开源开放 | 区域供冷供热系统及空调系统知识图谱
OpenKG地址：http://openkg.cn/dataset/less
开放许可协议：CC BY-SA 4.0 （署名相似共享）
贡献者：浙江大学（赵阳，李婷婷，章超波）
1、背景
区域供冷供热系统及空调系统领域涉及知识面较广，包括基础理论知识（例如热力学和流体力学等）、经验知识（例如故障异常的先验概率）、领域知识（例如设备和系统的热力过程）、诊断知识（征兆和异常故障间的机理）和统计学知识等。为实现知识的通用性描述问题，有如下问题需要解决：如何合理精简供热供冷领域知识范畴恰到好处满足数据分析诊断所需；如何用一种通用的方法将精简的知识融合到一个统一知识框架内，并能够让人和计算机都能够理解和推理；如何保证知识框架有足够的灵活性，能够实现知识的有机融合，支持进一步数据分析诊断。
知识图谱是一种计算机能够“理解”的知识描述方法，它建立了从人类知识通向计算机“认知”的桥梁。它以符号形式对特定领域共有的概念和概念关系进行抽象，并形成具有概念化、形式化、明确性和共享性特征的规范说明，从而提供对该领域知识的共同理解。知识图谱技术已经在在金融、客户服务和医疗等多个领域得到了成功应用，例如基于知识图谱的IBM的沃森系统2011年在智力问答竞赛节目赢了人类冠军。近些年来，学术和产业界普遍认识到知识图谱对于开发人工智能解决方案的重要作用。例如，国务院《新一代人工智能发展规划》中明确提到 “重点突破知识加工…实现对知识持续增量的自动获取，具备概念识别、实体发现、属性预测、知识演化建模和关系挖掘能力，形成涵盖数十亿实体规模的多源、多学科和多数据类型的跨媒体知识图谱”。知识图谱技术能够解决当前区域供热供冷领域亟需解决的知识描述方法和构建数据理解及推理框架两个核心基础理论问题，基于知识图谱技术，一方面可以实现最大程度的知识复用；一方面可以实现复杂智能的知识计算，为大数据分析诊断和运行规律识别提供知识推理支持。
2、区域供冷供热系统及空调系统知识图谱构建过程
利用知识图谱可以实现区域供冷供热系统及空调系统的数据分析和异常检测。知识图谱的构建过程主要包括：构建领域本体的定义、定义异常检测规则、建立基于知识图谱的数据分析与异常检测方法。
（1）构建领域本体的定义
本体的构建主要包括类和属性的构建。
类是本体构建中最基础的元素，一般通过搭建类层次结构来实现类本体的构建。类层次结构的建立采用自顶向下的方法，即先定义领域内通用的类，再通过对已有类的详细划分形成子类，子类下面继续衍生子类，从而形成一个树形结构的类层次结构。以区域供冷供热系统及空调系统为例，该领域的基本概念可抽象为Equipment（设备）、Sensor（传感器）、Location（位置）、Datapoint（数据点位）和Anomaly（异常）五个顶级类，每个顶级类下面又根据其特性依次细化不同的子类；每一级子类又可以继续向下划分，例如，热力设备包括冷机、锅炉、冷却塔、换热器等；动力设备包括风机、水泵等；附属设备包括执行器、风管、水管等；组合式设备包括空气处理机组、变风量末端等。构建的具体类层次结构如图1所示。
图1 区域供冷供热系统及空调系统类层次结构图
本体中的属性描述了客观世界中个体与个体之间的关联关系，其包括对象属性和数据属性。对象属性用来描述物理个体之间的关联关系，数据属性用来描述物理个体的状态特征。除此之外，对象属性具有传递性、对称性和非对称性等特性，使得对本体的表达更强大。区域供冷供热系统及空调系统领域，具体的属性本体构建如下表1所示。
表1 区域供冷供热系统及空调系统领域本体中的属性定义
| 名称 | 类型 | 定义域 | 值域 | 注释 |
| hasPart | 对象属性；传递性、非对称性 | Equipment | Equipment | 描述设备的元件组成 |
| feeds | 对象属性；传递性、非对称性 | Equipment | Equipmen；Location | 描述介质（如空气、水）或能量的流向 |
| hasSensor | 对象属性 | Equipment；Location | Sensor | 描述设备或位置上布置的传感器 |
| hasDatapoint | 对象属性 | Equipment; Location; Sensor | Datapoint | 描述设备、位置和传感器上传到数据采集模块的数据点位 |
| isLocatedIn | 对象属性 | Equipment；Location | Location | 描述设备的地理/物理位置，以及物理位置的地理位置 |
| isInSeriesWith | 对象属性；传递性、对称性 | Equipment | Equipment | 描述设备的串联关系 |
| isInParallelWith | 对象属性；传递性、对称性 | Equipment | Equipment | 描述设备的并联关系 |
| hasStatus | 数据属性 | Equipment | Boolean | 读取设备的运行状态 |
| hasValue | 数据属性 | Datapoint | Float | 读取数据点位的数值 |
利用构建的类本体和属性本体，将区域供冷供热系统及空调系统领域知识以图的形式表现出来，如图2所示，其中，类表示为节点，对象属性表示为有向边并从定义域所包含的类指向值域所包含的类。
图 2 区域供冷供热系统及空调系统领域顶级类和属性
（2）定义异常检测规则
语义规则利用已构建本体，将推理逻辑编译成表示“前提”和“结论”推导关系的程序代码，从而实现自动推理。“前提”和“结论”都是由元素组成。语义规则实现自动推理的原理如下：如果前提中的元素都为真，则结论中的元素也都为真；否则结论中的元素不成立。其中元素主要包括有三种：类元素、属性元素和逻辑运算元素。类元素由一个类名称和该类的一个变量实例组成，变量实例以“？”开头附以字母表示。例如，类元素(?e rdf:type ont:Equipment)用来判断是否存在一个Equipment类的变量实例?e；属性元素由一个属性名称和两个变量实例组成。例如，(?e ont:hasSensor ?s) 用来判断设备变量实例?e和传感器变量实例?s之间是否存在hasSensor的对象属性关系；逻辑运算元素由一个内置函数和输入运算的变量实例组成，例如，difference(?a, ?b, ?c)表示将变量实例?a和变量实例?b作差并赋差值给?c。
当“前提”中的元素都为真时，语义规则就会被激活，输出结论里的“元素”。利用语义规则可以进行运行异常检测、控制异常检测、设备故障异常检测、传感器故障检测等等。如图3所示，就是通过定义的相关规则进行运行异常检测，具体是检测空气处理机送风温度过高运行异常问题。
图3 检测空气处理机送风温度过高运行异常的检测规则
（3）建立基于知识图谱的数据分析与异常检测方法
首先构建知识图谱：1、为实际系统中的设备、传感器等生成对应类；然后，根据系统中的设备组织结构，用对象属性进行连接；最后，将采集得到的实时数据通过数据属性映射到相应的类上。以检测某房间室内温度异常实例，生成如图4所示的知识图谱。
图4 基于知识图谱的异常检测实例
知识图谱生成之后，运行异常检测语义规则，语义规则一旦被激活，就会输出对应结论，得到异常部件的相关信息和异常问题的类型。
3、应用
知识图谱的构建可依托于软件Protégé。Protégé是由美国斯坦福大学开发的一个Java开源的知识图谱编辑工具，它提供了知识图谱建模的基本功能。以区域供热供冷系统故障诊断知识图谱的构建过程为例，最核心的概念可抽象为设备、传感器、位置、数据点位和能效问题五个顶级类，每个顶级类下面又根据其特性依次细化不同的子类，如下所示。
（a）
（b）
（c）
（d）
（e）
Protégé中构建的区域供热供冷系统知识图谱：（a）设备类；（b）传感器类；（c）位置类；（d）数据点位类；（e）能效问题类
上述知识图谱已经整理并上传至中文开放知识图谱社区OpenKG.CN，下载链接为http://openkg.cn/dataset/less，如下图所示。
贡献者：
本知识图谱贡献者是浙江大学赵阳研究员，其团队致力于通过深度融合人工智能和能源领域理论开发出智慧能源“大脑”，具备复杂运行条件下自主性预测、规划、推理、诊断、评估和决策能力，助力双碳目标下的能源系统高效节能。
OpenKG
OpenKG（中文开放知识图谱）旨在推动以中文为核心的知识图谱数据的开放、互联及众包，并促进知识图谱算法、工具及平台的开源开放。
点击阅读原文，进入 OpenKG 网站。