1.本发明涉及电网二次设备故障处理技术领域，尤其涉及一种电网二次设备故障追溯、运维服务方法及系统。
背景技术：2.当前电网二次设备的研发、制造企业，按照制造企业的销售、设计、采购、生产、服务等流程，完成产品从销售到售后服务的管理，产生的业务数据分散在相应的业务系统中：erp、mes、plm、工程服务等系统，系统间数据交换通过接口完成，信息利用率较低。
3.当二次设备在现场发生问题后，基本上要等售后服务人员赶到现场，进行现象分析、故障定位，再与公司技术支持人员沟通、明确问题，公司邮寄维修的备件到现场，售后服务人员进行备件更换、测试，最终完成问题的消除，对售后人员的技术水平、经验比较依赖。现有电力设备信息化系统多聚焦于业务流程，对业务数据运用不足，数据孤岛问题严重。现有的电力设备信息化系统中，只对设备的故障情况做了登记。电力设备的故障追溯需要对接erp系统、mes系统、plm系统，多个系统数据存储的格式不同，需要对数据进行格式转换，无法直接进行统计分析，效率低下。
4.中国专利文献cn113360555a公开了一种“基于电网二次设备大数据的故障诊断分析方法及系统”，通过从电网统一数据平台中提取故障厂站历史数据，提取发生故障时的电流、电压瞬时值信息并进行故障分析，形成故障分析报告及解决方案。上述技术方案只聚焦于业务流程，仅仅对设备的故障情况做了登记，对其他业务系统数据运用不足，数据孤岛问题严重。电力设备的故障追溯需要对接erp系统、mes系统、plm系统，多个系统数据存储的格式不同，因而迫切需要一种能够综合读取多业务系统实时故障数据、直接进行统计分析的电网二次设备故障追溯、运维服务方法及系统。
技术实现要素：5.本发明要解决的技术问题是：克服现有技术中存在的不足，基于电网二次设备产品全生命周期管理模式，利用各信息化系统积累的数据，形成知识库，将知识图谱等技术应用在电网二次设备的故障追溯方面，提升故障追溯的智能化水平，提供一种电网二次设备故障追溯、运维服务方法及系统。
6.本发明解决上述技术问题的技术方案如下：
7.一种电网二次设备故障追溯、运维服务方法，其特征在于，包括如下步骤：
8.s1业务及数据梳理，建立企业数据基因库；
9.s2故障知识抽取、数据清洗、知识存储，通过基于规则的方式抽取信息系统中已有的缺陷记录和对应的处理方案，对抽取的缺陷记录和对应的处理方案进行数据分析和清洗，存储并建立知识库；
10.s3建立业务中台，基于虚拟化技术和容器技术，通过连接器与数据基因库配置的数据通道连接，获取通道传输的数据，并用数据模型保存，所述数据模型与具体业务模型进
行绑定；
11.s4搭建故障追溯平台，在搭建完成的所述数据基因库、所述业务中台的基础上进行故障追溯平台的搭建；
12.s5知识图谱数据库构建，基于所述故障知识抽取产生的数据，构建产品故障追溯及运维服务知识图谱数据库，采用图数据库存储知识图谱的对象关系，通过可视化界面进行知识图谱的展示；
13.s6故障追溯实施；
14.s7知识图谱数据库更新，根据业务运转、设备故障及解决情况，不断更新领域知识图谱数据库，实现故障追溯的闭环管理；
15.s8知识图谱推理，基于原产品知识图谱，对于变形设计的产品，通过基于规则的推理算法，构建新产品的故障追溯领域知识图谱。
16.进一步地，所述建立企业数据基因库，包括如下步骤：s1.1梳理企业元数据，整理企业数据资产目录，编制数据共享开放目录，包括：供应商、产品、工程服务知识库的结构化数据及相关半结构化数据；s1.2以数据搜索为基础，提供表使用说明、数据类目、数据血缘、字段血缘等信息，建立企业数据基因库；s1.3搭建数据间的连接桥梁，将业务数据、产品设计、部门职责等各要素有机地进行关联，形成数据标准。
17.进一步地，所述故障知识抽取、数据清洗、知识存储，包括如下步骤：s2.1对缺陷记录和处理方案进行语义处理；s2.2使用自然语言处理方法对语义处理后的数据提取语干；s2.3对提取的数据进行数据清洗，包括缺失数据判定、缺失数据处理、噪音数据检测、噪音数据处理；s2.4把实体、属性、关系按照实体-关系-实体三元组和实体-属性值对的方式建立缺陷-方案对应的知识库。
18.进一步地，所述缺失数据判定，包括使用热力图快速查找数据的缺失、借助info方法发现属性缺失值、通过apply方法统计缺失率。所述缺失数据处理，包括缺失的行数据、列属性直接删除，均值填补、最近距离决定填补、热卡填补缺失值。所述噪音数据检测，包括均值标准差方法和上下四中位和中位差方法，将数值不在区间【均值-2x标准差的，均值+2x标准差的】和区间【下四中位-1.5x中位差，上四中位+1.5x中位差】判定为噪音数据。所述噪音数据处理，包括噪音数据删除和噪音数据重写；所述噪音数据删除，包括删除整行数据和删除整列数据；所述噪音数据重写，包括平均值替换、中位数替换、邻近的最大和最小值边界值替换。
19.进一步地，所述知识存储，包括：采用关系数据库存储结构化数据，采用文件形式存储文档、图纸、视频数据。
20.进一步地，搭建所述故障追溯平台，包括如下步骤：s4.1基于已建设完成的所述数据基因库、业务中台，通过数据采集和现有多源数据接入，抽取数据到云计算平台，建立统一标准数据建模体系；s4.2以业务分层为架构构建大数据平台，完成系统架构、数据图谱、数据质量、组织架构、规范流程等与企业数据价值相关的体系建设，实现数据、业务、智能的快速融合；s4.3统一服务出口，提供特色数据服务，实现数据服务的无代码开发、智能性能优化，为上层业务应用提供数据智能能力；s4.4围绕企业采购、计划环节、产品明细清单、原材料库存、车间订单批次信息、已排生产计划、供货需求等环节梳理需要解决的生产问题、管理问题以及系统需要实现的主要业务功能；s4.5采用微服务开发模式，基于所述大数据
平台及高复用软件开发平台，完成系统的功能开发，通过ui搭建，拖放各种ui组件将模型的数据、服务和功能汇入所述故障追溯平台；s4.6将搭建好的所述故障追溯平台通过发布功能发布到应用平台，供用户使用。
21.进一步地，所述特色数据服务包括数据智能查询服务、复杂数据查询服务、实时数据推送服务。
22.进一步地，所述故障追溯实施包括如下步骤：s6.1发送故障追溯表单给第一级用户，所述第一级用户基于知识图谱搜索引擎，进行故障原因查询，并反馈第二级用户；s6.2第二级用户在故障追溯平台中查询故障产品相应逻辑关系分类，查询同批次产品。s6.3追溯出现问题的产成品、半成品，以及其他用户现场；s6.4追溯所用物料、软件，判断这些物料是否会影响到其他产品，形成一个追溯体系。
23.进一步地，所述故障产品相应逻辑关系分类包括在库、在制、已交付。
24.本发明还提供了一种电网二次设备故障追溯、运维服务系统，包括：数据基因库模块，提供表使用说明、数据类目、数据血缘、字段血缘等信息；知识库模块，存储缺陷记录和对应的处理方案；业务中台模块，通过连接器与数据基因库的数据通道连接，获取通道传输的数据，并用数据模型保存；故障追溯平台模块，实现数据、业务、智能的快速融合，提供特色数据服务；知识图谱库模块，采用图数据库存储知识图谱的对象关系，通过可视化界面进行知识图谱的展示。
25.本发明的有益效果是：
26.1、提升故障追溯知识库的易用性，展示直观，容易理解，降低员工培训、使用的成本，降低企业的售后服务成本；利用故障追溯、运维服务系统，可以快速定位故障的原因，解决追溯效率低的问题，提高客户服务水平，提升用户对产品的满意度。
27.2、针对数字化转型过程中面临的数据多源、异构等问题，梳理企业研发、采购、生产等环节相关的数据与业务，建立数据空间与业务空间，并在企业产品智能服务软件快速开发中进行应用，解决企业数据孤岛问题。
28.3、将企业产品智能服务作为新型服务模式交付电网公司的现场应用并实用化；搭建企业产品智能服务的私有云平台，为中小企业提供远程运维管家服务，降低企业的人力运维成本。
29.4、基于企业数据基因库的数据中台和面向一云多端智能高复用软件开发的业务平台，可以快速搭建故障追溯平台，解决故障追溯平台搭建效率低问题。
30.5、提升故障追溯智能化水平，通过知识推理形成新产品的知识图谱。
附图说明
31.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见的，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
32.图1是本发明实施例中的电网二次设备故障追溯、运维服务方法的流程示意图。
33.图2是本发明实施例中的电网二次设备故障追溯、运维服务系统的结构组成示意图。
具体实施方式
34.以下将参照附图详细描述本发明的示例性实施例。应注意，以下的描述在本质上仅是解释性和示例性的，决不意在限制本发明及其应用或使用，除非另外特别说明，否则，在实施例阐述的组件和步骤的相对位置、数字表达式以及数值并不限制本发明的范围。另外，本领域技术人员已知的技术、方法和设备可能不被详细讨论，但在合适的情况下意在成为说明书的一部分。
35.本发明实施例中基于本企业的电网二次设备产品全生命周期管理模式，利用企业各信息化系统积累的数据，形成知识库，将知识图谱等技术应用在电网二次设备的故障追溯方面，提升故障追溯的智能化水平。基于已搭建完成的数据空间和业务空间，采用“面向一云多端智能高复用软件开发及运行平台”，完成工业管理软件开发，将线下的故障追溯模式移至线上，实现故障追溯的信息化、智能化，管理产品的台账信息管理、故障追溯及预警。
36.图1示例性示出根据本发明的实施例的电网二次设备故障追溯、运维服务方法的一般流程图。如图1所示，该方法包括如下步骤：
37.s1业务及数据梳理，建立企业数据基因库。
38.s2故障知识抽取、数据清洗、知识存储，通过基于规则的方式抽取信息系统中已有的缺陷记录和对应的处理方案，对抽取的缺陷记录和对应的处理方案进行数据分析和清洗，存储并建立知识库。
39.s3建立业务中台，基于虚拟化技术和容器技术，设计工业管理软件业务中台，业务中台通过连接器与数据基因库的数据通道连接，获取通道传输的数据，并用数据模型保存；数据模型与具体业务模型进行绑定，为业务模型提供数据支持，从而成为一组高复用的组件用于快速搭建故障追溯平台。
40.s4搭建故障追溯平台，在搭建完成的所述数据基因库、所述业务中台的基础上进行故障追溯平台的搭建；所述故障追溯平台，包含若干组数据模型与业务模型绑定的高复用组件，为业务模型提供数据支持。
41.s5知识图谱数据库构建，基于所述故障知识抽取产生的数据，构建产品故障追溯及运维服务知识图谱数据库，采用图数据库存储知识图谱的对象关系，通过可视化界面进行知识图谱的展示，设计、开发知识图谱搜索引擎，支撑知识库的快速搜索。所述知识图谱搜索引擎内置故障关键词匹配索引矩阵，能够根据故障关键词自动匹配行业同义词、固定用语、中英文缩写，设定关键词匹配值参数，按匹配值大小对知识库搜索结果进行排序并反馈给用户，完成知识库的快速、精确搜索。
42.s6故障追溯实施。
43.s7知识图谱数据库更新，根据业务运转、设备故障及解决情况，不断更新领域知识图谱数据库，实现故障追溯的闭环管理。
44.s8知识图谱推理，基于原产品知识图谱，对于变形设计的产品，通过基于规则的推理算法，构建新产品的故障追溯领域知识图谱。具体来说，采用基于神经网络的知识图谱推理ntn模型(neural tensor networks)，从知识库中抽取两个实际发生过的电网二次设备故障实体(e1，e2)(e1，e2∈rd是实体的向量表示)，总结各故障实体电压、电流、功率、功率因数、相位和频率瞬时值与设备参数、业务模块之间的关系。推理计算公式：
45.g(e1，r，e2)＝u
tr
f(e
t1wr[1:k]
e2+vr[e1e2]+br[0046]
相对传统的标准线性神经网络故障追溯方式，本知识图谱推理模型使用双线性张量层(bilinear tensor layer)关联两个实体向量，图谱推理模型中的实体向量取全部单词向量平均值，其实体中的单词数量远小于实体数量，可以充分重复利用单词向量构建实体表示；用关系张量的不同切片对应与不同实体向量之前的语义联系，增强与不同实体的语义联系。通过本模型计算两个实体存在某个关系可能性分数，可以应用于变形设计的产品，构建新产品的故障追溯领域知识图谱的关系预测、知识库补全。
[0047]
在一个优选实施例中，步骤s1中所述业务及数据梳理，包括梳理企业业务现状，包括公司在智能电网二次设备行业的研发制造流程、生产工艺、供应商及客户信息、产品信息以及设备的运行现状、历史故障及维修情况、智能化水平、数据采集方式及能力、设备监控应用水平。步骤s1中所述建立企业数据基因库，包括：梳理企业元数据，整理企业数据资产目录，编制数据共享开放目录，包括：供应商、产品、工程服务知识库等结构化数据及相关半结构化数据；数据搜索为基础，提供表使用说明、数据类目、数据血缘、字段血缘等信息，建立企业数据基因库；搭建数据间的连接桥梁，将业务数据、产品设计、部门职责等各要素有机地进行关联，形成工业企业数据标准。针对数字化转型过程中面临的数据多源、异构等问题，梳理企业研发、采购、生产等环节相关的数据与业务，建立数据空间与业务空间，解决企业数据孤岛问题。
[0048]
在一个优选实施例中，步骤s2中所述故障知识抽取、数据清洗、知识存储，包括抽取公司erp系统、mes系统、plm系统及工程服务系统等现有各类信息系统中已有的缺陷记录和对应的处理方案。对缺陷记录和处理方案进行语义处理，使用自然语言处理方法对语义处理后的数据提取语干。对提取的数据进行数据清洗，包括缺失数据判定、缺失数据处理、噪音数据检测、噪音数据处理。把实体、属性、关系按照实体-关系-实体三元组和实体-属性值对的方式建立缺陷-方案对应的知识库。
[0049]
步骤s2所述故障知识抽取，具体来说，采用哈尔滨工业大学语言云平台(ltp-cloud)，通过最新版本的中文分词调用接口，结合了条件随机场(condition random fields，cfrs)算法，将基于词典匹配的方法和基于统计机器学习的方法进行了融合，对缺陷记录和处理方案进行分词，使用基于深度学习的自然语言处理技术提取语干，该平台运行速度快、语干提取准确率高、整体应用效果好。
[0050]
步骤s2中所述数据清洗，包括通过缺失值判定、缺失值处理、异常值检测、异常值处理4个步骤，清除噪音异常值、合理填补缺失值、准确去除重复值，提高数据准确性。所述缺失数据判定，包括：使用热力图快速查找数据的缺失，缺失位置、缺失程度一目了然；借助info方法发现属性缺失值，运行简便速度快，可以迅速定位属性缺失值；通过apply方法统计缺失率，百分数形式显示结果，方便快捷。所述缺失数据处理，包括缺失的行数据、列属性直接删除，均值填补、最近距离决定填补、热卡填补缺失值。所述噪音数据检测，包括均值标准差方法和上下四中位和中位差方法，将数值不在区间【均值-2x标准差的，均值+2x标准差的】和区间【下四中位-1.5x中位差，上四中位+1.5x中位差】判定为噪音数据。所述噪音数据处理，包括噪音数据删除和重写；所述噪音数据删除，包括删除整行数据和删除整列数据；所述噪音数据重写，包括平均值替换、中位数替换、邻近的最大和最小值边界值替换。上述数据清洗流程，具有误差小、效率高、成本低等优势，能有效保证数据的稳定性和安全性。
[0051]
步骤s2中所述故障知识存储，包括将存储的格式不同的多个系统数据，按上述规
则抽取、数据清洗后可以直接进行统计分析。采用关系数据库存储结构化数据，采用文件形式存储文档、图纸、视频等数据。
[0052]
在一个优选实施中，步骤s3中所述基于虚拟化技术和容器技术，包括设计研发工业管理软件业务中台，业务中台通过连接器与数据基因库配置的数据通道连接，获取通道传输的数据，用数据模型保存；数据模型与具体业务模型进行绑定，为业务模型提供数据支持，从而成为一组高复用的组件用于快速搭建故障追溯平台。
[0053]
在一个优选实施例中，步骤s4中所述搭建故障追溯平台，包括：在搭建完成的数据基因库、业务中台基础上进行故障追溯平台的搭建，通过数据采集和现有多源数据接入，抽取数据到云计算平台，建立统一标准数据建模体系。以业务分层为架构构建大数据中台，完成系统架构、数据图谱、数据质量、组织架构、规范流程等与企业数据价值相关的体系建设，实现数据、业务、智能的快速融合。统一服务出口，提供数据智能查询服务、复杂数据查询服务、实时数据推送服务三大特色数据服务，实现数据服务的无代码开发、智能性能优化，为上层业务应用提供数据智能能力。围绕企业采购、计划环节、产品明细清单、原材料库存、车间订单批次信息、已排生产计划、供货需求等环节梳理需要解决的生产问题、管理问题以及系统需要实现的主要业务功能。采用现有技术中微服务开发模式，基于大数据中台及高复用软件开发平台，完成系统的功能开发，通过ui搭建，拖放各种ui组件将模型的数据、服务和功能汇入故障追溯平台；将搭建好的应用通过发布功能发布到应用平台，供所有用户使用。
[0054]
在一个优选实施例中，步骤s6中所述故障追溯实施，包括：将故障追溯表单发送给质量部门人员，质量部门人员基于故障追溯、运维服务系统的知识图谱搜索引擎，进行故障原因查询，并反馈运维人员。运维人员在故障追溯、运维服务系统中查询故障产品相应逻辑关系分类：在库、在制、已交付等状态查询同批次产品。追溯出现问题的产成品、半成品，以及其他用户现场，并一直追溯到所用物料、软件，判断这些物料是否会影响到其他产品，形成一个追溯体系。现场产品出现故障，利用故障追溯平台可以快速追溯出现问题的产成品、半成品，以及其他用户现场，并一直追溯到所用物料，判断这些物料是否会影响到其他产品，形成一个追溯标准化体系。
[0055]
将图2所示的电网二次设备故障追溯、运维服务系统作为新型服务模式交付电网公司的现场应用并实用化，搭建企业产品智能服务的私有云平台，为中小企业提供远程运维管家服务，降低企业的人力运维成本。利用故障追溯、运维服务系统(包含缺陷、解决方案)，可以快速定位故障的原因，提高客户服务水平，提升用户对产品的满意度。
[0056]
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
技术特征：1.一种电网二次设备故障追溯、运维服务方法，其特征在于，包括如下步骤：s1业务及数据梳理，建立企业数据基因库；s2故障知识抽取、数据清洗、知识存储，通过基于规则的方式抽取信息系统中已有的缺陷记录和对应的处理方案，对抽取的缺陷记录和对应的处理方案进行数据分析和清洗，存储并建立知识库；s3建立业务中台，基于虚拟化技术和容器技术，通过连接器与数据基因库配置的数据通道连接，获取通道传输的数据，并用数据模型保存，所述数据模型与具体业务模型进行绑定；s4搭建故障追溯平台，在搭建完成的所述数据基因库、知识库、业务中台的基础上进行故障追溯平台的搭建；s5知识图谱数据库构建，基于所述故障知识抽取产生的数据，构建产品故障追溯及运维服务知识图谱数据库，设计、开发知识图谱搜索引擎；s6故障追溯实施；s7知识图谱数据库更新，根据业务运转、设备故障及解决情况，不断更新领域知识图谱数据库，实现故障追溯的闭环管理；s8知识图谱推理，基于原产品知识图谱，对于变形设计的产品，通过基于规则的推理算法，构建新产品的故障追溯领域知识图谱。2.根据权利要求1所述的电网二次设备故障追溯、运维服务方法，其特征在于，所述建立企业数据基因库，包括如下步骤：s1.1梳理企业元数据，整理企业数据资产目录，编制数据共享开放目录，包括：供应商、产品、工程服务知识库的结构化数据及相关半结构化数据；s1.2以数据搜索为基础，提供表使用说明、数据类目、数据血缘、字段血缘等信息，建立企业数据基因库；s1.3搭建数据间的连接桥梁，将业务数据、产品设计、部门职责等各要素有机地进行关联，形成数据标准。3.根据权利要求1所述的电网二次设备故障追溯、运维服务方法，其特征在于，所述故障知识抽取、数据清洗、知识存储，包括如下步骤：s2.1对缺陷记录和处理方案进行语义处理；s2.2使用自然语言处理方法对语义处理后的数据提取语干；s2.3对提取的数据进行数据清洗，包括缺失数据判定、缺失数据处理、噪音数据检测、噪音数据处理；s2.4把实体、属性、关系按照实体-关系-实体三元组和实体-属性值对的方式建立缺陷-方案对应的知识库。4.根据权利要求3所述的电网二次设备故障追溯、运维服务方法，其特征在于：所述缺失数据判定，包括：使用热力图快速查找数据的缺失、借助info方法发现属性缺失值、通过apply方法统计缺失率；所述缺失数据处理，包括：缺失的行数据、列属性直接删除，均值填补、最近距离决定填补、热卡填补缺失值；所述噪音数据检测，包括：采用均值标准差方法和上下四中位和中位差方法，将数值不
在区间【均值-2x标准差的，均值+2x标准差的】和区间【下四中位-1.5x中位差，上四中位+1.5x中位差】判定为噪音数据；所述噪音数据处理，包括：噪音数据删除和噪音数据重写；所述噪音数据删除，包括删除整行数据和删除整列数据；所述噪音数据重写，包括平均值替换、中位数替换、邻近的最大和最小值边界值替换。5.根据权利要求3所述的电网二次设备故障追溯、运维服务方法，其特征在于，所述知识存储，包括：采用关系数据库存储结构化数据，采用文件形式存储文档、图纸、视频数据。6.根据权利要求1所述的电网二次设备故障追溯、运维服务方法，其特征在于，搭建所述故障追溯平台，包括如下步骤：s4.1基于已建设完成的所述数据基因库、业务中台，通过数据采集和现有多源数据接入，抽取数据到云计算平台，建立统一标准数据建模体系；s4.2以业务分层为架构构建大数据平台，完成系统架构、数据图谱、数据质量、组织架构、规范流程等与企业数据价值相关的体系建设，实现数据、业务、智能的快速融合；s4.3统一服务出口，提供特色数据服务，实现数据服务的无代码开发、智能性能优化，为上层业务应用提供数据智能能力；s4.4围绕企业采购、计划环节、产品明细清单、原材料库存、车间订单批次信息、已排生产计划、供货需求等环节梳理需要解决的生产问题、管理问题以及系统需要实现的主要业务功能；s4.5采用微服务开发模式，基于所述大数据平台及高复用软件开发平台，完成系统的功能开发，通过ui搭建，拖放各种ui组件将模型的数据、服务和功能汇入所述故障追溯平台；s4.6将搭建好的所述故障追溯平台通过发布功能发布到应用平台，供用户使用。7.根据权利要求6所述的电网二次设备故障追溯、运维服务方法，其特征在于，所述特色数据服务，包括：数据智能查询服务、复杂数据查询服务、实时数据推送服务。8.根据权利要求1所述的电网二次设备故障追溯、运维服务方法，其特征在于，所述故障追溯实施，包括如下步骤：s6.1发送故障追溯表单给第一级用户，所述第一级用户基于知识图谱搜索引擎，进行故障原因查询，并反馈第二级用户；s6.2第二级用户在故障追溯平台中查询故障产品相应逻辑关系分类，查询同批次产品；s6.3追溯出现问题的产成品、半成品，以及其他用户现场；s6.4追溯所用物料、软件，判断这些物料是否会影响到其他产品，形成一个追溯体系。9.根据权利要求8所述的电网二次设备故障追溯、运维服务方法，其特征在于，所述故障产品相应逻辑关系分类，包括在库、在制、已交付。10.一种电网二次设备故障追溯、运维服务系统，其特征在于：包括数据基因库模块，提供表使用说明、数据类目、数据血缘、字段血缘等信息；知识库模块，存储缺陷记录和对应的处理方案；业务中台模块，通过连接器与数据基因库的数据通道连接，获取通道传输的数据，并用数据模型保存；
故障追溯平台模块，实现数据、业务、智能的快速融合，提供特色数据服务；知识图谱库模块，采用图数据库存储知识图谱的对象关系，通过可视化界面进行知识图谱的展示。
技术总结本发明公开了一种电网二次设备故障追溯、运维服务方法及系统，涉及电网二次设备故障处理技术领域，包括：建立企业数据基因库；故障知识抽取、数据清洗、知识存储；建立业务中台，获取通道传输的数据；搭建故障追溯平台；构建产品故障追溯及运维服务知识图谱数据库，设计、开发知识图谱搜索引擎；故障追溯实施；知识图谱数据库更新；通过基于规则的推理算法，构建新产品的故障追溯领域知识图谱。本发明通过整合研发、采购、生产环节数据并快速搭建故障追溯平台，从而解决企业数据孤岛问题，迅速定位故障原因，提高故障追溯效率；根据业务运转、设备故障及解决情况更新领域知识图谱数据库。备故障及解决情况更新领域知识图谱数据库。备故障及解决情况更新领域知识图谱数据库。
技术研发人员：刘军 任祥伟 郭瑞瑞 裴辉东 戴宏伟 张金鑫
受保护的技术使用者：东方电子股份有限公司
技术研发日：2022.07.22
技术公布日：2022/11/1
