[發(fā)明專利]一種水電廠安全生產(chǎn)人工智能報警方法

在審

• 申請?zhí)枺?/td>: 202111150022.2
• 申請日: 2021-09-29
• 公開（公告）號: CN113887799A
• 公開（公告）日: 2022-01-04
• 發(fā)明（設(shè)計）人: 秦飛;溫國強(qiáng);王韶群;呂志來
• 申請（專利權(quán)）人: 北京許繼電氣有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/06;G06N5/04;G06N3/08;G06N3/04
• 代理公司: 北京立成智業(yè)專利代理事務(wù)所(普通合伙) 11310
• 代理人: 張厚山

1.一種水電廠安全生產(chǎn)人工智能報警方法，其特征在于，包括：歷史數(shù)據(jù)抽取步驟、神經(jīng)網(wǎng)絡(luò)推理步驟、預(yù)警告警輸出步驟；

歷史數(shù)據(jù)抽取步驟包括：針對水電廠特定的運(yùn)行設(shè)備，建立設(shè)備對象模型，抽取設(shè)備運(yùn)行的工況信息和目標(biāo)信息；并同時抽取輔助設(shè)備運(yùn)行的保護(hù)數(shù)據(jù)；通過方差與偏差計算剔除明顯異常的測量數(shù)據(jù)，形成樣本數(shù)據(jù)；

神經(jīng)網(wǎng)絡(luò)推理步驟包括：按照汛期、非汛期以及年份，建立多套深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)；將所述樣本數(shù)據(jù)輸入對應(yīng)的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)，完成樣本訓(xùn)練，以獲得具有特征信息的神經(jīng)網(wǎng)絡(luò)推理機(jī)；其中，神經(jīng)網(wǎng)絡(luò)推理的過程能夠構(gòu)建出推理引擎包括：模式匹配器、議程和執(zhí)行引擎；

預(yù)警告警輸出包括：根據(jù)當(dāng)前的月份采用最新的汛期或非汛期的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)對工況數(shù)據(jù)進(jìn)行處理，得到健康標(biāo)準(zhǔn)；實(shí)時監(jiān)視跟蹤設(shè)備的運(yùn)行數(shù)據(jù)，當(dāng)設(shè)備運(yùn)行偏離健康標(biāo)準(zhǔn)時，觸發(fā)實(shí)時報警；并根據(jù)當(dāng)前月份，采用不同年份下的汛期或非汛期神經(jīng)網(wǎng)絡(luò)推理機(jī)分別對工況數(shù)據(jù)進(jìn)行處理，獲得過往年度的健康數(shù)據(jù)的變化情況，形成新的樣本數(shù)據(jù)；并建立新的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的推理機(jī)，對新的樣本數(shù)據(jù)進(jìn)行訓(xùn)練，挖掘出設(shè)備運(yùn)行的趨勢，預(yù)測未來數(shù)年設(shè)備運(yùn)行的可能情況，當(dāng)未來某年的預(yù)測數(shù)據(jù)超出額定限值時予以報警。

2.根據(jù)權(quán)利要求1所述的水電廠安全生產(chǎn)人工智能報警方法，其特征在于，所述歷史數(shù)據(jù)抽取步驟包括：

從歷史數(shù)據(jù)中獲取目標(biāo)設(shè)備在i日的動作次數(shù)Xi；采用相同方法，獲得目標(biāo)時間斷內(nèi)連續(xù)n日運(yùn)行數(shù)據(jù)，形成動作次數(shù)數(shù)組X；通過方差計算獲取數(shù)組的中間值M；遍歷數(shù)組計算Xi對M的偏差δXi，當(dāng)偏差超過額定數(shù)值時認(rèn)為Xi無效，以此方法過濾設(shè)備運(yùn)行數(shù)據(jù)中的無效信息，避免采集設(shè)備異常造成的數(shù)據(jù)影響，得到動作次數(shù)有效數(shù)組X’；針對X’所有元素X’i獲取對應(yīng)時間下工況數(shù)據(jù)Zi2…Zin，并將X’i賦給Z i1，形成特征二維數(shù)組Z；其中漏水量數(shù)據(jù)不能直接從水電廠運(yùn)行數(shù)據(jù)中獲取，必須通過漏水相關(guān)泵組設(shè)備動作數(shù)據(jù)的統(tǒng)計數(shù)據(jù)進(jìn)行計算得到，因此按照設(shè)備動作分析的方式對數(shù)據(jù)按日分組統(tǒng)計，統(tǒng)計結(jié)果計算得到漏水量數(shù)據(jù)；

從歷史數(shù)據(jù)中獲取目標(biāo)設(shè)備在i日的動作時間Xi；采用相同方法，獲得目標(biāo)時間斷內(nèi)連續(xù)n日運(yùn)行數(shù)據(jù)，形成動作時間數(shù)組X；獲取數(shù)組的中間值M；遍歷數(shù)組計算Xi對M的偏差δXi，當(dāng)偏差超過額定數(shù)值時認(rèn)為Xi無效，得到動作時間有效數(shù)組X’；同理獲得停止時間有效數(shù)組Y’；通過漏水量計算公式f(X’i，Y’i)獲得i日的漏水量Li；從而得到漏水量數(shù)組L；針對L所有元素Li獲取對應(yīng)時間下工況數(shù)據(jù)Zi2…Zin，并將Li賦給Zi1，形成特征二維數(shù)組Z。

3.根據(jù)權(quán)利要求1所述的水電廠安全生產(chǎn)人工智能報警方法，其特征在于，神經(jīng)網(wǎng)絡(luò)推理步驟包括：

將樣本數(shù)組Z輸入神經(jīng)網(wǎng)絡(luò)推理機(jī)進(jìn)行訓(xùn)練；通過誤差反向傳播，進(jìn)行自動學(xué)習(xí)，修改各節(jié)點(diǎn)的連接權(quán)和相應(yīng)節(jié)點(diǎn)的閾值，直到誤差小于規(guī)定的值。

4.根據(jù)權(quán)利要求3所述的水電廠安全生產(chǎn)人工智能報警方法，其特征在于，神經(jīng)網(wǎng)絡(luò)推理步驟中，神經(jīng)網(wǎng)絡(luò)推理采用演繹法，包括：

從一個初始的事實(shí)出發(fā)，不斷地應(yīng)用規(guī)則得出結(jié)論或執(zhí)行指定的動作，其中所述事實(shí)為預(yù)警或報警，所述演繹法包括：

將通過歷史數(shù)據(jù)抽取獲取的樣本數(shù)據(jù)Fact，輸入工作內(nèi)存Working Memory；

使用模式匹配器Pattern Matcher比較規(guī)則庫Rule Base中的規(guī)則Rule和數(shù)據(jù)Fact；如果執(zhí)行規(guī)則存在沖突Conflict，即同時激活了多個規(guī)則，將沖突的規(guī)則放入沖突集合Conflict Set；

解決沖突，將激活的規(guī)則按順序放入議程Agenda進(jìn)行相關(guān)次序的編排；

使用執(zhí)行引擎Execution Engine議程Agenda中的規(guī)則；重復(fù)上述步驟直到執(zhí)行完畢所有議程Agenda中的規(guī)則。