识别与关系抽取,用以提高特征词的提取精度.采用Neo4j图数据库构建风电安全管理规程图谱及风电设备运维图谱,实现多元数据的互联与可视,进而实现风电运维信息的智能化查询.应用上述方法构建了629个实体、742条关系类型的风机知识图谱.数据查询试验表明:该方法的精确率及召回率等主要指标均在89%以上,较传统数据库方法平均提升了6.5%.该方法建立了运维要求可视表达和类间任务关联.运维大数据的有效查询,将有助于节省双碳战略风电运维力量,提高运维智能化水平.
ISSN:1674-3415
DOI:10.19783/j.cnki.pspc.230950