水电站设备检修智能知识检索与推荐模型研究应用

胡应春，徐正刚，王乐宁，张思洪

(国能大渡河流域水电开发有限公司，四川 成都 610000)

0 引 言

近年来，随着我国能源需求的不断增长，水电站作为一项重要的能源开发领域备受关注。为确保水电站设备的安全可靠运行，标准化设备检修流程成为一项不可忽视的关键环节[1]。目前标准化水电站设备检修的研究热点主要集中在探索建立合理的检修计划、采用先进的设备检查和维修手段，以提高水电设备的安全性和运行效率。由于水电站设备检修工作涉及到各种类型设备，如水轮机、发电机、变压器等，每个设备都有其特定的维护和检修技术要求，包括定期巡检、预防性维护和故障处理等[2]。同时由于设备的复杂性和特殊性，维护和检修过程需要专业技术知识和经验。在标准化水电站设备检修管理中，仍然面临许多问题和挑战，包括知识分散、人员变动和流失、文档管理困难等[3]。这些问题源于人员流动性高、经验传承不足等因素，导致设备检修知识的管理和传递存在一定的困难。其中，知识分散是由于设备检修知识和经验散布在不同的人员和部门中，没有统一库存和共享平台，使得获取和整理有用的知识变得困难，导致重复工作和低效率。人员变动和流失则会导致知识的流失和传承的中断。当经验丰富的人员离职或转岗时，他们所拥有的宝贵知识和技巧可能无法充分传递给新人，造成知识断层。此外，文档管理困难也是一个挑战。大量的设备检修文档分散在不同的系统或文件夹中，缺乏统一的管理和更新机制，使得查找、更新和分享文档变得困难。

标准化水电站设备检修知识平台系统的出现为解决上述难题提供了有效的解决方案。平台基于先进的知识管理和处理技术，旨在集中管理和传承水电站设备检修相关知识和经验。通过系统化地组织和整合各种检修知识，包括设备维护手册、技术规范、案例经验等，为水电作业提供全面、准确的检修支撑。

本文将结合大岗山水电站设备检修管理经验，以标准化水电站设备检修知识辅助平台为基础，进行基于人工智能的智慧水电设备检修的关键技术探索工作，应用一体化框架为主要技术路径，着重解决传统水电设备检修中知识智能检索和智能推荐问题，为中国水利与水电产业智慧化和标准化发展提供重要技术参考。

1 设备检修知识辅助智能平台技术需求

标准化水电站设备检修智能知识辅助平台整体架构如图1所示，标准化水电站设备检修知识辅助平台业务目标主要包括：

图1 标准化水电站设备检修智能知识辅助平台整体架构

(1)通过知识辅助平台的搭建实现统一水电站设备资料库与缺陷库，在水电设备检修中应用专业、准确和便捷的智能检索技术[4]，为业务人员提供集中管理、交流和学习的平台，促进知识整合和传递，同时推动检修工作的优化和改进。

(2)通过建立合理的检修计划来提高设备安全可靠性。制定全面的检修计划，包括定期巡检、预防性维护和故障处理等。及时发现和修复潜在问题，防止设备故障的发生。通过提供科学、规范的设备检修指导，降低设备故障率，减少由于故障导致的停机时间和损失，提高水电设备的可靠性和安全性[5]。

(3)通过标准化设备检修流程降低运维成本。实现优化资源利用和工作安排，避免不必要的设备损坏和维修费用。通过对文档设备资料库和缺陷库的智能检索，平台自动分析并提供“现状描述-缺陷原因分析-处理方法-危险点分析-作业准备-检修评价”的知识元组以及对应处理步骤，实现辅助指导决策和知识沉淀。

2 设备检修知识辅助平台解决方案

2.1 平台系统架构

针对水电站设备检修知识平台技术需求，为了实现各功能之间信息、业务等功能的高效使用，辅助平台引入面向服务框架，并根据应用基础层原理进行设计(见图1)。对接企业ERP系统，使用数据层、应用支持层、业务应用层、客户层均采取了松散耦合的业务协议，不同层间使用单一、准确定制的业务端口实现通信[6]。

通过此框架，辅助平台可以实现系统管理、数据管理、缺陷知识共享和检修流程服务等功能，并具备了良好的开放性和扩展性。各功能模块在平台上以独特的分布式服务组件形式呈现，通过客户层不同端口定位获得所需服务。

(1)ERP系统。综合性企业管理系统，集成和管理水电站各个部门的核心业务流程和数据。通过提供统一的数据库和应用平台，使企业能够高效、准确地管理和协调各项业务活动，包含有岗位角色管理，设备管理，物资管理，缺陷管理，工单管理等。

(2)数据层。提供平台提供各类数据功能，包含组织数据，人员数据，设备数据，缺陷数据，物资数据和角色数据。

(3)应用支撑层。包含开发平台，云平台，消息服务平台，为业务应用提供支撑，使企业能够更灵活、高效地运行和管理业务。

(4)业务应用层。主要提供缺陷知识共享服务与检修流程服务。缺陷知识共享服务包含设备资料库、设备缺陷库、智能检索和智能推荐。设备资料库包含上传资料、版本管理、预览、编辑、查询等功能，实现为水电站各类设备资料统一管理。设备缺陷库为各类设备缺陷文档和工单，包含查看全部、编辑、设为典型、查询等功能，设备缺陷库根据设计的“现状描述-缺陷原因分析-处理方法-危险点分析-作业准备-检修评价”知识元组对各类设备实现全部查看等功能，为业务人员快速标准检修设备提供指导。检修流程服务主要包含通知点库及生成管理，检修流程图管理，检修过程管理，检修报告管理，检修计划管理，检修内容校验，检修评价管理等功能，通过对数据库的增删改查实现检修业务流转及数据管理。

(5)客户层。主要提供PC端、平板端、手机端的各项人机交互服务。

2.2 标准化水电站设备检修知识辅助平台高级应用软件

平台提供的通用服务、通信接口、数据库工具、人机界面工具、计算分析工具等共性基础功能，可快速搭建各类高级智能应用并实现交互，原则上各应用只需开发业务逻辑部分。面向多目标检索和推荐需求，主要开发以下业务服务和智能应用：

(1)设备资料库与缺陷库管理应用。开发资料上传、版本管理、预览设备资料或缺陷库、编辑设备库、查询资料等功能，实现对水电站设备和缺陷库动态管理。

(2)智能检索应用。采用深度语义表示模型(DSRM)[7]检索架构实现智能检索，DSRM包含离线模型和在线模式，结合传统关键字匹配检索，采用基于预训练的BERT模型[8]实现语义排序和匹配，预训练的BERT模型是一种基于Transformer模型[9]的预训练语言模型。模型不仅考虑了关键字的匹配，还能理解文本的语义信息，捕捉文本相似性，提高设备检修缺陷检索能力。

(3)智能推荐应用。采用注意力因子分解机(AFM)[10]实现智能推荐，AFM通过神经注意网络(Neural attention network)[11]从数据中自动地学习每个特征交互的重要性，从而实现特征交互对预测分数贡献不同，经过倒排索引得到最大分数的相似文档，为业务人员推荐更准确更相似检修文档指导检修过程。

(4)检修流程模块应用。主要开发检修过程管理、检修计划管理、检修报告评价3大功能，检修过程管理包含对作业指导书管理，可添加、编辑、删除、修改各类设备作业指导书，检修计划管理包含三年滚动计划编制、年度检修计划编制、检修流程图库等功能，对检修各设备的过程进行动态管理。检修报告评价包含对技改项目评价和检修项目评价，包含工程概况、工程项目组成、检修通知单、三级验收卡、检修项目及工作内容、未完成项目及原因、检修评价及其他附件资料等，增强设备可靠性和安全性，延长设备寿命，优化生产计划和运营管理。

3 设备检修知识辅助平台关键技术

3.1 设备检修知识智能检索技术

3.1.1 深度语义检索框架

针对水电设备中大量检修历史文档，为实现智能检索技术，标准化设备检修智能平台采用深度语义表示模型(DSRM)架构。如图2所示，模型架构包含离线模型和在线模式，当在线模式运行时，将计算检索查询的语义嵌入为查询嵌入向量和传统词库查询解析器的查询理解，分别将这两个结果发送给语义索引服务和倒排索引服务进行对应设备检修文档检索，最后合并从两个索引服务中检索到的文档，并将其发送给排序服务进行文档评分，最后给业务人员提供对应准确的检索结果。当离线模式运行时，模型进行后台训练以及对文档进行批量嵌入和构建语义索引器。

图2 标准化设备检修智能平台深度语义表示模型(DSRM)架构

3.1.2 深度语义表示模型(DSRM)

深度语义表示模型(Deep semantic representation model)采用基于预训练的BERT模型实现语义排序和匹配[12]，预训练BERT模型是一种基于Transformer的语言模型，通过在大规模文本语料上进行自监督学习来学习文本的语义表示，包括两个阶段：掩码语言建模(Masked language model，MLM)和下一句预测(Next sentence prediction，NSP)。在掩码语言建模阶段，BERT随机选择一些输入文本的词汇(如“2F调速器双精滤油器压力表漏油”)，并将其中的一部分词汇进行掩码处理(如“2FXXX双精滤油器XXX漏油”，XXX为掩码处理)。然后通过上下文中的其他词汇来预测被掩码的词汇，使得BERT能够理解上下文和语义之间的关系，并学习到词汇之间的语义表示。

标准化设备检修智能平台采用BERT(rep)和BERT(rel)来具体实现。BERT(rep)模型使用预训练的BERT模型分别获得查询和文档的嵌入，BERT(rel)模型首先将查询和文档连接起来，获得查询文档配对(如查询“2F”与文档“2F调速器双精滤油器压力表漏油”进行配对)的向量表示，查询文档配对的最终分数计算为

(1)

(2)

BERT(rep)模型和BERT(rel)模型都是通过监督学习的方式进行训练的，使用两两最大边界损失(Margin hinge loss)来区分正样本和负样本，损失函数的计算公式为

(3)

式中，pi和pj分别为每对(〈查询，文档〉)计算的模型分数；yi和yj分别为每个文档的标签；τ为边界(margin)的超参数，用于确定模型需要将两两配对的向量距离设置多大，这里的τ参数是为获得最佳性能而调优的。

3.1.3 负采样

目前负采样已经成功地应用于许多任务中，如神经语言建模[13]、电子商务列表嵌入[14]、图嵌入[15]等，标准化设备检修智能平台采用负采用技术来进一步提高模型性能，即训练模型的数据由两部分组成，人工标注数据和负采样数据。由于与传统的基于词汇的检索方法不同，在向量空间搜索更有可能检索到不相关的文档，因此当负样本被添加到训练数据中时，模型学会了将相关和不相关的文档相互推开，这样模型对噪声文档更具鲁棒性。

在标准化设备检修智能平台的检索样本中，首先使用人工标注数据来训练基线模型，然后利用模型对查询q和文档d进行编码，然后采用无监督的聚类算法[16]来分配每个查询q和文档d的聚类id，最后从分布查询的聚类中均匀随机选择负样本文档来实现负采样。

3.2 设备检修知识智能推荐技术

针对标准化设备检修中的文档推荐和相似缺陷推荐问题，智能平台采用注意力因子分解机(AFM)实现智能推荐。AFM是受启发于因子分解机(FM)[17]的一种监督学习方法，是利用注意力网络[18]来学习特征权重交互。FM通过结合二阶特征交互来增强线性回归模型，通过学习每个特征的嵌入向量，来估计任何交叉特征的权重。由于FM缺乏区分特征交互重要性的能力，即并非所有特征都包含用于估计对目标的有用性。注意力因子分解机AFM是对FM的改进，解决了FM对于所有的特征权重都是一样的，不能区分特征交互重要性的问题。注意因子分解机通过神经注意网络(Neural attention network)[18]从数据中自动地学习每个特征交互的重要性，从而实现特征交互对预测的贡献不同[19]。由于注意力机制已被引入神经网络建模，它已被广泛应用于许多任务，如推荐系统[20]、信息检索[21]和计算机视觉[22]。图3为AFM的框架(省略了线性回归部分)，主要由输入层、嵌入层、成对交互层(Pair-wise interaction layer)与基于注意力的池化层。其中输入层与嵌入层与FM是一致的，都是将输入特征的稀疏表示的非零特征嵌入到密集矢量中。在标准化设备检修智能平台中，输入包含各类文档名(如：发电机运行维护说明书)和缺陷问题文档(如：瀑布沟500 kV 5012DL开关分闸之后A相计数器次数不变)等。

图3 标准化设备检修智能平台注意力因子分解机模型(AFM)架构

AFM利用注意力(Attention)机制，给予不同的交叉特征不同的权重。FM模型通过对二阶交叉特征建模来增强线性模型的能力。但是FM对于每个交叉特征的权重相同，公式为

(4)

式中，x为特征输入；θ为对应特征的权重；m为特征个数，为了计算方便，为每个特征赋予k维的向量vi∈k，公式包含两部分，前一部分为线性回归，后一部分为二阶特征交互，公式(4)在对交叉项求和的时候，每一项结果的权重是相同的。即造成了对于无用的交叉特征可能会引入噪声，影响模型的预测效果。AFM引入attention机制，对于不同的交叉特征赋予不同的权重，来解决上述问题。

标准化设备检修智能平台注意力因子分解机模型架构整体如图3，最左边是one-hot输入层(如：发电机运行维护说明书)，之后通过one-hot到嵌入层。然后是成对交互层，在这一层对任意一对嵌入层进行对应向量元素相乘，公式为

fPI(ε)={(vi⊙vj)xixj}(i，j)∈Rx

(5)

式中，vi和vj分别为第i个特征和第j个特征嵌入向量；⊙表示向量对应元素相乘。这一层的输出是m(m-1)个向量，m为field的个数。接下来一层是注意力层，对于每一对交叉特征的向量赋予一个权重，然后相加，得到最终的输出向量。公式为

(6)

式中，aij为特征i和特征j交叉的注意力权重，AFM模型使用一个MLP来求出attention权重，公式为

a′ij=hTReLU(W(vi⊙vj)xixj+b)

(7)

(8)

式中，W为一个t×k的矩阵；k为嵌入向量的大小；t为隐层大小，即注意力因子大小；b为一个t维的向量，作为偏置项；h为一个t维向量。首先输出每一个交叉特征的注意力分数，然后使用softmax函数进行归一化，得到最终的预测分数，公式为

(9)

4 设备检修智能知识平台应用案例分析

2020年，首个标准化水电站设备检修智能知识辅助平台系统投运，该平台首先应用于大岗山水电站标准化设备检修中，形成发电设备消缺管理、设备缺陷库管理、文档检索、消缺指导、检修计划管理、作业管理、检修报告管理、检修评价等业务融合，对设备统一运维管理，3年以来平台运行效益显著。

图4为标准化水电站设备消缺为分析案例，巡检人员发现系统告警或现场故障，即大岗山发电机转子磁轭加强键焊缝出现裂纹，巡检人员记录对应缺陷问题并指定消缺人员，消缺人员以标准化设备检修智能平台为基础，查阅历史缺陷获取消缺指导，即消缺人对“焊缝 裂纹”进行全文本检索，如图5所示，检索结果显示“大岗山发电机转子磁轭加强键‘焊缝’出现‘裂纹’”“大岗山4号水轮发电机4F发电机转子磁轭加强键‘焊缝’出现‘裂纹’”等，消缺人员点击对应缺陷详情，如图6所示，可直观对应历史消缺指导，包含缺陷原因分析、处理方法、危险点分析，作业准备等各项情况，同时，系统应用AFM智能推荐模型，对给出的问题提供相似缺陷推荐，即“机组在启停机过程中的交变离心、剪切应力造成焊缝开裂”等推荐结果，消缺人根据平台指导办理工作票并准备现场作业，最后现场缺陷处理完成后将工作票与缺陷单进行关联并补全缺陷单中的内容，该缺陷单办结后进入系统形成新的历史缺陷数据。

图4 标准化设备消缺流程

图5 标准化设备检修智能平台“焊缝 裂纹”检索结果

图6 标准化设备检修智能平台“焊缝 裂纹”检索结果详情

标准化设备检修智能知识平台应用后有以下实际效果：

(1)降低了运维成本。通过对设备缺陷的知识管理、智能检索和智能推荐的应用，水电站(或改造电站)设备检修平均时间缩短50%以上，同时杜绝了人工可能产生的检修错误，实现了智能检修运维，减少了运维检修人员配置，较传统设备检修降低运维成本近百万元。

(2)提高了经济效益。通过应用辅助知识平台中检修计划管理、通知单管理、作业管理、检修报告管理、检修评价管理等一体式业务检修流程，科学分配水电站检修周期，减少了因检修而耽误的发电时间，提高了水电运行效率，合理重复利用标准化检修方法，保障了发电设备安全可靠运行，增加了发电量。

5 结 论

本文提出标准化水电站设备检修知识辅助平台建设方案，对设备缺陷库数据进行模型构建并组织系统功能。解决了传统水电设备检修中缺陷资料库知识沉淀问题，通过平台技术需求分析，设计了平台架构，提出了高级软件开发应用指导，应用DSRM模型、AFM模型实现在标准化水电设备检修中智能检索和智能推荐等技术，显著提升设备检修运营经济效益。