[發明專利]用于廢水處理廠或飲用水廠的過程和資產健康診斷、異常檢測和控制的智能系統和方法

在審

• 申請號: 201780078171.8
• 申請日: 2017-10-09
• 公開（公告）號: CN110088619A
• 公開（公告）日: 2019-08-02
• 發明（設計）人: 夏子君;呂蘇;萬朝陽;王昱;畢喜婧;王國梁;唐傳友;朱志平;馬文超;董勤;王斯靖;李一松;凌佳佳
• 申請（專利權）人: BL科技有限責任公司
• 主分類號: G01N33/18
• 分類號: G01N33/18;G06F16/25;G06F16/2458
• 代理公司: 北京柏杉松知識產權代理事務所(普通合伙) 11413
• 代理人: 謝攀;劉繼富

1.一種智能水廠健康診斷異常檢測與控制方法，包括：

從水廠獲取數據；

對獲取的數據進行分析以對水廠進行健康診斷或異常檢測；以及

基于對水廠的健康診斷或異常檢測采取一個或更多個動作。

2.如權利要求1所述的方法，其中，所述水廠包含廢水處理廠或飲用水廠。

3.如權利要求1-2中任一項所述的方法，其中，從水廠獲取數據包括使用一個或更多個本地工廠流入傳感器、資產傳感器、過程傳感器、排放傳感器、實驗室測試、工廠動態或靜態模擬模型以及歷史數據和全球/云數據庫中心來獲取數據。

4.如權利要求1-3中任一項所述的方法，其中，對獲取的數據進行分析以對水廠進行健康診斷或異常檢測包括對獲取的數據應用一種或更多種診斷方法。

5.如權利要求4所述的方法，其中，所述一種或更多種診斷方法包括以下中的一種或更多種：監督學習、無監督學習、與模擬模型的交叉驗證、數據驅動模型、異常檢測和風險模式識別。

6.如權利要求5所述的方法，其中，所述監督學習的診斷方法包括從帶標簽的訓練數據推斷功能的機器學習任務。

7.如權利要求6所述的方法，其中，所述訓練數據獲取自根據水廠傳感器或模擬模型生成的歷史數據庫或在線數據庫。

8.如權利要求6所述的方法，其中，所述標簽包括以下中的一個或更多個：工廠健康狀態、風險水平、異常、問題、根本原因、污染物特征和緩解方案。

9.如權利要求6-8中任一項所述的方法，其中，所述監督學習的診斷方法從被數字化為數據集的歷史事件、人類經驗或模擬場景中學習診斷規則，所述歷史事件包括來自數據中心的本地和全球案例。

10.如權利要求9所述的方法，其中，實施所述監督學習的診斷方法以確定或預測日常運行中的工廠健康狀況。

11.如權利要求6-10中任一項所述的方法，其中，所述監督學習的診斷方法包括以下中的一個或更多個：決策樹；梯度提升決策樹(GBDT)/梯度提升回歸樹(GBRT)/多重累積回歸樹(MART)；人工神經網絡；卷積神經網絡(CNN)；循環神經網絡(RNN)；長短期記憶(LSTM)；門控循環單元(GRU)；支持向量機，包括諸如RBF等各種核方法、樸素貝葉斯分類、最大熵分類；集成學習方法，包括提升、自適應提升、套袋、隨機森林；線性回歸；邏輯回歸；高斯過程回歸；條件隨機域(CRF)；以及壓縮感知方法，例如基于稀疏表示的分類(SRC)。

12.如權利要求5所述的方法，其中，所述無監督學習的診斷方法包括從沒有標簽的數據集推斷功能的機器學習任務。

13.如權利要求12所述的方法，其中，從根據水廠傳感器或模擬模型生成的歷史或在線數據庫中獲取所述沒有標簽的數據集。

14.如權利要求13所述的方法，其中，通過所述無監督學習的診斷方法來確定以下中的一個或更多個：工廠健康狀況、風險水平、異常、問題、根本原因和緩解方案。

15.如權利要求12-14中任一項所述的方法，其中，所述無監督學習的診斷方法包括以下中的一種或多種：層次聚類、k均值、均值平移、譜聚類、奇異值分解(SVD)、主成分分析(PCA)、魯棒性主成分分析(RPCA)、獨立成分分析(ICA)、非負矩陣分解(NMF)、趨勢Loess分解(STL)、期望最大化(EM)、隱馬爾可夫模型(HMM)、高斯混合模型(GMM)、自動編碼器、變分自動編碼器(VAE)、生成對抗網絡(GAN)、深度信任網絡(DBN)、受限玻爾茲曼機(RBM)和最小絕對收縮和選擇運算符(LASSO)等等。