本申请涉及火电厂设备管理，特别是涉及一种基于人工智能与大模型的火电厂设备故障预警方法、装置和计算机设备。
背景技术：
1、随着火电行业的数字化转型，传统的设备监控和维护方式已难以满足提高生产效率和安全性的需求。如磨煤机是火电厂燃煤电厂中重要的辅助设备，其运转状态直接影响锅炉的燃烧效率和能源利用率。及时发现火电厂设备异常，预防性维护修理，对于确保火电厂安全高效运行至关重要。
2、目前，基于多维度参数融合的发电设备专家知识库，该方法针对厂内现有sis系统和检修点检系统的实际情况，全面获得并建立的相关数据结构，可对线路按实际情况进行自由配置定义，线路包含点巡检区域、点巡检设备、点巡检项目，可定义线路周期、轮次、班组、人员属性，确保能满足现场实际点巡检需求。然而，火电厂设备状态监测和故障诊断通常依赖人工经验和单一传感器数据，存在滞后性、主观性和准确率不高的问题。
技术实现思路
1、基于此，本申请目的在于利用大模型、人工智能等技术，可以融合多源异构数据，提高状态评估和预警的精准度，实现设备状态的智能化监测和预警，提高运维效率，减少非计划停机时间，降低维护成本。
2、第一方面，本申请提供了一种火电厂设备故障预警方法。包括：
3、获取火电厂设备数据和传感器数据，并通过目标视觉模型确定所述设备数据对应的关键参数值；
4、将所述关键参数值与所述传感器数据进行数据融合，得到目标数据；
5、当根据所述目标数据检测到火电厂设备运行状态异常时，通过知识图谱模型对所述火电厂设备进行故障分析。
6、在一个实施例中，通过目标视觉模型确定所述设备数据对应的关键参数值，包括：通过自监督学习确定具备视觉表示能力的初始视觉模型，并对所述初始视觉模型进行监督微调，得到目标视觉模型；将所述设备数据输入所述目标视觉模型，得到对应的关键参数值。
7、在一个实施例中，知识图谱模型预先进行构建得到；所述通过知识图谱模型对所述火电厂设备进行故障分析，包括：确定火电厂设备运行状态异常时的异常状态值；将所述异常状态值输入知识图谱模型并进行相似性检索，得到分析结果；所述分析结果包括故障原因和应对建议。
8、在一个实施例中，知识图谱模型通过节点和连边来表征实体的概念和相互之间的关系；知识图谱模型的构建过程包括：基于图神经网络构建初始的知识图谱模型；通过自然语言处理将历史数据导入所述初始的知识图谱模型中，得到知识图谱模型；所述知识图谱模型至少包括故障模式、处理建议和专家经验。
9、在一个实施例中，在得到所述分析结果之后，上述方法还包括：通过所述故障原因对所述知识图谱模型进行数据补充；基于大语言模型和所述应对建议，进行自然语言交互；所述大语言模型表征一种大规模的神经网络语言模型。
10、在一个实施例中，基于大语言模型和所述应对建议，进行自然语言交互，包括：当展示所述应对建议时，通过大语言模型获取交互式询问信息；将所述交互式询问信息输入所述知识图谱模型中，得到决策支持；通过所述交互式询问信息和所述决策支持对知识图谱模型进行数据补充。
11、在一个实施例中，上述方法还包括：将算力需求超过预设阈值的参考模型部署于云端或算力中心；所述参考模型包括所述目标视觉模型、知识图谱模型和大语言模型；将所述火电厂设备故障预警方法部署至所述火电厂设备关联的边缘节点，并通过所述边缘节点进行故障预警。
12、第二方面，本申请还提供了一种火电厂设备故障预警装置。包括：
13、视觉识别模块，用于获取火电厂设备数据和传感器数据，并通过目标视觉模型确定所述设备数据对应的关键参数值；
14、数据融合模块，用于将所述关键参数值与所述传感器数据进行数据融合，得到目标数据；
15、知识图谱分析模块，用于当根据所述目标数据检测到火电厂设备运行状态异常时，通过知识图谱模型对所述火电厂设备进行故障分析。
16、第三方面，本申请还提供了一种计算机设备。计算机设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现以下步骤：
17、获取火电厂设备数据和传感器数据，并通过目标视觉模型确定所述设备数据对应的关键参数值；
18、将所述关键参数值与所述传感器数据进行数据融合，得到目标数据；
19、当根据所述目标数据检测到火电厂设备运行状态异常时，通过知识图谱模型对所述火电厂设备进行故障分析。
20、第四方面，本申请还提供了一种计算机可读存储介质。计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
21、获取火电厂设备数据和传感器数据，并通过目标视觉模型确定所述设备数据对应的关键参数值；
22、将所述关键参数值与所述传感器数据进行数据融合，得到目标数据；
23、当根据所述目标数据检测到火电厂设备运行状态异常时，通过知识图谱模型对所述火电厂设备进行故障分析。
24、上述火电厂设备故障预警方法、装置、计算机设备和可读存储介质，通过获取火电厂设备数据和传感器数据，并通过目标视觉模型确定设备数据对应的关键参数值；将关键参数值与传感器数据进行数据融合，得到目标数据，并当根据目标数据检测到火电厂设备运行状态异常时，通过知识图谱模型对火电厂设备进行故障分析。通过目标视觉模型确定的关键参数值与传感器数据融合，可以更准确地捕捉设备运行状态的变化，提高故障检测的准确性；数据融合技术可以整合来自不同来源的数据，提供更全面的设备运行状态视图，利用知识图谱模型进行故障分析，可以提供更深层次的故障原因分析，帮助快速定位问题。因此，这种融合了目标视觉模型、数据融合技术和知识图谱模型的方法，为火电厂设备提供了一种高效、智能的设备运行状态监控和故障分析解决方案，有助于提升整个行业的运营水平和安全标准。
1.一种火电厂设备故障预警方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述通过目标视觉模型确定所述设备数据对应的关键参数值，包括：
3.根据权利要求1所述的方法，其特征在于，所述知识图谱模型预先进行构建得到；所述通过知识图谱模型对所述火电厂设备进行故障分析，包括：
4.根据权利要求3所述的方法，其特征在于，所述知识图谱模型通过节点和连边来表征实体的概念和相互之间的关系；构建所述知识图谱模型过程包括：
5.根据权利要求3所述的方法，其特征在于，在得到所述分析结果之后，所述方法还包括：
6.根据权利要求5所述的方法，其特征在于，所述基于大语言模型和所述应对建议，进行自然语言交互，包括：
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
8.一种火电厂设备故障预警装置，其特征在于，所述装置包括：
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
