基于人工智能技术的区域供热智慧运维平台的构建

王荣鑫，张 锐，葛振福，王 晨，张致尧

（淄博市热力集团有限责任公司 山东 淄博 255000）

1 引言

随着人工智能技术和工业互联网技术的日益成熟，将其应用到区域供热系统是未来发展的方向和趋势[1]，本文介绍了充分运用大数据、人工智能等新一代信息技术，基于数据获取、数据融合、数据分析、数据应用等构建区域供热智慧运维系统，解决工程中的实际问题，形成专业、产业相互促进、共同发展的模式。

该区域供热智慧运维平台的构建，能够实现供热企业信息化、程序化、智能化管控，最终实现企业的业务融合、数据融合、资源融合，打造构建区域集中智慧供热的典型示范项目，领跑热力行业的数字化变革，助力“绿色中国”的建设与发展[2]。

2 区域供热智慧运维平台的功能

区域供热智慧运维平台基于B/S架构进行设计，基于专家知识库录入的运维经验形成相应的知识图谱，依托知识所转化的工作流，进行主动检测来缩短运维时间，降低运维技术门槛。打通一线操作与远程监管的壁垒，实现供热系统与专家决策之间信息的有效传递。

智慧运维系统包括统一登陆模块，知识库模块，工作流库模块，主动检测模块等功能模块[3]。

统一登陆模块提供统一登陆登录的前端页面，配置用户信息、角色、权限、菜单等，方便用户一站式操作知识库模块、工作流模块和业务检测模块。

将专家运维经验分类进行整理后，放到知识库当中去，形成知识图谱。通过判断故障的表现形式、形成原因及处理方式来预防故障的发生和进行故障发生后的处理。知识库包含两部分，一部分为基础知识经验库，包含类型分类、类型判断、经验知识[4]。另一部分为运维知识库，涵盖相应故障发生后的运维处理工具提示等。实现针对专家知识的转化、存储和分析，构建内部网络上开放且可供多人协同创作的超文本系统。

通过对知识库模块的调用检索分析，形成相应故障模式下的工作流。当出现故障时，通过故障所表现出来的现象进行分解，形成排障路径，通过对路径的判断，进行一类或几类的故障提示或处理，可被人工触发执行。

主动检测模块：利用主动故障探寻方法，通过对知识库的图谱检索，依托于形成的排障工作流，执行相关动作实施，给出相应故障运维指导，并实现PC端及移动端的实时推送和管理。

3 平台功能实现整体框架流程

具体实现步骤流程如图1所示。

图1 平台功能实现整体框架流程图

（1）首先根据相应权限登陆自控运维辅助系统；

（2）进行故障现象录入方式选取；

（3）判断故障现象是否识别，如因人工输入错误等问题导致的故障现象未识别时，可选择重新录入，或者结束流程；

（4）识别故障现象后，系统将在知识图谱中确定相应故障类别及故障部件；

（5）依托于工作流库进行主动检测，进行故障分析，形成排障路径，并给出解决方案（包括运维所用工具等）；

（6）若没有找到解决方案，则视为未解决故障，系统将提示补充相关知识库知识，并结束，若给出相应解决方案，则结束流程并进行业务记录并形成工单统计分析。

4 区域供热智慧运维数据库设计

数据库是区域供热智慧运维系统的核心[5]，本文重点介绍关键的知识库模块设计。经过讨论与专家确认，将知识库整体故障类型和故障部件分类如表1所示。

表1 故障类型和故障部件分类表

4.1 知识图谱的构建转化

4.1.1 设计平台故障知识图谱

知识图谱是在图数据模型的基础上进行存储任务和管理数据的。平台采用Neo4j的标签属性图数据模型，从宏观层面来讲，平台是由节点和节点间的关系这两种不同的数据结节构成，节点中能够存储相对应的实体信息，关系能够用来连接这些不同实体，节点和关系他们的属性以及不同的标签用以键值对形式存储。其中的公式为：Entity=Node:Label{Property1，Property2…}Relationship=start node-[rel:Property3]-end node。式中：Label，Property1，Property2是用来表述实体的标签以及它的多个属性值，标签是用来区分节点之间的差异，实体可以有着不同的节点，所以实体间可有着一个或多个不同类型的标签，以及零个、一个或多个属性； start node，end node分别为头实体与尾实体，rel是指关系名称，Property3用来表示关系属性。不同实体间关系具有方向性，通过不同的关系来连接，并且只能从不同的实体头部指向另一个实体的尾部[6]。知识图谱起源于语义网络和网络链接，用本体的目标对不同的数据进行不同的定义标准，使得知识图谱能够在机器中展示出来。设计知识图谱时需要考虑语义和业务模型。故障知识图根据供热故障处理的设计内容和运维人员的实际业务处理需求，分为实体部分和事件部分。对于不同的故障，可以用不同的方法进行整合，针对源数据非结构化、知识关联复杂、知识图谱准确率高、可视化效果好等特点，采用“自底而上”和“自顶而下”相结合的方式提取重要信息[7]。

4.1.2 实体部分构建

运维管理的实体主要是故障调度部门、发生故障时的业务流程关系、部门负责人等。构建实体部分，能够为运维管理提供更好的保障，部门之间的配合行动对于及时正确处理故障十分重要。运维管理知识图谱的构建，有利于快速决策各个部门在出现故障时的工作调配，用这种方法进行处理后，能够将工作效率提高

4.1.3 事件部分构建

（1）故障处理的一般原则是将故障处理知识图谱以故障进行分类，将知识图谱分成故障发生的原因、发生故障时现场的现象、相对应的处理方法以及专家经验等，形成一个新的多元组合。

（2）案例事件簇

对于半结构化的故障案例，用模糊匹配的方法来进行分析，找出故障发生的时间、地点、负责人以及相关原因等，用特征关键字的方法展现出已经发生的故障和如何解决故障相对的计划，在知识图谱中来生成地图集群中的案例事件，形成相对应故障的多尺度方法和多维关联方式，以便在故障发生时自动搜索匹配相关记录，进行辅助决策，辅助决策后可以制定相对应的方法去处理故障，能够使得故障得以及时解决。通过这一种方法，对于不同历史故障记录能够有效的记录下来，以便日后能够及时处理。故障历史记录中包括故障发生的时间、地点、现场状况、故障发生的原因以及当时的处理方法、下次发生相关故障时的处理方法等。故障知识图谱的数据结构如图2所示。

图2 故障知识图谱数据结构图

4.2 故障场景工作流分解

针对构建的运维专家知识库，选取触摸屏故障、电调阀故障、网络故障三个典型的工作流，进行分解。

图3是网络故障工作流分解图，故障原因有：1）死机；2）电源电压异常；3）保险烧毁；4）导线异常；5）触摸屏IP地址错误等。通过逐步提示，最终定位网络故障的原因，采取相应的解决措施。如果未能解决故障，则需要补充完善知识库。

图3 网络故障工作流分解图

5 结语

本文基于人工智能技术和工业互联网技术，构建了城市（区域）供热智慧运维平台，该平台已经实现上网运行。系统通过数据实时监测，及时发现设备故障信息，采取相关措施，保证设备安全稳定长周期运行，提升了面向民生供热服务的满意度，实现了供热保障以及提高了应急处置等管理水平，最终使供热治理保障水平显著提升。