一种基于大模型的电厂智能巡检系统的制作方法

本发明涉及电厂生产巡检，尤其涉及一种基于大模型的电厂智能巡检系统。

背景技术：

1、在电厂生产巡检领域，最初的人工巡视已逐步被智能化技术所取代。目前，智能巡检系统和无人机巡检技术已成为行业内的主流。智能巡检系统集成了物联网传感、边缘计算以及人工智能等尖端科技，推动了电厂巡检工作的数字化与智能化进程。通过引入这些先进技术，电厂能够更为高效、精准地监控设备的运行状态。

2、智能巡检系统的应用，使得电厂能够实时监控设备的各项参数，如温度、压力、振动等，及时发现异常情况。系统通过边缘计算对数据进行初步处理，再利用人工智能技术进行深入分析，从而实现对设备健康状态的智能评估。无人机巡检技术则进一步拓宽了巡检的视野和范围，通过搭载高清摄像头和传感器，无人机能够捕捉到人工难以触及的区域的设备状态，结合数据处理和软件技术，为电厂提供全面的设备运行报告。

3、尽管智能巡检系统和无人机技术显著提升了电厂设备巡检的效率和准确性，但仍存在如下技术痛点。智能巡检系统依赖于大量的传感器和数据处理能力，当某些传感器出现故障或数据传输受到干扰，导致巡检结果的失真，无人机巡检虽然覆盖范围广，但在复杂环境下，如强风、低能见度等恶劣天气条件下，其稳定性和准确性会受到影响，造成智能巡检系统的准确性降低，从而影响大数据模型生成准确的巡检结论和处置方案。

技术实现思路

1、本发明的目的在于提供一种基于大模型的电厂智能巡检系统，以解决当某些传感器出现故障或数据传输受到干扰，导致巡检结果的失真，无人机巡检虽然覆盖范围广，但在复杂环境下，如强风、低能见度等恶劣天气条件下，其稳定性和准确性会受到影响，造成智能巡检系统的准确性降低，从而影响大数据模型生成准确的巡检结论和处置方案的问题。

2、本发明提供一种基于大模型的电厂智能巡检系统，包括服务器端、后台控制端、巡检设备端、被巡检设备端以及用户端，服务器端与后台控制端、巡检设备端、被巡检设备端以及用户端建立通信连接，服务器端用于处理分析后台控制端、巡检设备端、被巡检设备端以及用户端传输的数据，服务器端包括：

3、传感器故障检测单元，获取智能巡检设备和电力设备上传感器采集的数据，利用随机森林算法，对传感器采集的数据进行训练，构建出传感器数据模型，通过传感器数据模型对传感器的数据进行预测，得到模型预测数据，将模型预测数据与实时数据进行比对，通过计算实时数据与模型预测数据之间的偏差，识别出偏离正常范围的数据点，当连续多个数据点被标记为异常，则传感器故障预警信息，若识别出偏离正常范围的数据点在预设的安全范围内，则将传感器采集的数据标记为可使用检测数据；

4、无人机巡检优化单元，将可使用检测数据与预设的各设备安全值进行比对，若比对结果中无异常数据，则无人机巡检按预设路径巡检，若比对结果中存在异常数据，则获取异常数据对应的位置信息，将异常数据对应的位置信息代入至无人机巡检路径生成模型中，生成无人机协同巡检路径；

5、数据融合分析单元，接收并处理来自多种传感器和无人机的数据进行数据融合，使用深度学习算法对融合后的数据进行深度分析识别潜在的故障，构建的决策支持模型，将识别潜在的故障代入决策支持模型，生成为维修人员提供的故障定位和维修建议的信息；

6、数据采集故障修复单元，根据维修人员提供的故障定位和维修建议，通过预先训练好的大模型生成巡检结论，巡检结论包括设备状态报告、异常清单和风险等级，并自动生成巡检处置方案；

7、复检路径生成单元，根据记录的异常数据对应的位置信息，以及故障修复的具体位置，生成无人机复检的巡检路径，无人机复检收集到的数据传输至数据融合分析单元。

8、进一步地，本发明提供的一种基于大模型的电厂智能巡检系统，传感器故障检测单元，还包括；

9、获取电厂的运维和管理数据，包括历史巡检记录、设备状态、故障报告、环境监测数据等，对数据进行清洗以去除错误和异常值，进行数据标注以区分设备的正常、警告和故障状态；

10、对获取电厂的运维和管理数据进行数据特征提取，将提取的数据特征划分数据集为训练集、验证集和测试集，对训练集、验证集和测试集内的数据特征进行时间窗口划分，并进行异常检测以识别数据中的异常值。

11、进一步地，本发明提供的一种基于大模型的电厂智能巡检系统，数据融合分析单元，包括；

12、基于传感器故障检测单元中产生的数据进行大模型训练，定义大模型的架构，大模型的架构包括注意力机制的配置、编码器和解码器的层数、头的数量；

13、将传感器故障检测单元中产生的数据进行预处理后的数据集输入大模型，利用自注意力机制捕捉数据中的长距离依赖关系；

14、通过优化器和学习率调度策略，开始大模型的训练过程，得到训练好的大模型。

15、进一步地，本发明提供的一种基于大模型的电厂智能巡检系统，无人机巡检优化单元，包括：

16、输入电厂的布局信息、设备分布、历史故障数据和巡检记录数据代入到训练好的大模型分析中；

17、训练好的大模型结合机器学习和优化算法，分析设备的关键性、故障率、相互依赖性以及巡检的周期性需求，生成一个或多个优化后的巡检路径。

18、进一步地，本发明提供的一种基于大模型的电厂智能巡检系统，传感器故障检测单元，包括；

19、利用训练好的大模型分析无人机收集的数据，自动识别被巡检设备异常和潜在的安全风险，训练好的大模型对数据进行深度分析，提供被巡检设备故障诊断和风险评估；

20、通过图像识别算法检测出被巡检设备上的异常情况，异常情况包括裂缝、腐蚀、异物入侵，通过热成像分析算法识别出被巡检设备过热、绝缘损坏的潜在故障，结合被巡检历史数据和被巡检实时监测结果，通过训练好的大模型预测被巡检设备故障趋势。

21、进一步地，本发明提供的一种基于大模型的电厂智能巡检系统，数据采集故障修复单元，还包括；

22、巡检处置方案用于指导电力维护人员进行维护和修复工作，巡检处置方案包括巡检问题描述、位置定位、严重程度评估以及故障原因分析。

23、进一步地，本发明提供的一种基于大模型的电厂智能巡检系统，数据采集故障修复单元，还包括；

24、根据异常清单和风险等级在历史数据库以及知识库中匹配，得到异常清单和风险等级对应的案例和解决方案；

25、基于当前的设备状态、可用资源和维修人员的维修成功案例进行维修方案匹配，生成当前故障的巡检处置方案，巡检处置方案包括紧急修复步骤、预防性维护建议以及需要更换部件。

26、进一步地，本发明提供的一种基于大模型的电厂智能巡检系统，数据采集故障修复单元，还包括；

27、对接收到的异常清单和风险等级信息进行初步筛选，去除重复、无效或明显错误的数据；

28、通过对比异常清单正常参数范围，识别异常数据，确定异常数据；

29、根据异常信息的来源，结合电厂的设备布局和监控系统数据，定位异常数据具体位置。

30、进一步地，本发明提供的一种基于大模型的电厂智能巡检系统，数据采集故障修复单元，还包括；

31、使用异常信息和风险等级作为检索关键词，在历史数据库中进行搜索，在知识库中查找与当前故障相关的解决方案和案例；

32、根据历史记录中近似的故障案例和知识库中信息，对异常信息的解决方案进行匹配，得到异常信息近似解决方案。

33、进一步地，本发明提供的一种基于大模型的电厂智能巡检系统，数据采集故障修复单元，还包括；

34、基于异常信息近似解决方案，进行数据格式转化，得到巡检处置方案，

35、巡检处置方案包括紧急修复步骤、预防性维护建议以及需要更换的部件信息，将生成的巡检处置方案反馈给维修人员

36、本发明的有益效果如下：

37、提高巡检准确性：通过传感器故障检测单元，本发明能够及时发现并处理传感器故障或数据传输干扰，确保只有准确的数据被纳入分析，从而显著提高了巡检结果的准确性。

38、提高无人机巡检的稳定性和效率：无人机巡检优化单元使得无人机能够在恶劣天气条件下灵活调整巡检路径，避开不利环境因素，不仅保障了巡检的稳定性，也提升了巡检效率。

39、数据融合提升决策可靠性：数据融合分析单元融合了来自不同传感器的数据，通过深度学习算法进行深度分析，为故障定位和维修建议提供了更可靠的数据支持，进而提升了决策的准确性。

40、快速响应与修复：数据采集故障修复单元能够根据故障定位和维修建议迅速生成巡检结论和处置方案，缩短了故障响应时间，提高了修复效率。

41、提升系统智能化水平：通过大数据模型的训练和应用，本发明实现了更高程度的智能化，能够自动识别潜在问题和故障，减少了人为干预的需要。

42、增强系统鲁棒性：本发明的综合应用使得智能巡检系统在面对各种复杂环境和情况时都能保持高效运作，显著增强了系统的鲁棒性。

43、综上所述，本发明通过提高巡检准确性、提高无人机巡检的稳定性和效率、数据融合提升决策可靠性、快速响应与修复故障，以及提升系统智能化水平和鲁棒性等方面的有益效果，为电厂等复杂工业环境的智能巡检提供了强有力的技术支持。