CN120297410A 基于多源数据与知识检索增强的风电故障诊断运维方法 （西南交通大学）_第1页
CN120297410A 基于多源数据与知识检索增强的风电故障诊断运维方法 （西南交通大学）_第2页
CN120297410A 基于多源数据与知识检索增强的风电故障诊断运维方法 （西南交通大学）_第3页
CN120297410A 基于多源数据与知识检索增强的风电故障诊断运维方法 （西南交通大学）_第4页
CN120297410A 基于多源数据与知识检索增强的风电故障诊断运维方法 （西南交通大学）_第5页
已阅读5页，还剩22页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

基于多源数据与知识检索增强的风电故障本发明公开了基于多源数据与知识检索增索与SCADA实时数据动态权重调整，生成最终答22.根据权利要求1所述的基于多源数据与知识检索增强的风电故障诊断运维方法，其存队列。3.根据权利要求2所述的基于多源数据与知识检索增强的风电故障诊断运维方法，其4.根据权利要求3所述的基于多源数据与知识检索增强的风电故障诊断运维方法，其35.根据权利要求4所述的基于多源数据与知识检索增强的风电故障诊断运维方法，其6.根据权利要求5所述的基于多源数据与知识检索增强的风电故障诊断运维方法，其依存解析深度计算，首先使用依存句法分析工具spaCy的en_core_web_tr7.根据权利要求6所述的基于多源数据与知识检索增强的风电故障诊断运维方法，其S41、根据子问题列表进行查询并进行检索推理，利用知识提取对子问题进行实体识48.根据权利要求7所述的基于多源数据与知识检索增强的风电故障诊断运维方法，其9.根据权利要求8所述的基于多源数据与知识检索增强的风电故障诊断运维方法，其5[0003]基于数据驱动的诊断方法通过利用风电机组各部件的历史运行数据进行状态检[0004]当前，大部分风电企业仍主要依靠SCADA(SupervisoryControlandData6[0022]S24、建立SCADA实时数据与知识图谱的动态关联机制，将SCADA系统中的设备参7[0038]依存解析深度计算，首先使用依存句法分析工具spaCy的en_core8[0063]图1为本发明实施例的基于多源数据与知识检索增强的风电故障诊断运维方法流9系提取，构建子图与文本块之间的索引关系。风电运维大模型为将通用的大语言模型(DeepSeek)对风电故障诊断领域进行精调之后[0083]S24、建立SCADA实时数据与知识图谱的动态关联机制，将SCADA系统中的设备参简单子问题，流程如图4所示。本申请实施例中使用的大模型为通用的大语言模型，如[0116]实时验证机制——系统将生成的维修方案与SCADA实时数据(如维修后的传感器[0117]本申请旨在提供一种基于知识检索增强生成大模型与SCADA系统实时数据深度融

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论