基于深度学习和知识图谱的变电站设备故障智能诊断

• 作者: 肖发龙 吴岳忠 沈雪豪 何震凯 秦烨
• 来源期刊: 电力建设
• 学科: 工学
• 关键词: 多模态 智能诊断 深度学习 知识图谱
• 年，卷（期）: 2022,（3）
• 所属期刊栏目: 人工智能在电网故障诊断和定位中的应用|Application of Artificial Intelligence in Power Grid Fault Diagnosis and Location
• 页码范围: 66-74
• 页数: 9页
• 分类号: TM63
• 语种: 中文
• DOI: 10.12204/j.issn.1000-7229.2022.03.008

摘要

及时发现并诊断变电站运行中设备存在的问题,是保障电网安全运行的关键手段之一.基于深度网络与知识图谱技术,提出一种关联变电站设备多模态信息的故障智能诊断方法.利用深度学习技术和知识图谱方法对采集的多模态数据进行知识提取和融合,构建一个多模态信息融合的语义知识图谱;使用YOLOv4算法对故障样本聚类并提取先验框参数;将多模态知识图谱和YOLOv4视觉检测相结合,应用到变电站场景中,实现变电站设备的自主预警诊断.实验表明,该模型可以实现故障诊断决策智能化的目标,从而提高电网的日常运行、维护和管理效率.