电网虚拟设备维修存在的问题和对策？

/ 方案描述

工业设备种类繁多、结构复杂和故障原因多样，在日常运维和故障抢修 时，企业常常面临以下困扰： 设备故障诊断处置分析难。由于设备复杂性，设备试验排查、原因研判和 处置决策等判断，特别是在灾害天气、核心设备故障等情况下，急需快速 处置修复；同时，复杂故障往往依赖业务老专家，对人的依赖性高；

大量物联网监测系统无法进一步发挥应用价值。随着物联网技术的不断发 展，近年来，大型工业企业逐步建立完整的IOT和传输能力，建立跨物理 区域的集中设备、系统运行监测平台，但是监测数据主要提供了状态、异常报警和预测，在故障异常发生时，如何处置，还需要依靠人工专家，如何从单点智能到全局智能，实现局部业务的全链路智能化，存在普遍需 求。

企业大量知识数据无法留存。设备运维系统和文档中有大量记录和报告， 可用于诊断和处置故障的数据，但无法被计算分析和应用，沉睡的知识无 法为企业服务。

针对电网等工业企业重要设备故障发生后的分析处置需求，利用NLP、 知识图谱德等人工智能技术对设备台账、检修规程导则、故障案例报告 和设备维修专家的大脑经验知识，以知识图谱三元组的形式进行碎片化 入库管理，然后开发基于图谱的故障推理研判引擎，以故障发生时传入 的监测数据和历史数据为输入，通过设备知识库的分析研判，为故障抢 修人员输出实时、有依据、引导式的实验排查处置、故障原因研判、故 障处置修复方案、故障状态评估和相似案例推送等辅助决策服务，提供 故障处置能力。

/ 架构特点

通过将设备历史维修知识数据，知识图谱生产工具中NER、实体链接等 综合信息抽取技术，抽取得到三元组数据存储到知识图谱书库中，然后结 合概率图、机器学习、推理规则库等技术开发故障推理引擎，以设备故障 信息描述为输入进行分析研判，将分析结果推送到PC和APP应用界面 中。同时在故障决策过程中，根据故障处置阶段的智能识别，适时为用户 推荐排查处置建议，先完成建议完成的数据试验排查，收集足够信息后再 进行确定性诊断结论和处置建议，从而实现与日常工作模式相同的引导式 和可解释性诊断服务。

系统实现总体架构

产品集成应用界面示例（引导式和可解释性诊断）

/ 核心价值

提升故障抢修效率。当事故常发生，特别是灾害突发情况下，大量的设备 故障异常时，指挥中心和现场作业的如何进一步实验排查、原因分析和处 置方案拟定耗时耗力，抢修的多种资源难以有效发挥，利用故障维修决策 引擎的精准分析服务，提升业务人员的决策水平，提升运检指挥中心的故 障处置效率，消除生产风险。

减少输电经济损失。通过故障修复效率的提升，大大缩短设备故障处置修 复的时间，无论对主网还是配网，可以有效通过故障修复快速恢复供电， 减少了电网的输电损失，也提高了客户的用电服务满意度，保障用电。

提升知识沉淀能力。工业智能化已经被提上日程的大背景下，利用人工智 能技术，将企业中过去难以有效让计算机处理的技术进行了分析和管理， 并提供智能服务；同时，实现专业设备故障业务知识自动抽取三元组入 库，实现留存并重新应用在业务中，构建一个可以不断学习进步的虚拟设 备大脑。

/ 相关案例

如需了解更多关于阿里云工业相关的技术干货内容或者有技术研发需求，欢迎加入阿里云工业大脑钉钉群，跟着专家一起学习、分享、交流，推进工业智能化发展！

加入阿里云工业大脑智能制造学习交流钉钉群 （点击） 加入钉钉学习交流群

加入钉钉群可享有以下权益