[發(fā)明專利]一種水電廠安全生產(chǎn)人工智能報(bào)警方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202111150022.2
• 申請(qǐng)日: 2021-09-29
• 公開（公告）號(hào): CN113887799A
• 公開（公告）日: 2022-01-04
• 發(fā)明（設(shè)計(jì)）人: 秦飛;溫國(guó)強(qiáng);王韶群;呂志來(lái)
• 申請(qǐng)（專利權(quán)）人: 北京許繼電氣有限公司
• 主分類號(hào): G06Q10/04
• 分類號(hào): 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

本發(fā)明實(shí)施例提供了一種水電廠安全生產(chǎn)人工智能報(bào)警方法，所述方法包括：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。本發(fā)明技術(shù)方案屬于人工智能領(lǐng)域。上述技術(shù)方案結(jié)合人工智能技術(shù)，采用神經(jīng)網(wǎng)絡(luò)算法自動(dòng)獲取水電廠運(yùn)行健康標(biāo)準(zhǔn)，對(duì)全廠生產(chǎn)設(shè)備進(jìn)行監(jiān)視與跟蹤，對(duì)偏離健康標(biāo)準(zhǔn)的設(shè)備運(yùn)行狀態(tài)進(jìn)行報(bào)警，大大減輕電站人員工作負(fù)擔(dān)，為實(shí)現(xiàn)超大型水電機(jī)組的“無(wú)人值守、少人值班”奠定基礎(chǔ)。

技術(shù)領(lǐng)域

本發(fā)明屬于涉及信息技術(shù)領(lǐng)域，尤其涉及一種水電廠安全生產(chǎn)人工智能報(bào)警方法。

背景技術(shù)

隨著社會(huì)信息化進(jìn)程的發(fā)展，越來(lái)越多的領(lǐng)域都廣泛應(yīng)用了各種電子化設(shè)備；特別是各種監(jiān)測(cè)、監(jiān)控領(lǐng)域，能夠極大的提高監(jiān)測(cè)的實(shí)時(shí)性。

但是長(zhǎng)期以來(lái)，該水電廠計(jì)算機(jī)監(jiān)控系統(tǒng)數(shù)據(jù)報(bào)警機(jī)制都是簡(jiǎn)單的狀態(tài)變位和模擬量越限報(bào)警。粗放的報(bào)警機(jī)制使監(jiān)控系統(tǒng)產(chǎn)生大量過(guò)程數(shù)據(jù)報(bào)警，如模擬量臨界值的反復(fù)刷屏報(bào)警和設(shè)備操作過(guò)程狀態(tài)變遷報(bào)警，眾多過(guò)程數(shù)據(jù)堆積在屏幕上導(dǎo)致運(yùn)行人員無(wú)法在第一時(shí)間確認(rèn)關(guān)鍵信息。

發(fā)明內(nèi)容

針對(duì)現(xiàn)有技術(shù)中對(duì)于水電站監(jiān)控領(lǐng)域存在的問(wèn)題，本發(fā)明實(shí)施例的目的是提供一種水電廠安全生產(chǎn)人工智能報(bào)警方法。

為了解決上述問(wèn)題，本發(fā)明實(shí)施例提出了一種水電廠安全生產(chǎn)人工智能報(bào)警方法，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(duì)水電廠特定的運(yùn)行設(shè)備，建立設(shè)備對(duì)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(shí)抽取輔助設(shè)備運(yùn)行的保護(hù)數(shù)據(jù)；通過(guò)方差與偏差計(jì)算剔除明顯異常的測(cè)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(duì)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(guò)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(duì)工況數(shù)據(jù)進(jìn)行處理，得到健康標(biāo)準(zhǔn)；實(shí)時(shí)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(shí)，觸發(fā)實(shí)時(shí)報(bào)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(duì)工況數(shù)據(jù)進(jìn)行處理，獲得過(guò)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(duì)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(shì)，預(yù)測(cè)未來(lái)數(shù)年設(shè)備運(yùn)行的可能情況，當(dāng)未來(lái)某年的預(yù)測(cè)數(shù)據(jù)超出額定限值時(shí)予以報(bào)警。

其中，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(dòng)作次數(shù)Xi；采用相同方法，獲得目標(biāo)時(shí)間斷內(nèi)連續(xù)n日運(yùn)行數(shù)據(jù)，形成動(dòng)作次數(shù)數(shù)組X；通過(guò)方差計(jì)算獲取數(shù)組的中間值M；遍歷數(shù)組計(jì)算Xi對(duì)M的偏差δXi，當(dāng)偏差超過(guò)額定數(shù)值時(shí)認(rèn)為Xi無(wú)效，以此方法過(guò)濾設(shè)備運(yùn)行數(shù)據(jù)中的無(wú)效信息，避免采集設(shè)備異常造成的數(shù)據(jù)影響，得到動(dòng)作次數(shù)有效數(shù)組X’；針對(duì)X’所有元素X’i獲取對(duì)應(yīng)時(shí)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(guò)漏水相關(guān)泵組設(shè)備動(dòng)作數(shù)據(jù)的統(tǒng)計(jì)數(shù)據(jù)進(jìn)行計(jì)算得到，因此按照設(shè)備動(dòng)作分析的方式對(duì)數(shù)據(jù)按日分組統(tǒng)計(jì)，統(tǒng)計(jì)結(jié)果計(jì)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(dòng)作時(shí)間Xi；采用相同方法，獲得目標(biāo)時(shí)間斷內(nèi)連續(xù)n日運(yùn)行數(shù)據(jù)，形成動(dòng)作時(shí)間數(shù)組X；獲取數(shù)組的中間值M；遍歷數(shù)組計(jì)算Xi對(duì)M的偏差δXi，當(dāng)偏差超過(guò)額定數(shù)值時(shí)認(rèn)為Xi無(wú)效，得到動(dòng)作時(shí)間有效數(shù)組X’；同理獲得停止時(shí)間有效數(shù)組Y’；通過(guò)漏水量計(jì)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(duì)L所有元素Li獲取對(duì)應(yīng)時(shí)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。

其中，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(guò)誤差反向傳播，進(jìn)行自動(dòng)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。