本公開涉及故障辨識相關，具體地說，是涉及一種云端協同的綜合能源供能裝備故障辨識方法及系統。

背景技術：

1、本部分的陳述僅僅是提供了與本公開相關的背景技術信息，并不必然構成在先技術。

2、在傳統的能源系統中，能源的輸配和轉換過程中往往會產生大量的能量損耗，導致能源的利用率偏低。相比之下，綜合能源系統（integrated?energy?system,?ies）通過多種能源設備的協同工作，實現了能源的梯級利用和多能轉供優化，從而大大提升了能源的利用效率。綜合能源系統的本質在于其多種能源設備的協同互補，使得熱、電、冷、氣等多種能源的聯合供能成為可能。

3、然而，綜合能源系統的一個關鍵挑戰在于其系統內部各子系統的高度耦合性。由于供能設備之間具有能量流、信息流和控制流的多重聯系，當系統中的某一供能設備發生故障時，其故障影響可能迅速傳播至系統中的其他設備，導致故障的連鎖反應。這種耦合關系使得系統的故障辨識和故障管理變得尤為復雜。尤其是當故障發生在關鍵設備（如熱泵、燃氣輪機或儲能系統）時，其可能會直接威脅到整個系統的穩定性和能量供給的連續性。

4、發明人在研究中發現，現有的故障辨識方法主要依賴于基于規則的診斷模型、模型驅動的物理建模方法或基于數據的統計學習方法。這些方法在單一設備的故障診斷中表現出色，但面對復雜的多能設備協同的綜合能源系統時，傳統方法存在顯著的不足：（1）單設備診斷的局限性：傳統方法通常是針對單一設備的故障診斷，難以實現多設備的聯合診斷。當某一設備出現故障時，其他設備的狀態變化無法被有效感知，無法及時識別關聯設備的潛在故障。（2）實時性和響應速度不足：傳統的故障檢測和診斷方法通常依賴于完整的數據采集和云端的深度數據分析，但這種模式需要傳輸大量的設備數據到云端處理，導致數據傳輸延遲和診斷延遲，尤其是在邊緣設備數量龐大的情況下，數據通信壓力過大，難以滿足對故障的實時響應需求。

技術實現思路

1、本公開為了解決上述問題，提出了一種云端協同的綜合能源供能裝備故障辨識方法及系統，綜合能源故障辨識系統通過云端協同模式，采集的信息在端側進行了預判斷篩選，將基于模型的信息處理過程集中在云端，提高了故障辨識效率。通過對數據信息與圖像信息的協同分析，克服了單一辨識方法的不足，實現了故障的快速、精準辨識。

2、為了實現上述目的，本公開采用如下技術方案：

3、一個或多個實施例提供了一種云端協同的綜合能源供能裝備故障辨識方法，包括如下步驟：

4、端側基于設備運行數據信息進行故障預判斷得到疑似發生故障的設備，云側獲取疑似發生故障的設備以及相關聯設備的設備運行數據信息與圖像信息；

5、云側將獲取的設備運行數據信息基于相關性進行重排，將排序后的數據信息進行滑動窗口截取，傳輸至訓練好的融入注意力機制的因果膨脹卷積結合殘差卷積網絡的設備故障辨識網絡模型，得到數據識別結果；

6、云側將獲取的圖像信息進行圖像處理，得到圖像識別結果；

7、將數據識別結果和圖像識別結果進行融合辨識得到故障辨識結果。

8、一種云端協同的綜合能源供能裝備故障辨識系統，包括端側系統和云側系統，云側系統包括：

9、數據分析模塊，被配置為將獲取的設備運行數據信息基于相關性進行重排，將排序后的數據信息進行滑動窗口截取，傳輸至訓練好的融入注意力機制的因果膨脹卷積結合殘差卷積網絡的設備故障辨識網絡模型，得到數據識別結果；

10、圖像分析模塊，被配置為將獲取的圖像信息進行圖像處理，得到圖像識別結果；

11、融合辨識模塊，被配置為將數據識別結果和圖像識別結果進行融合辨識得到故障辨識結果。

12、與現有技術相比，本公開的有益效果為：

13、本公開端側基于設備的運行數據進行了預判斷，當識別到有故障采集當前設備以及相關聯設備的運行數據和對應的圖像數據傳輸至云端，通過云端對圖像數據和運行數據進行融合判斷；

14、通過預判斷判斷出可能有故障的設備數據上傳，減少了數據通信壓力以及云端的數據處理量，提高故障預測的準確度和效率。

15、同時，在云端通過融入注意力機制的因果膨脹卷積結合殘差卷積網絡的設備故障辨識網絡模型對數據信息進行識別，通過對綜合能源供能裝備的數據信息與圖像信息的協同分析，克服了單一辨識方法的不足，實現了故障的快速、精準辨識。

16、本公開的優點以及附加方面的優點將在下面的具體實施例中進行詳細說明。

技術特征：

1.一種云端協同的綜合能源供能裝備故障辨識方法，其特征在于，包括如下步驟：

2.如權利要求1所述的一種云端協同的綜合能源供能裝備故障辨識方法，其特征在于：在端側確定疑似發生故障的設備以及相關聯設備的方法，包括如下步驟：

3.如權利要求2所述的一種云端協同的綜合能源供能裝備故障辨識方法，其特征在于，建立關聯拓撲圖的具體實現方法，包括如下步驟：

4.如權利要求1所述的一種云端協同的綜合能源供能裝備故障辨識方法，其特征在于：融入注意力機制的因果膨脹卷積結合殘差卷積網絡的設備故障辨識網絡模型，包括特征提取網絡以及辨識器；

5.如權利要求4所述的一種云端協同的綜合能源供能裝備故障辨識方法，其特征在于：通道注意力模塊將輸入特征分別通過空間維度的全局最大池化和全局平均池化后，將得到的兩個結果分別經過一維卷積和relu激活得到兩個通道注意力權重；接著將通道注意力模塊原輸入特征分別與兩個通道注意力權重相乘后逐元素相加得到通道注意力特征，并作為第四個殘差塊的輸入；

6.如權利要求1所述的一種云端協同的綜合能源供能裝備故障辨識方法，其特征在于：采用融入注意力機制的因果膨脹卷積結合殘差卷積網絡的設備故障辨識網絡模型，進行故障辨識的過程包括如下步驟：

7.如權利要求1所述的一種云端協同的綜合能源供能裝備故障辨識方法，其特征在于，將數據識別結果和圖像識別結果進行融合辨識得到故障辨識結果，包括如下步驟：

8.一種云端協同的綜合能源供能裝備故障辨識系統，其特征在于，包括端側系統和云側系統，云側系統包括：

9.如權利要求8所述的一種云端協同的綜合能源供能裝備故障辨識系統，其特征在于：融入注意力機制的因果膨脹卷積結合殘差卷積網絡的設備故障辨識網絡模型，包括特征提取網絡以及辨識器；

10.如權利要求8所述的一種云端協同的綜合能源供能裝備故障辨識系統，其特征在于：端側系統包括數據感知模塊、圖像采集模塊以及關聯關系識別模塊；

技術總結
本公開涉及故障辨識技術領域，提出了一種云端協同的綜合能源供能裝備故障辨識方法及系統，通過云端協同模式，基于設備的運行數據進行了預判斷，當識別到有故障采集當前設備以及相關聯設備的運行數據和對應的圖像數據傳輸至云端，通過云端對圖像數據和運行數據進行融合判斷；通過預判斷僅將判斷出可能有故障的設備數據上傳，減少了數據通信壓力以及云端的數據處理量，提高故障預測的準確度和效率。同時，在云端通過融入注意力機制的因果膨脹卷積結合殘差卷積網絡的設備故障辨識網絡模型對數據信息進行識別，通過對綜合能源供能裝備的數據信息與圖像信息的協同分析，克服了單一辨識方法的不足，實現了故障的快速、精準辨識。

技術研發人員：崔瀟,王洋,魏振,崔建,魏寧,李冰,于曉明
受保護的技術使用者：國網山東省電力公司青島供電公司
技術研發日：
技術公布日：2025/4/28