電力裝置預測性維護解決方案

方案概述

利用NLP資訊抽取等技術對裝置檢修規程、故障案例報告和維修專家的經驗，以知識圖譜的形式進行碎片化入庫管理，對接故障發生時傳入的狀态資訊，在知識庫中推理計算，為故障搶修人員提供秒級故障研判、處置和相似案例推送的決策服務。

針對電網重要裝置結構和研判處置複雜的問題，利用NLP資訊抽取等技術對裝置檢修規程、故障案例報告和各裝置維修專家的大腦經驗，以知識圖譜的形式進行碎片化入庫管理，基于圖的智能推理分析技術建構決策能力，對接故障發生時傳入的狀态等資訊，在知識庫中推理計算，為故障搶修人員提供秒級故障研判、處置和相似案例推送的決策服務。

方案架構

提升故障搶修效率

當事故發生或災害突發時，大量的裝置故障異常，指揮中心和現場作業的原因盤點和處置方案拟定耗時耗力，搶修的多種資源難以有效發揮，利用故障維修決策引擎的精準分析服務，業務開展效率答複提升。

減少輸電經濟損失

通過故障修複效率的提升，大大縮短裝置故障處置修複的時間，無論對主網還是配網，可以有效通過故障修複快速恢複供電，減少了電網的輸電損失，也提高了客戶的用電服務滿意度，保障用電。

提升知識沉澱能力

工業智能化已經被提上日程的大背景下，利用人工智能技術，将企業中過去難以有效讓計算機處理的技術進行了分析和管理，并提供智能服務，形成了一個不斷可以裝入知識的虛拟大腦。

客戶案例

國家電網·浙江電力有限公司，縮短停電時間：通過智能故障輔助決策，使用者可以秒級擷取故障原因、處理等資訊，加快了對故障的定位和修複效率，減少輸電損失和降低電網運作風險。