(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210748871.6 (22)申请日 2022.06.29 (71)申请人 国网江苏省电力有限公司灌云县供 电分公司 地址 222200 江苏省连云港市灌云县幸福 大道305号 (72)发明人 董波　王颂　何守疆　陈梦楠　 王仲利　 (74)专利代理 机构 北京中仟知识产权代理事务 所(普通合伙) 11825 专利代理师 王欣 (51)Int.Cl. G06F 16/33(2019.01) G06F 16/36(2019.01) G06F 40/242(2020.01)G06F 40/295(2020.01) G06N 5/02(2006.01) (54)发明名称 一种故障可视化分析方法及系统 (57)摘要 本申请提供的一种故障可视化分析方法及 系统， 具体应用于数据处理领域， 包括采集历史 数据； 预处理所述历史数据， 获取知 识文本； 抽取 所述知识文本中的实体、 属性和关系三元组； 根 据抽取结果， 采用关联规则 挖掘算法构建知 识图 谱； 获取目标设备的实时监测数据和实时运行状 态； 根据所述知识图谱， 提取所述实时监测数据 中的异常数据； 计算所述异常数据与每种故障类 型之间的可信度分数； 基于所述可信度分数， 确 定所述异常数据对应的目标 故障类型； 根据所述 实时运行状态和所述目标故障类型之间的映射 关系， 确定故障分析结果； 渲染所述故障分析结 果， 并进行可视化显示。 由此提高故障分析的准 确性， 运维人员能够实时获取设备的运行情况。 权利要求书2页 说明书8页 附图3页 CN 115186054 A 2022.10.14 CN 115186054 A 1.一种故障可视化分析 方法， 其特 征在于， 包括： 采集历史数据； 预处理所述历史数据， 获取知识文本； 抽取所述知识文本中的实体、 属性和关系三元组； 根据抽取 结果， 采用关联规则挖掘算法构建知识图谱； 获取目标设备的实时监测数据和实时运行状态； 根据所述知识图谱， 提取 所述实时监测数据中的异常数据； 计算所述异常数据与每种故障类型之间的可信度分数， 公式如下： 其中， Qm表示所述异常数据与故障类型m之间的可信度分数， H表示所述异常数据， H＝ {t1,t2,…,ti,…,tn}， ti表示异常数据中的第 i个数据； 表示ti的权重， 表示ti在故 障类型m中 的出现次数， Nm表示故障类型m在上一年度的总出现 次数， N表示上一年度的总故 障次数； 基于所述可信度分数， 确定所述异常数据对应的目标故障类型； 根据所述实时运行状态和所述目标故障类型之间的映射关系， 确定故障分析 结果； 渲染所述故障分析 结果， 并进行 可视化显示。 2.根据权利要求1所述的方法， 其特征在于， 所述预处理所述历史数据， 获取知识文本， 包括： 剔除所述历史数据中的非文本数据， 获得历史文本； 对所述历史文本进行分句处 理， 并将分句结果划分为首句和内容语句； 识别所述内容语句中的核心词； 基于所述内容语句中的核心词， 确定所述内容语句的重要度； 若所述重要度大于预设阈值， 则保留所述内容语句； 将所述首句和保留的内容语句结合， 构建知识文本 。 3.根据权利要求2所述的方法， 其特征在于， 所述内容语句是所述历史文本 中除首句外 的全部语句。 4.根据权利要求1所述的方法， 其特征在于， 所述实时监测数据包括静态数据、 动态数 据以及其 他数据； 所述静态数据包括基础数据； 所述动态数据包括保护数据、 调度数据以及检修数据； 所述其他数据包括天气数据和位置数据。 5.根据权利要求1所述的方法， 其特征在于， 所述根据所述知识图谱， 提取所述实时监 测数据中的异常数据， 包括： 剔除所述实时监测数据中的非文本数据， 获得监测文本； 通过所述知识图谱， 提取 所述监测文本中的异常数据。 6.根据权利要求1所述的方法， 其特征在于， 所述故障类型包括： 过流跳闸、 电压异常、 天气故障以及机 械故障。权　利　要　求　书 1/2 页 2 CN 115186054 A 27.根据权利要求1所述的方法， 其特 征在于， 所述 渲染所述故障分析 结果， 包括： 将所述故障分析 结果进行分级， 获得故障等级； 将所述故障等级和所述故障分析 结果发送至所述目标设备。 8.一种故障可视化分析系统， 其特 征在于， 包括： 知识图谱构建模块， 用于采集历史数据； 预处理所述历史数据， 获取知识文本； 抽取所 述知识文本中的实体、 属性和关系三元组； 根据抽取结果， 采用关联规则挖掘算法构建知识 图谱； 实时数据获取模块， 用于获取目标设备的实时监测数据和实时运行状态； 异常数据提 取模块， 用于根据所述知识图谱， 提取 所述实时监测数据中的异常数据； 可信度分数计算模块， 用于计算所述异常数据与每种故障类型之间的可信度分数， 公 式如下： 其中， Qm表示所述异常数据与故障类型m之间的可信度分数， H表示所述异常数据， H＝ {t1,t2,…,ti,…,tn}， ti表示异常数据中的第i个数据； 表示ti的权重， 表示ti在故 障类型m中 的出现次数， Nm表示故障类型m在上一年度的总出现 次数， N表示上一年度的总故 障次数； 目标故障类型确定模块， 用于基于所述可信度分数， 确定所述异常数据对应的目标故 障类型； 故障分析结果确定模块， 用于根据 所述实时运行状态和所述目标故障类型之间的映射 关系， 确定故障分析 结果； 可视化显示模块， 用于渲染所述故障分析 结果， 并进行 可视化显示。 9.根据权利要求8所述的系统， 其特 征在于， 所述知识图谱构建模块进一 步用于： 剔除所述历史数据中的非文本数据， 获得历史文本； 对所述历史文本进行分句处 理， 并将分句结果划分为首句和内容语句； 识别所述内容语句中的核心词； 基于所述内容语句中的核心词， 确定所述内容语句的重要度； 若所述重要度大于预设阈值， 则保留所述内容语句； 将所述首句和保留的内容语句结合， 构建知识文本 。 10.根据权利要求9所述的方法， 其特征在于， 所述内容语句是所述历史文本中除首句 外的全部语句。权　利　要　求　书 2/2 页 3 CN 115186054 A 3