火力发电行业三大知识图谱应用场景，助力火力发电厂清洁高效智慧化运营

据国家统计局数据显示，2020年全年中国累计发电量达到了74170.4亿千瓦时，其中火力发电量达52798.7亿千瓦时。我国的能源资源禀赋和能源格局使得火力发电依然占据主导地位，随着“碳达峰、碳中和”战略的进一步推行，清洁高效的火力发电将是我国双碳目标实现的重要抓手。达观数据的知识图谱平台能为火力发电行业的知识管理、高效发电和清洁生产等过程提供智能化的服务。

火力发电是指利用可燃物燃烧时产生的热能来加热水，使水变成高温、高压水蒸气，然后再由水蒸气推动发电机来发电的方式。本文中以燃煤火力发电为例，设备系统包括：燃烧系统、汽水系统、电气系统及控制系统等。其中包含锅炉、各类泵、凝汽器、水冷壁及管道系统、汽轮发电机、主变压器、配电设备等组、锅炉及其辅机系统、汽轮机及其辅机系统、发电机及电工设备等主要设备。

图1 复杂的火力发电系统

从上述简单的系统介绍中可以了解到，火力发电系统是一个涵盖了众多专业设备和相关领域专业知识的系统，要建设运维一个清洁高效的火力发电厂需要综合很多的专业能力。合理的系统设计方案是保证电厂高效运行的前提，而设计阶段会涉及到热工、电力、自控、建筑等众多的专业，这要求设计工程师具备足够的专业知识储备和丰富的工程经验。对于运维工程师而言，保障系统安全无故障的运行是他们工作的重中之重，一旦系统发生故障，需要快速定位故障位置，分析故障原因并找到有效的解决措施。

电厂从项目立项开始就会产生大量的数据：项目设计建设阶段会有初步设计文件，施工图设计文件，设备招投标文件等；而在运行阶段，各个系统设备的实时运行参数，记录生产过程的运行日志及工作票数据；同时会有大量的设备数据，如产品手册、设备安装手册等文件。

这些数据大多以电子文档、纸质资料或图片等多种形式存储，通常缺乏对数据的深入分析挖掘，无法发挥应有的价值。达观的知识图谱平台基于成熟的NLP技术、图计算、知识表示学习等手段，可从大量的非结构化数据中抽取出其中的实体关系属性等信息，构建电厂的知识图谱，然后基于知识图谱的知识挖掘、知识推理，可以更好的积淀火电领域知识和行业专家经验，形成火电领域的专家系统，真正做到知识挖掘、知识的沉淀、高效的复用和知识创新。

图2 达观知识图谱平台

浅析火力发电行业知识图谱的几个典型应用场景。

场景1

故障分析 

电厂每年会停机检修，工程师需在检修周期内完整地排查所有系统设备，对出现故障或需要维护的设备要及时处理，每次大修过程都是时间紧、任务重。维修的处理数据记录在运行日志和工作票中，但这些数据大多会被保存而并未形成知识复用。而通过从以往的运行日志和工作票或其他故障工单等文件中抽取出故障发生及处理过程的详细信息，构建涵盖设备、部件、部位、缺陷、故障、描述、原因、解决方案等信息在内的知识图谱中，基于知识图谱的故障分析有效利用历史数据中的经验，减少故障分析过程中的弯路，帮助工程师快速精准定位故障部位、原因以及寻求处理方案，大大提升工程师的工作效率。

图3 知识图谱辅助智能故障分析

场景2

智能问答

将涉及到电厂的各类专业知识构建到知识图谱中，打通各个跨领域专业知识之间的壁垒，同时结合相关的设备信息如设备技术资料、安装资料，原材料信息及管理过程的相关数据，真正实现知识和知识，知识和人之间全方位的关联。知识图谱平台可以提供智能的检索问答服务，利用口语化提问的方式检索内容，利用先进的自然语言技术智能理解并识别用户意图，匹配的知识路径，查询与问题相关的概念与实体，然后精准的找到问题的答案并以多样化的形式呈现，如图谱知识小卡片功能，可帮助工程师快速查看系统内各设备的详细信息。

图4 图谱知识平台知识小卡片

场景3

智慧配件及供应商管理 

电厂的运行会涉及到大量设备和原材料的采购工作，其中很多关键设备是进口产品，部分进口产品的进口周期比较长，如果不做好产品及配件的管理工作，很有可能对生产过程效率造成影响。围绕物资供应链典型业务场景，构建涵盖产品库存、成本、供应商等信息的BOM 图谱，同时关联企业基本信息、股权关联关系、政府失信、法律诉讼、投标行为等数据。为供应链管理过程提供成本分析、物料替代分析、库存调度、库存预测、库存不足预警等各种辅助决策，同时对供应商资质规模、履约能力、服务行为的自动评价及标签化，为招标采购、差异化监控、供应链金融等各类应用提供支撑。

往期推荐


戳原文，申请试用达观智能产品