[發明專利]一種多源關聯數據的預警預測方法、存儲介質及電子設備

在審

• 申請號: 202110229890.3
• 申請日: 2021-03-02
• 公開（公告）號: CN112949181A
• 公開（公告）日: 2021-06-11
• 發明（設計）人: 李建清;袁靜;田若朝;靳帥;張潔雅
• 申請（專利權）人: 國能大渡河枕頭壩發電有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06Q10/04;G06Q10/06;G06Q50/06
• 代理公司: 成都睿道專利代理事務所(普通合伙) 51217
• 代理人: 蔣麗

1.一種多源關聯數據的預警預測方法，應用于水電站的技術供水系統，其特征在于，所述方法包括：

基于經過預處理的多組技術供水系統參數輸入至技術供水系統趨勢預測模型，獲得溫度趨勢參數和流量趨勢參數，其中，所述溫度趨勢參數用于表述所述技術供水系統中的軸瓦溫度變化趨勢，所述流量趨勢參數用于表述所述技術供水系統中的流量變化趨勢；

根據所述溫度趨勢參數和所述流量趨勢參數判斷軸瓦溫度是否超過預設閾值，若是，使用軸承冷卻水流量優化分配模型自動優化調節冷卻水流量。

2.根據權利要求1所述的多源關聯數據的預警預測方法，其特征在于，所述技術供水系統趨勢預測模型包括：技術供水系統故障預測模型和軸瓦溫度預測模型，所述技術供水系統故障預測模型用于根據所述多組技術供水系統參數的變化趨勢預測所述技術供水系統可能出現的故障，所述軸瓦溫度預測模型用于根據所述多組技術供水系統參數的變化趨勢預測所述技術供水系統中的軸瓦溫度變化趨勢。

3.根據權利要求2所述的多源關聯數據的預警預測方法，其特征在于，建立所述技術供水系統故障預測模型，包括：

分析多組技術供水系統參數間的相關性，獲得多組相關系數；

將多組技術供水系統參數作為訓練集以及所述多組相關系數同時輸入至若干個第一機器學習模型進行訓練建模，獲得技術供水系統故障預測訓練模型，其中，所述第一機器學習模型包括：基于線性回歸懲罰系數的Lasso回歸算法模型、隨機森林算法模型及可擴展梯度提升樹正則化算法模型；

將多組技術供水系統參數作為測試集輸入所述技術供水系統故障預測訓練模型以評估模型的泛化能力，獲得所述技術供水系統故障預測模型，其中，所述訓練集與所述測試集為不同時間內的多組技術供水系統參數。

4.根據權利要求2所述的多源關聯數據的預警預測方法，其特征在于，建立所述軸瓦溫度預測模型，包括：

分析所述多組技術供水系統參數的時間序列平穩性，確定所述技術供水系統參數的差分階數；以及根據多組技術供水系統參數的所述相關系數，確定多組技術供水系統參數的轉換系數；

將多組經過特征處理的技術供水系統參數作為訓練集輸入至若干個第二機器學習模型進行訓練建模，以及將所述多組技術供水系統參數處理成時間序列模型的時間序列格式，并輸入至基于技術供水系統參數中的溫度參數初始化的時間序列模型中，基于若干個第二機器學習模型與時間序列模型的映射關系，獲得軸瓦溫度預測模型，其中，所述第二機器學習模型包括：基于線性回歸懲罰系數的Lasso回歸算法模型、隨機森林算法模型及可擴展梯度提升樹正則化算法模型。

5.根據權利要求4所述的多源關聯數據的預警預測方法，其特征在于，所述基于經過預處理的多組技術供水系統參數輸入至技術供水系統趨勢預測模型，獲得溫度趨勢參數和流量趨勢參數，包括：

將經過預處理的多組技術供水系統參數同時輸入至所述技術供水系統故障預測模型和所述軸瓦溫度預測模型進行預測；

建立預測結果評估模型，對所述技術供水系統故障預測模型和所述軸瓦溫度預測模型的預測結果進行評估，選取最優預測模型；

根據所述最優預測模型的輸出值確定出所述溫度趨勢參數和所述流量趨勢參數。

6.根據權利要求1所述的多源關聯數據的預警預測方法，其特征在于，建立所述軸承冷卻水流量優化分配模型，包括：

分析所述技術供水系統中的軸承冷卻器冷卻管的流量與軸瓦溫度間的關系，建立軸瓦溫度與流量特征因素相關的關系樹圖譜；

基于多組所述技術供水系統參數以及軸瓦溫度與流量特征因素相關的關系樹圖譜，使用若干種第三機器學習模型進行建模并進行訓練和測試，獲得所述軸承冷卻水流量優化分配模型，其中，所述第三機器學習模型包括嶺回歸算法模型、隨機森林算法模型及可擴展梯度提升樹正則化算法模型。