水電站設(shè)備檢修智能知識(shí)檢索與推薦模型研究應(yīng)用

胡應(yīng)春，徐正剛，王樂寧，張思洪

(國(guó)能大渡河流域水電開發(fā)有限公司，四川 成都 610000)

0 引 言

近年來，隨著我國(guó)能源需求的不斷增長(zhǎng)，水電站作為一項(xiàng)重要的能源開發(fā)領(lǐng)域備受關(guān)注。為確保水電站設(shè)備的安全可靠運(yùn)行，標(biāo)準(zhǔn)化設(shè)備檢修流程成為一項(xiàng)不可忽視的關(guān)鍵環(huán)節(jié)[1]。目前標(biāo)準(zhǔn)化水電站設(shè)備檢修的研究熱點(diǎn)主要集中在探索建立合理的檢修計(jì)劃、采用先進(jìn)的設(shè)備檢查和維修手段，以提高水電設(shè)備的安全性和運(yùn)行效率。由于水電站設(shè)備檢修工作涉及到各種類型設(shè)備，如水輪機(jī)、發(fā)電機(jī)、變壓器等，每個(gè)設(shè)備都有其特定的維護(hù)和檢修技術(shù)要求，包括定期巡檢、預(yù)防性維護(hù)和故障處理等[2]。同時(shí)由于設(shè)備的復(fù)雜性和特殊性，維護(hù)和檢修過程需要專業(yè)技術(shù)知識(shí)和經(jīng)驗(yàn)。在標(biāo)準(zhǔn)化水電站設(shè)備檢修管理中，仍然面臨許多問題和挑戰(zhàn)，包括知識(shí)分散、人員變動(dòng)和流失、文檔管理困難等[3]。這些問題源于人員流動(dòng)性高、經(jīng)驗(yàn)傳承不足等因素，導(dǎo)致設(shè)備檢修知識(shí)的管理和傳遞存在一定的困難。其中，知識(shí)分散是由于設(shè)備檢修知識(shí)和經(jīng)驗(yàn)散布在不同的人員和部門中，沒有統(tǒng)一庫(kù)存和共享平臺(tái)，使得獲取和整理有用的知識(shí)變得困難，導(dǎo)致重復(fù)工作和低效率。人員變動(dòng)和流失則會(huì)導(dǎo)致知識(shí)的流失和傳承的中斷。當(dāng)經(jīng)驗(yàn)豐富的人員離職或轉(zhuǎn)崗時(shí)，他們所擁有的寶貴知識(shí)和技巧可能無法充分傳遞給新人，造成知識(shí)斷層。此外，文檔管理困難也是一個(gè)挑戰(zhàn)。大量的設(shè)備檢修文檔分散在不同的系統(tǒng)或文件夾中，缺乏統(tǒng)一的管理和更新機(jī)制，使得查找、更新和分享文檔變得困難。

標(biāo)準(zhǔn)化水電站設(shè)備檢修知識(shí)平臺(tái)系統(tǒng)的出現(xiàn)為解決上述難題提供了有效的解決方案。平臺(tái)基于先進(jìn)的知識(shí)管理和處理技術(shù)，旨在集中管理和傳承水電站設(shè)備檢修相關(guān)知識(shí)和經(jīng)驗(yàn)。通過系統(tǒng)化地組織和整合各種檢修知識(shí)，包括設(shè)備維護(hù)手冊(cè)、技術(shù)規(guī)范、案例經(jīng)驗(yàn)等，為水電作業(yè)提供全面、準(zhǔn)確的檢修支撐。

本文將結(jié)合大崗山水電站設(shè)備檢修管理經(jīng)驗(yàn)，以標(biāo)準(zhǔn)化水電站設(shè)備檢修知識(shí)輔助平臺(tái)為基礎(chǔ)，進(jìn)行基于人工智能的智慧水電設(shè)備檢修的關(guān)鍵技術(shù)探索工作，應(yīng)用一體化框架為主要技術(shù)路徑，著重解決傳統(tǒng)水電設(shè)備檢修中知識(shí)智能檢索和智能推薦問題，為中國(guó)水利與水電產(chǎn)業(yè)智慧化和標(biāo)準(zhǔn)化發(fā)展提供重要技術(shù)參考。

1 設(shè)備檢修知識(shí)輔助智能平臺(tái)技術(shù)需求

標(biāo)準(zhǔn)化水電站設(shè)備檢修智能知識(shí)輔助平臺(tái)整體架構(gòu)如圖1所示，標(biāo)準(zhǔn)化水電站設(shè)備檢修知識(shí)輔助平臺(tái)業(yè)務(wù)目標(biāo)主要包括：

圖1 標(biāo)準(zhǔn)化水電站設(shè)備檢修智能知識(shí)輔助平臺(tái)整體架構(gòu)

(1)通過知識(shí)輔助平臺(tái)的搭建實(shí)現(xiàn)統(tǒng)一水電站設(shè)備資料庫(kù)與缺陷庫(kù)，在水電設(shè)備檢修中應(yīng)用專業(yè)、準(zhǔn)確和便捷的智能檢索技術(shù)[4]，為業(yè)務(wù)人員提供集中管理、交流和學(xué)習(xí)的平臺(tái)，促進(jìn)知識(shí)整合和傳遞，同時(shí)推動(dòng)檢修工作的優(yōu)化和改進(jìn)。

(2)通過建立合理的檢修計(jì)劃來提高設(shè)備安全可靠性。制定全面的檢修計(jì)劃，包括定期巡檢、預(yù)防性維護(hù)和故障處理等。及時(shí)發(fā)現(xiàn)和修復(fù)潛在問題，防止設(shè)備故障的發(fā)生。通過提供科學(xué)、規(guī)范的設(shè)備檢修指導(dǎo)，降低設(shè)備故障率，減少由于故障導(dǎo)致的停機(jī)時(shí)間和損失，提高水電設(shè)備的可靠性和安全性[5]。

(3)通過標(biāo)準(zhǔn)化設(shè)備檢修流程降低運(yùn)維成本。實(shí)現(xiàn)優(yōu)化資源利用和工作安排，避免不必要的設(shè)備損壞和維修費(fèi)用。通過對(duì)文檔設(shè)備資料庫(kù)和缺陷庫(kù)的智能檢索，平臺(tái)自動(dòng)分析并提供“現(xiàn)狀描述-缺陷原因分析-處理方法-危險(xiǎn)點(diǎn)分析-作業(yè)準(zhǔn)備-檢修評(píng)價(jià)”的知識(shí)元組以及對(duì)應(yīng)處理步驟，實(shí)現(xiàn)輔助指導(dǎo)決策和知識(shí)沉淀。

2 設(shè)備檢修知識(shí)輔助平臺(tái)解決方案

2.1 平臺(tái)系統(tǒng)架構(gòu)

針對(duì)水電站設(shè)備檢修知識(shí)平臺(tái)技術(shù)需求，為了實(shí)現(xiàn)各功能之間信息、業(yè)務(wù)等功能的高效使用，輔助平臺(tái)引入面向服務(wù)框架，并根據(jù)應(yīng)用基礎(chǔ)層原理進(jìn)行設(shè)計(jì)(見圖1)。對(duì)接企業(yè)ERP系統(tǒng)，使用數(shù)據(jù)層、應(yīng)用支持層、業(yè)務(wù)應(yīng)用層、客戶層均采取了松散耦合的業(yè)務(wù)協(xié)議，不同層間使用單一、準(zhǔn)確定制的業(yè)務(wù)端口實(shí)現(xiàn)通信[6]。

通過此框架，輔助平臺(tái)可以實(shí)現(xiàn)系統(tǒng)管理、數(shù)據(jù)管理、缺陷知識(shí)共享和檢修流程服務(wù)等功能，并具備了良好的開放性和擴(kuò)展性。各功能模塊在平臺(tái)上以獨(dú)特的分布式服務(wù)組件形式呈現(xiàn)，通過客戶層不同端口定位獲得所需服務(wù)。

(1)ERP系統(tǒng)。綜合性企業(yè)管理系統(tǒng)，集成和管理水電站各個(gè)部門的核心業(yè)務(wù)流程和數(shù)據(jù)。通過提供統(tǒng)一的數(shù)據(jù)庫(kù)和應(yīng)用平臺(tái)，使企業(yè)能夠高效、準(zhǔn)確地管理和協(xié)調(diào)各項(xiàng)業(yè)務(wù)活動(dòng)，包含有崗位角色管理，設(shè)備管理，物資管理，缺陷管理，工單管理等。

(2)數(shù)據(jù)層。提供平臺(tái)提供各類數(shù)據(jù)功能，包含組織數(shù)據(jù)，人員數(shù)據(jù)，設(shè)備數(shù)據(jù)，缺陷數(shù)據(jù)，物資數(shù)據(jù)和角色數(shù)據(jù)。

(3)應(yīng)用支撐層。包含開發(fā)平臺(tái)，云平臺(tái)，消息服務(wù)平臺(tái)，為業(yè)務(wù)應(yīng)用提供支撐，使企業(yè)能夠更靈活、高效地運(yùn)行和管理業(yè)務(wù)。

(4)業(yè)務(wù)應(yīng)用層。主要提供缺陷知識(shí)共享服務(wù)與檢修流程服務(wù)。缺陷知識(shí)共享服務(wù)包含設(shè)備資料庫(kù)、設(shè)備缺陷庫(kù)、智能檢索和智能推薦。設(shè)備資料庫(kù)包含上傳資料、版本管理、預(yù)覽、編輯、查詢等功能，實(shí)現(xiàn)為水電站各類設(shè)備資料統(tǒng)一管理。設(shè)備缺陷庫(kù)為各類設(shè)備缺陷文檔和工單，包含查看全部、編輯、設(shè)為典型、查詢等功能，設(shè)備缺陷庫(kù)根據(jù)設(shè)計(jì)的“現(xiàn)狀描述-缺陷原因分析-處理方法-危險(xiǎn)點(diǎn)分析-作業(yè)準(zhǔn)備-檢修評(píng)價(jià)”知識(shí)元組對(duì)各類設(shè)備實(shí)現(xiàn)全部查看等功能，為業(yè)務(wù)人員快速標(biāo)準(zhǔn)檢修設(shè)備提供指導(dǎo)。檢修流程服務(wù)主要包含通知點(diǎn)庫(kù)及生成管理，檢修流程圖管理，檢修過程管理，檢修報(bào)告管理，檢修計(jì)劃管理，檢修內(nèi)容校驗(yàn)，檢修評(píng)價(jià)管理等功能，通過對(duì)數(shù)據(jù)庫(kù)的增刪改查實(shí)現(xiàn)檢修業(yè)務(wù)流轉(zhuǎn)及數(shù)據(jù)管理。

(5)客戶層。主要提供PC端、平板端、手機(jī)端的各項(xiàng)人機(jī)交互服務(wù)。

2.2 標(biāo)準(zhǔn)化水電站設(shè)備檢修知識(shí)輔助平臺(tái)高級(jí)應(yīng)用軟件

平臺(tái)提供的通用服務(wù)、通信接口、數(shù)據(jù)庫(kù)工具、人機(jī)界面工具、計(jì)算分析工具等共性基礎(chǔ)功能，可快速搭建各類高級(jí)智能應(yīng)用并實(shí)現(xiàn)交互，原則上各應(yīng)用只需開發(fā)業(yè)務(wù)邏輯部分。面向多目標(biāo)檢索和推薦需求，主要開發(fā)以下業(yè)務(wù)服務(wù)和智能應(yīng)用：

(1)設(shè)備資料庫(kù)與缺陷庫(kù)管理應(yīng)用。開發(fā)資料上傳、版本管理、預(yù)覽設(shè)備資料或缺陷庫(kù)、編輯設(shè)備庫(kù)、查詢資料等功能，實(shí)現(xiàn)對(duì)水電站設(shè)備和缺陷庫(kù)動(dòng)態(tài)管理。

(2)智能檢索應(yīng)用。采用深度語(yǔ)義表示模型(DSRM)[7]檢索架構(gòu)實(shí)現(xiàn)智能檢索，DSRM包含離線模型和在線模式，結(jié)合傳統(tǒng)關(guān)鍵字匹配檢索，采用基于預(yù)訓(xùn)練的BERT模型[8]實(shí)現(xiàn)語(yǔ)義排序和匹配，預(yù)訓(xùn)練的BERT模型是一種基于Transformer模型[9]的預(yù)訓(xùn)練語(yǔ)言模型。模型不僅考慮了關(guān)鍵字的匹配，還能理解文本的語(yǔ)義信息，捕捉文本相似性，提高設(shè)備檢修缺陷檢索能力。

(3)智能推薦應(yīng)用。采用注意力因子分解機(jī)(AFM)[10]實(shí)現(xiàn)智能推薦，AFM通過神經(jīng)注意網(wǎng)絡(luò)(Neural attention network)[11]從數(shù)據(jù)中自動(dòng)地學(xué)習(xí)每個(gè)特征交互的重要性，從而實(shí)現(xiàn)特征交互對(duì)預(yù)測(cè)分?jǐn)?shù)貢獻(xiàn)不同，經(jīng)過倒排索引得到最大分?jǐn)?shù)的相似文檔，為業(yè)務(wù)人員推薦更準(zhǔn)確更相似檢修文檔指導(dǎo)檢修過程。

(4)檢修流程模塊應(yīng)用。主要開發(fā)檢修過程管理、檢修計(jì)劃管理、檢修報(bào)告評(píng)價(jià)3大功能，檢修過程管理包含對(duì)作業(yè)指導(dǎo)書管理，可添加、編輯、刪除、修改各類設(shè)備作業(yè)指導(dǎo)書，檢修計(jì)劃管理包含三年滾動(dòng)計(jì)劃編制、年度檢修計(jì)劃編制、檢修流程圖庫(kù)等功能，對(duì)檢修各設(shè)備的過程進(jìn)行動(dòng)態(tài)管理。檢修報(bào)告評(píng)價(jià)包含對(duì)技改項(xiàng)目評(píng)價(jià)和檢修項(xiàng)目評(píng)價(jià)，包含工程概況、工程項(xiàng)目組成、檢修通知單、三級(jí)驗(yàn)收卡、檢修項(xiàng)目及工作內(nèi)容、未完成項(xiàng)目及原因、檢修評(píng)價(jià)及其他附件資料等，增強(qiáng)設(shè)備可靠性和安全性，延長(zhǎng)設(shè)備壽命，優(yōu)化生產(chǎn)計(jì)劃和運(yùn)營(yíng)管理。

3 設(shè)備檢修知識(shí)輔助平臺(tái)關(guān)鍵技術(shù)

3.1 設(shè)備檢修知識(shí)智能檢索技術(shù)

3.1.1 深度語(yǔ)義檢索框架

針對(duì)水電設(shè)備中大量檢修歷史文檔，為實(shí)現(xiàn)智能檢索技術(shù)，標(biāo)準(zhǔn)化設(shè)備檢修智能平臺(tái)采用深度語(yǔ)義表示模型(DSRM)架構(gòu)。如圖2所示，模型架構(gòu)包含離線模型和在線模式，當(dāng)在線模式運(yùn)行時(shí)，將計(jì)算檢索查詢的語(yǔ)義嵌入為查詢嵌入向量和傳統(tǒng)詞庫(kù)查詢解析器的查詢理解，分別將這兩個(gè)結(jié)果發(fā)送給語(yǔ)義索引服務(wù)和倒排索引服務(wù)進(jìn)行對(duì)應(yīng)設(shè)備檢修文檔檢索，最后合并從兩個(gè)索引服務(wù)中檢索到的文檔，并將其發(fā)送給排序服務(wù)進(jìn)行文檔評(píng)分，最后給業(yè)務(wù)人員提供對(duì)應(yīng)準(zhǔn)確的檢索結(jié)果。當(dāng)離線模式運(yùn)行時(shí)，模型進(jìn)行后臺(tái)訓(xùn)練以及對(duì)文檔進(jìn)行批量嵌入和構(gòu)建語(yǔ)義索引器。

圖2 標(biāo)準(zhǔn)化設(shè)備檢修智能平臺(tái)深度語(yǔ)義表示模型(DSRM)架構(gòu)

3.1.2 深度語(yǔ)義表示模型(DSRM)

深度語(yǔ)義表示模型(Deep semantic representation model)采用基于預(yù)訓(xùn)練的BERT模型實(shí)現(xiàn)語(yǔ)義排序和匹配[12]，預(yù)訓(xùn)練BERT模型是一種基于Transformer的語(yǔ)言模型，通過在大規(guī)模文本語(yǔ)料上進(jìn)行自監(jiān)督學(xué)習(xí)來學(xué)習(xí)文本的語(yǔ)義表示，包括兩個(gè)階段：掩碼語(yǔ)言建模(Masked language model，MLM)和下一句預(yù)測(cè)(Next sentence prediction，NSP)。在掩碼語(yǔ)言建模階段，BERT隨機(jī)選擇一些輸入文本的詞匯(如“2F調(diào)速器雙精濾油器壓力表漏油”)，并將其中的一部分詞匯進(jìn)行掩碼處理(如“2FXXX雙精濾油器XXX漏油”，XXX為掩碼處理)。然后通過上下文中的其他詞匯來預(yù)測(cè)被掩碼的詞匯，使得BERT能夠理解上下文和語(yǔ)義之間的關(guān)系，并學(xué)習(xí)到詞匯之間的語(yǔ)義表示。

標(biāo)準(zhǔn)化設(shè)備檢修智能平臺(tái)采用BERT(rep)和BERT(rel)來具體實(shí)現(xiàn)。BERT(rep)模型使用預(yù)訓(xùn)練的BERT模型分別獲得查詢和文檔的嵌入，BERT(rel)模型首先將查詢和文檔連接起來，獲得查詢文檔配對(duì)(如查詢“2F”與文檔“2F調(diào)速器雙精濾油器壓力表漏油”進(jìn)行配對(duì))的向量表示，查詢文檔配對(duì)的最終分?jǐn)?shù)計(jì)算為

(1)

(2)

BERT(rep)模型和BERT(rel)模型都是通過監(jiān)督學(xué)習(xí)的方式進(jìn)行訓(xùn)練的，使用兩兩最大邊界損失(Margin hinge loss)來區(qū)分正樣本和負(fù)樣本，損失函數(shù)的計(jì)算公式為

(3)

式中，pi和pj分別為每對(duì)(〈查詢，文檔〉)計(jì)算的模型分?jǐn)?shù)；yi和yj分別為每個(gè)文檔的標(biāo)簽；τ為邊界(margin)的超參數(shù)，用于確定模型需要將兩兩配對(duì)的向量距離設(shè)置多大，這里的τ參數(shù)是為獲得最佳性能而調(diào)優(yōu)的。

3.1.3 負(fù)采樣

目前負(fù)采樣已經(jīng)成功地應(yīng)用于許多任務(wù)中，如神經(jīng)語(yǔ)言建模[13]、電子商務(wù)列表嵌入[14]、圖嵌入[15]等，標(biāo)準(zhǔn)化設(shè)備檢修智能平臺(tái)采用負(fù)采用技術(shù)來進(jìn)一步提高模型性能，即訓(xùn)練模型的數(shù)據(jù)由兩部分組成，人工標(biāo)注數(shù)據(jù)和負(fù)采樣數(shù)據(jù)。由于與傳統(tǒng)的基于詞匯的檢索方法不同，在向量空間搜索更有可能檢索到不相關(guān)的文檔，因此當(dāng)負(fù)樣本被添加到訓(xùn)練數(shù)據(jù)中時(shí)，模型學(xué)會(huì)了將相關(guān)和不相關(guān)的文檔相互推開，這樣模型對(duì)噪聲文檔更具魯棒性。

在標(biāo)準(zhǔn)化設(shè)備檢修智能平臺(tái)的檢索樣本中，首先使用人工標(biāo)注數(shù)據(jù)來訓(xùn)練基線模型，然后利用模型對(duì)查詢q和文檔d進(jìn)行編碼，然后采用無監(jiān)督的聚類算法[16]來分配每個(gè)查詢q和文檔d的聚類id，最后從分布查詢的聚類中均勻隨機(jī)選擇負(fù)樣本文檔來實(shí)現(xiàn)負(fù)采樣。

3.2 設(shè)備檢修知識(shí)智能推薦技術(shù)

針對(duì)標(biāo)準(zhǔn)化設(shè)備檢修中的文檔推薦和相似缺陷推薦問題，智能平臺(tái)采用注意力因子分解機(jī)(AFM)實(shí)現(xiàn)智能推薦。AFM是受啟發(fā)于因子分解機(jī)(FM)[17]的一種監(jiān)督學(xué)習(xí)方法，是利用注意力網(wǎng)絡(luò)[18]來學(xué)習(xí)特征權(quán)重交互。FM通過結(jié)合二階特征交互來增強(qiáng)線性回歸模型，通過學(xué)習(xí)每個(gè)特征的嵌入向量，來估計(jì)任何交叉特征的權(quán)重。由于FM缺乏區(qū)分特征交互重要性的能力，即并非所有特征都包含用于估計(jì)對(duì)目標(biāo)的有用性。注意力因子分解機(jī)AFM是對(duì)FM的改進(jìn)，解決了FM對(duì)于所有的特征權(quán)重都是一樣的，不能區(qū)分特征交互重要性的問題。注意因子分解機(jī)通過神經(jīng)注意網(wǎng)絡(luò)(Neural attention network)[18]從數(shù)據(jù)中自動(dòng)地學(xué)習(xí)每個(gè)特征交互的重要性，從而實(shí)現(xiàn)特征交互對(duì)預(yù)測(cè)的貢獻(xiàn)不同[19]。由于注意力機(jī)制已被引入神經(jīng)網(wǎng)絡(luò)建模，它已被廣泛應(yīng)用于許多任務(wù)，如推薦系統(tǒng)[20]、信息檢索[21]和計(jì)算機(jī)視覺[22]。圖3為AFM的框架(省略了線性回歸部分)，主要由輸入層、嵌入層、成對(duì)交互層(Pair-wise interaction layer)與基于注意力的池化層。其中輸入層與嵌入層與FM是一致的，都是將輸入特征的稀疏表示的非零特征嵌入到密集矢量中。在標(biāo)準(zhǔn)化設(shè)備檢修智能平臺(tái)中，輸入包含各類文檔名(如：發(fā)電機(jī)運(yùn)行維護(hù)說明書)和缺陷問題文檔(如：瀑布溝500 kV 5012DL開關(guān)分閘之后A相計(jì)數(shù)器次數(shù)不變)等。

圖3 標(biāo)準(zhǔn)化設(shè)備檢修智能平臺(tái)注意力因子分解機(jī)模型(AFM)架構(gòu)

AFM利用注意力(Attention)機(jī)制，給予不同的交叉特征不同的權(quán)重。FM模型通過對(duì)二階交叉特征建模來增強(qiáng)線性模型的能力。但是FM對(duì)于每個(gè)交叉特征的權(quán)重相同，公式為

(4)

式中，x為特征輸入；θ為對(duì)應(yīng)特征的權(quán)重；m為特征個(gè)數(shù)，為了計(jì)算方便，為每個(gè)特征賦予k維的向量vi∈k，公式包含兩部分，前一部分為線性回歸，后一部分為二階特征交互，公式(4)在對(duì)交叉項(xiàng)求和的時(shí)候，每一項(xiàng)結(jié)果的權(quán)重是相同的。即造成了對(duì)于無用的交叉特征可能會(huì)引入噪聲，影響模型的預(yù)測(cè)效果。AFM引入attention機(jī)制，對(duì)于不同的交叉特征賦予不同的權(quán)重，來解決上述問題。

標(biāo)準(zhǔn)化設(shè)備檢修智能平臺(tái)注意力因子分解機(jī)模型架構(gòu)整體如圖3，最左邊是one-hot輸入層(如：發(fā)電機(jī)運(yùn)行維護(hù)說明書)，之后通過one-hot到嵌入層。然后是成對(duì)交互層，在這一層對(duì)任意一對(duì)嵌入層進(jìn)行對(duì)應(yīng)向量元素相乘，公式為

fPI(ε)={(vi⊙vj)xixj}(i，j)∈Rx

(5)

式中，vi和vj分別為第i個(gè)特征和第j個(gè)特征嵌入向量；⊙表示向量對(duì)應(yīng)元素相乘。這一層的輸出是m(m-1)個(gè)向量，m為field的個(gè)數(shù)。接下來一層是注意力層，對(duì)于每一對(duì)交叉特征的向量賦予一個(gè)權(quán)重，然后相加，得到最終的輸出向量。公式為

(6)

式中，aij為特征i和特征j交叉的注意力權(quán)重，AFM模型使用一個(gè)MLP來求出attention權(quán)重，公式為

a′ij=hTReLU(W(vi⊙vj)xixj+b)

(7)

(8)

式中，W為一個(gè)t×k的矩陣；k為嵌入向量的大小；t為隱層大小，即注意力因子大小；b為一個(gè)t維的向量，作為偏置項(xiàng)；h為一個(gè)t維向量。首先輸出每一個(gè)交叉特征的注意力分?jǐn)?shù)，然后使用softmax函數(shù)進(jìn)行歸一化，得到最終的預(yù)測(cè)分?jǐn)?shù)，公式為

(9)

4 設(shè)備檢修智能知識(shí)平臺(tái)應(yīng)用案例分析

2020年，首個(gè)標(biāo)準(zhǔn)化水電站設(shè)備檢修智能知識(shí)輔助平臺(tái)系統(tǒng)投運(yùn)，該平臺(tái)首先應(yīng)用于大崗山水電站標(biāo)準(zhǔn)化設(shè)備檢修中，形成發(fā)電設(shè)備消缺管理、設(shè)備缺陷庫(kù)管理、文檔檢索、消缺指導(dǎo)、檢修計(jì)劃管理、作業(yè)管理、檢修報(bào)告管理、檢修評(píng)價(jià)等業(yè)務(wù)融合，對(duì)設(shè)備統(tǒng)一運(yùn)維管理，3年以來平臺(tái)運(yùn)行效益顯著。

圖4為標(biāo)準(zhǔn)化水電站設(shè)備消缺為分析案例，巡檢人員發(fā)現(xiàn)系統(tǒng)告警或現(xiàn)場(chǎng)故障，即大崗山發(fā)電機(jī)轉(zhuǎn)子磁軛加強(qiáng)鍵焊縫出現(xiàn)裂紋，巡檢人員記錄對(duì)應(yīng)缺陷問題并指定消缺人員，消缺人員以標(biāo)準(zhǔn)化設(shè)備檢修智能平臺(tái)為基礎(chǔ)，查閱歷史缺陷獲取消缺指導(dǎo)，即消缺人對(duì)“焊縫 裂紋”進(jìn)行全文本檢索，如圖5所示，檢索結(jié)果顯示“大崗山發(fā)電機(jī)轉(zhuǎn)子磁軛加強(qiáng)鍵‘焊縫’出現(xiàn)‘裂紋’”“大崗山4號(hào)水輪發(fā)電機(jī)4F發(fā)電機(jī)轉(zhuǎn)子磁軛加強(qiáng)鍵‘焊縫’出現(xiàn)‘裂紋’”等，消缺人員點(diǎn)擊對(duì)應(yīng)缺陷詳情，如圖6所示，可直觀對(duì)應(yīng)歷史消缺指導(dǎo)，包含缺陷原因分析、處理方法、危險(xiǎn)點(diǎn)分析，作業(yè)準(zhǔn)備等各項(xiàng)情況，同時(shí)，系統(tǒng)應(yīng)用AFM智能推薦模型，對(duì)給出的問題提供相似缺陷推薦，即“機(jī)組在啟停機(jī)過程中的交變離心、剪切應(yīng)力造成焊縫開裂”等推薦結(jié)果，消缺人根據(jù)平臺(tái)指導(dǎo)辦理工作票并準(zhǔn)備現(xiàn)場(chǎng)作業(yè)，最后現(xiàn)場(chǎng)缺陷處理完成后將工作票與缺陷單進(jìn)行關(guān)聯(lián)并補(bǔ)全缺陷單中的內(nèi)容，該缺陷單辦結(jié)后進(jìn)入系統(tǒng)形成新的歷史缺陷數(shù)據(jù)。

圖4 標(biāo)準(zhǔn)化設(shè)備消缺流程

圖5 標(biāo)準(zhǔn)化設(shè)備檢修智能平臺(tái)“焊縫 裂紋”檢索結(jié)果

圖6 標(biāo)準(zhǔn)化設(shè)備檢修智能平臺(tái)“焊縫 裂紋”檢索結(jié)果詳情

標(biāo)準(zhǔn)化設(shè)備檢修智能知識(shí)平臺(tái)應(yīng)用后有以下實(shí)際效果：

(1)降低了運(yùn)維成本。通過對(duì)設(shè)備缺陷的知識(shí)管理、智能檢索和智能推薦的應(yīng)用，水電站(或改造電站)設(shè)備檢修平均時(shí)間縮短50%以上，同時(shí)杜絕了人工可能產(chǎn)生的檢修錯(cuò)誤，實(shí)現(xiàn)了智能檢修運(yùn)維，減少了運(yùn)維檢修人員配置，較傳統(tǒng)設(shè)備檢修降低運(yùn)維成本近百萬(wàn)元。

(2)提高了經(jīng)濟(jì)效益。通過應(yīng)用輔助知識(shí)平臺(tái)中檢修計(jì)劃管理、通知單管理、作業(yè)管理、檢修報(bào)告管理、檢修評(píng)價(jià)管理等一體式業(yè)務(wù)檢修流程，科學(xué)分配水電站檢修周期，減少了因檢修而耽誤的發(fā)電時(shí)間，提高了水電運(yùn)行效率，合理重復(fù)利用標(biāo)準(zhǔn)化檢修方法，保障了發(fā)電設(shè)備安全可靠運(yùn)行，增加了發(fā)電量。

5 結(jié) 論

本文提出標(biāo)準(zhǔn)化水電站設(shè)備檢修知識(shí)輔助平臺(tái)建設(shè)方案，對(duì)設(shè)備缺陷庫(kù)數(shù)據(jù)進(jìn)行模型構(gòu)建并組織系統(tǒng)功能。解決了傳統(tǒng)水電設(shè)備檢修中缺陷資料庫(kù)知識(shí)沉淀問題，通過平臺(tái)技術(shù)需求分析，設(shè)計(jì)了平臺(tái)架構(gòu)，提出了高級(jí)軟件開發(fā)應(yīng)用指導(dǎo)，應(yīng)用DSRM模型、AFM模型實(shí)現(xiàn)在標(biāo)準(zhǔn)化水電設(shè)備檢修中智能檢索和智能推薦等技術(shù)，顯著提升設(shè)備檢修運(yùn)營(yíng)經(jīng)濟(jì)效益。