[發(fā)明專(zhuān)利]機(jī)組能效異常診斷方法、裝置以及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202111258009.9
• 申請(qǐng)日: 2021-10-27
• 公開(kāi)（公告）號(hào): CN114090352A
• 公開(kāi)（公告）日: 2022-02-25
• 發(fā)明（設(shè)計(jì)）人: 朱俊杰;王海明;任鑫;祝金濤;呂亮;武青;吳昊;李遙宇;夏春輝;張育鈞
• 申請(qǐng)（專(zhuān)利權(quán)）人: 中國(guó)華能集團(tuán)清潔能源技術(shù)研究院有限公司;華能（浙江）能源開(kāi)發(fā)有限公司清潔能源分公司
• 主分類(lèi)號(hào): G06F11/22
• 分類(lèi)號(hào): G06F11/22;G06N5/04
• 代理公司: 北京清亦華知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11201
• 代理人: 趙迪

1.一種機(jī)組能效異常診斷方法，其特征在于，包括：

獲取待檢測(cè)的機(jī)組運(yùn)行數(shù)據(jù)，其中，所述機(jī)組運(yùn)行數(shù)據(jù)包括多個(gè)能效狀態(tài)指標(biāo)；

根據(jù)預(yù)先確定的基準(zhǔn)區(qū)間，確定所述多個(gè)能效狀態(tài)指標(biāo)中的目標(biāo)異常能效指標(biāo)；以及

基于預(yù)先構(gòu)建的診斷知識(shí)庫(kù)，確定所述目標(biāo)異常能效指標(biāo)對(duì)應(yīng)的目標(biāo)非正常模式和造成所述目標(biāo)非正常模式的目標(biāo)故障原因及目標(biāo)維護(hù)方案，其中，所述診斷知識(shí)庫(kù)記錄異常能效指標(biāo)與非正常模式、故障原因及維護(hù)方案的關(guān)聯(lián)關(guān)系。

2.如權(quán)利要求1所述的方法，其特征在于，還包括：確定所述機(jī)組運(yùn)行數(shù)據(jù)所屬的目標(biāo)工況類(lèi)型，根據(jù)預(yù)先確定的基準(zhǔn)區(qū)間，確定所述多個(gè)能效狀態(tài)指標(biāo)中的目標(biāo)異常能效指標(biāo)，包括：

根據(jù)與所述目標(biāo)工況類(lèi)型對(duì)應(yīng)的基準(zhǔn)區(qū)間，確定所述多個(gè)能效狀態(tài)指標(biāo)中的目標(biāo)異常能效指標(biāo)。

3.如權(quán)利要求2所述的方法，其特征在于，根據(jù)預(yù)先確定的基準(zhǔn)區(qū)間，確定所述多個(gè)能效狀態(tài)指標(biāo)中的目標(biāo)異常能效指標(biāo)之前，還包括：

獲取機(jī)組樣本數(shù)據(jù)，所述機(jī)組樣本數(shù)據(jù)包括訓(xùn)練樣本數(shù)據(jù)和測(cè)試樣本數(shù)據(jù)；

基于目標(biāo)特征對(duì)所述訓(xùn)練樣本數(shù)據(jù)進(jìn)行K-均值聚類(lèi)，得到多種工況類(lèi)型；

采用多元高斯混合模型確定每種所述工況類(lèi)型對(duì)應(yīng)的樣本集合，所述樣本集合中的樣本屬于所述訓(xùn)練樣本數(shù)據(jù)；

根據(jù)所述樣本集合訓(xùn)練每種工況類(lèi)型的LSTM模型，并采用所述LSTM模型計(jì)算所述測(cè)試樣本數(shù)據(jù)的預(yù)測(cè)值；

根據(jù)所述測(cè)試樣本數(shù)據(jù)的實(shí)際值與所述預(yù)測(cè)值的殘差的倍數(shù)，確定所述基準(zhǔn)區(qū)間的上限和下限范圍。

4.如權(quán)利要求3所述的方法，其特征在于，基于目標(biāo)特征對(duì)所述訓(xùn)練樣本數(shù)據(jù)進(jìn)行K-均值聚類(lèi)之前，還包括：

對(duì)所述機(jī)組樣本數(shù)據(jù)進(jìn)行篩選，確定穩(wěn)態(tài)的機(jī)組樣本數(shù)據(jù)。

5.如權(quán)利要求1所述的方法，其特征在于，基于預(yù)先構(gòu)建的診斷知識(shí)庫(kù)，確定所述目標(biāo)異常能效指標(biāo)對(duì)應(yīng)的目標(biāo)非正常模式和造成所述目標(biāo)非正常模式的目標(biāo)故障原因及目標(biāo)維護(hù)方案，包括：

根據(jù)所述目標(biāo)異常能效指標(biāo)，確定目標(biāo)異常類(lèi)型；

將所述目標(biāo)異常類(lèi)型作為征兆，在所述診斷知識(shí)庫(kù)中查詢(xún)對(duì)應(yīng)的所述目標(biāo)非正常模式；

根據(jù)所述非正常模式，采用推理規(guī)則確定多個(gè)候選故障原因；以及

采用因果圖模型，從所述多個(gè)候選故障原因中確定所述目標(biāo)故障原因。

6.如權(quán)利要求4所述的方法，其特征在于，對(duì)所述機(jī)組樣本數(shù)據(jù)進(jìn)行篩選，確定穩(wěn)態(tài)的機(jī)組樣本數(shù)據(jù)，包括：根據(jù)以下公式確定所述穩(wěn)態(tài)的機(jī)組樣本數(shù)據(jù)：

其中，p_t代表所述機(jī)組樣本數(shù)據(jù)中t時(shí)刻測(cè)量值，p_r代表t時(shí)刻輸出功率的真實(shí)值，λ代表t時(shí)刻輸出功率的的變化速率，ε代表輸出功率的隨機(jī)誤差。

7.如權(quán)利要求1所述的方法，其特征在于，還包括：

確定新出現(xiàn)的故障案例，其中，所述故障案例包括新的異常類(lèi)型與非正常模式、故障原因及維護(hù)方案的關(guān)聯(lián)關(guān)系；以及

將所述故障案例更新至所述診斷知識(shí)庫(kù)。

8.一種機(jī)組能效異常診斷裝置，其特征在于，包括：

第一獲取模塊，用于獲取待檢測(cè)的機(jī)組運(yùn)行數(shù)據(jù)，其中，所述機(jī)組運(yùn)行數(shù)據(jù)包括多個(gè)能效狀態(tài)指標(biāo)；

第一確定模塊，用于根據(jù)預(yù)先確定的基準(zhǔn)區(qū)間，確定所述多個(gè)能效狀態(tài)指標(biāo)中的目標(biāo)異常能效指標(biāo)；以及

第二確定模塊，用于基于預(yù)先構(gòu)建的診斷知識(shí)庫(kù)，確定所述目標(biāo)異常能效指標(biāo)對(duì)應(yīng)的目標(biāo)非正常模式和造成所述目標(biāo)非正常模式的目標(biāo)故障原因及目標(biāo)維護(hù)方案，其中，所述診斷知識(shí)庫(kù)記錄異常能效指標(biāo)與非正常模式、故障原因及維護(hù)方案的關(guān)聯(lián)關(guān)系。

9.如權(quán)利要求8所述的裝置，其特征在于，所述裝置還包括：第三確定模塊，用于確定所述機(jī)組運(yùn)行數(shù)據(jù)所屬的目標(biāo)工況類(lèi)型，所述第一確定模塊，具體用于：根據(jù)與所述目標(biāo)工況類(lèi)型對(duì)應(yīng)的基準(zhǔn)區(qū)間，確定所述多個(gè)能效狀態(tài)指標(biāo)中的目標(biāo)異常能效指標(biāo)。