[發明專利]一種電廠設備健康評估模型的構建方法及裝置

有效

• 申請號: 202110386991.1
• 申請日: 2021-04-12
• 公開（公告）號: CN113221442B
• 公開（公告）日: 2022-08-30
• 發明（設計）人: 王立峰;趙俊;安佰京;孫永華;劉守剛;劉洪濤;李海斌;房玉偉;王凱
• 申請（專利權）人: 山東魯能軟件技術有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06Q10/06;G06Q50/06;G06K9/62;G06N3/08;G06F111/08
• 代理公司: 北京元本知識產權代理事務所(普通合伙) 11308
• 代理人: 李斌

1.一種電廠設備健康評估模型的構建方法，其特征在于，包括：

根據用戶配置的用于反映電廠目標設備運行狀態的多個相關參數，獲取每個相關參數的歷史數據，并根據所述每個相關參數的歷史數據，得到每個相關參數的訓練數據；

分別計算所述每個相關參數訓練數據的信息熵和條件熵，并利用所述信息熵和條件熵，得到所述每個相關參數訓練數據的互信息特征；

利用所述每個相關參數訓練數據的互信息特征，得到所述電廠目標設備每個相關參數的常權重；

利用預置的BP神經網絡回歸模型、所述每個相關參數的歷史數據和訓練數據，分別計算所述電廠目標設備每個相關參數的歷史殘差數據和訓練殘差數據；

利用所述電廠目標設備每個相關參數的歷史殘差數據和訓練殘差數據，分別計算所述電廠目標設備每個相關參數的不同參數評分分數對應的參數殘差閾值，并構建所述每個參數殘差閾值與對應的參數分數之間的非線性回歸關系；

通過對所述每個相關參數的歷史數據進行工況劃分，得到多個工況分類，并根據用戶配置的目標參數，計算每類工況下同類設備同類參數的參數均值和所述目標參數的最值；

利用所述電廠目標設備每個相關參數的常權重、所述每個參數殘差閾值與對應的參數分數之間的非線性回歸關系以及每類工況下同類設備同類參數的參數均值和所述目標參數的最值，構建電廠設備健康評估模型。

2.根據權利要求1所述的方法，其特征在于，所述目標參數的最值包括最大值、最小值及最優值。

3.根據權利要求1所述的方法，其特征在于，所述根據用戶配置的用于反映電廠目標設備運行狀態的多個相關參數，獲取每個相關參數的歷史數據，并根據所述每個相關參數的歷史數據，得到每個相關參數的訓練數據包括：

根據用戶配置的用于反映電廠目標設備運行狀態的多個相關參數，分別獲取所述電廠目標設備和與所述電廠目標設備同組的其它多個電廠設備的每個相關參數的歷史數據；

根據所述電廠目標設備的每個相關參數的歷史數據，得到所述電廠目標設備每個相關參數的訓練數據。

4.根據權利要求3所述的方法，其特征在于，所述分別計算所述每個相關參數訓練數據的信息熵和條件熵，并利用所述信息熵和條件熵，得到所述每個相關參數訓練數據的互信息特征包括：

計算所述每個相關參數訓練數據的信息熵；

在已知某一相關參數訓練數據的條件下，計算每個相關參數訓練數據的條件熵；

利用所述每個相關參數訓練數據的信息熵和所述每個相關參數訓練數據的條件熵，得到所述每個相關參數訓練數據的互信息特征。

5.根據權利要求1所述的方法，其特征在于，所述利用預置的BP神經網絡回歸模型、所述每個相關參數的歷史數據和訓練數據，分別計算所述電廠目標設備每個相關參數的歷史殘差數據和訓練殘差數據包括：

利用預置的BP神經網絡回歸模型和所述每個相關參數的歷史數據，計算所述每個相關參數歷史數據的評估值，同時利用預置的BP神經網絡回歸模型和所述每個相關參數的訓練數據，計算所述每個相關參數訓練數據的評估值；

根據所述每個相關參數的歷史數據和所述每個相關參數歷史數據的評估值，計算所述電廠目標設備每個相關參數的歷史殘差數據，同時根據所述每個相關參數的訓練數據和所述每個相關參數訓練數據的評估值，計算所述電廠目標設備每個相關參數的訓練殘差數據。

6.根據權利要求1所述的方法，其特征在于，所述利用所述電廠目標設備每個相關參數的歷史殘差數據和訓練殘差數據，分別計算所述電廠目標設備每個相關參數的不同參數評分分數對應的參數殘差閾值包括：

利用所述電廠目標設備每個相關參數的訓練殘差數據，計算所述電廠目標設備每個相關參數的第一參數評分分數對應的參數殘差閾值；

利用所述電廠目標設備每個相關參數的歷史殘差數據和預置的第一置信度和第二置信度，分別計算所述電廠目標設備每個相關參數的第二參數評分分數和第三參數評分分數對應的參數殘差閾值；

其中，所述第一參數評分分數＞所述第二參數評分分數＞所述第三參數評分分數，所述第一置信度＜所述第二置信度。