CN108119757A - 一种对燃气调压器状态进行监控的实现方法 - Google Patents

Abstract

本发明公开了一种对燃气调压器状态进行监控的实现方法，该实现方法包括如下步骤，步骤1，利用经验模态分解方法处理燃气调压器的出口压力信号，以得到能量矩数据；步骤2，通过专家对上述出口压力信号对应的表纸进行分析，以得到决策结果数据；步骤3，将能量矩数据和决策结果数据进行对应组合，从而形成多组样本数据，通过样本数据训练支持向量机；步骤4，基于训练后的支持向量机建立安全预警模型；步骤5，通过安全预警模型实现对燃气调压器的自动监控。相对于现有技术，本发明不仅省去了大量的人力物力，而且具有准确率高、可靠性强、效率高等突出优点；另外，随着本发明长时间的使用，预警准确率会不断提高。

Description

一种对燃气调压器状态进行监控的实现方法

技术领域

本发明涉及燃气输配技术领域，更为具体地，本发明为一种对燃气调压器状态进行监控的实现方法。

背景技术

燃气调压器的安全预警是为了设备安全运行、在某种灾害或危险到来之前采取的特定的预防措施。目前，常规的燃气调压器安全预警方法主要包括技师进行人工判定和根据燃气调压器的相关参数进行自动判定两种。

但是，人工判定效率过低、投入人力成本过大，而且判断结果不稳定，判定结果容易受到技师主观因素的影响；而常规的自动判定方法准确度却达不到要求，经常会出现误报的情况，其准确性较差。

因此，如何有效提高燃气调压器的安全预警的准确性和可靠性、提高判定效率、降低成本投入，成为了本领域技术人员亟待解决的技术问题和始终研究的重点。

发明内容

为解决现有燃气调压器的安全预警方法存在的准确度低、可靠性差、成本投入高、判定效率低等问题，本发明提出一种对燃气调压器状态进行监控的实现方法，创新地将支持向量机应用于燃气调压器状态的预警监控上，从而极大提高了安全预警的准确性和可靠性，具有判断效率非常高且成本投入低等突出优点。

为实现上述技术目的，本发明公开了一种对燃气调压器状态进行监控的实现方法，所述实现方法包括如下步骤，

步骤1，利用经验模态分解方法处理燃气调压器的出口压力信号，以得到能量矩数据；

步骤2，通过专家对上述出口压力信号对应的表纸进行分析，以得到决策结果数据；

步骤3，将能量矩数据和决策结果数据进行对应组合，从而形成多组样本数据，通过所述样本数据训练支持向量机；

步骤4，基于训练后的支持向量机建立安全预警模型；

步骤5，通过所述安全预警模型实现对燃气调压器的自动监控。

进一步地，步骤1中，利用经验模态分解方法分解所述出口压力信号，得到多个窄带分量，然后通过在时间轴上对所述多个窄带分量进行积分的方式得到作为所述能量矩数据的多个能量矩值。

进一步地，步骤3包括如下步骤，

步骤31，初始化支持向量机中的分类器参数；

步骤32，从所述样本数据中划分出训练验证集，基于10折交叉验证的方法，将训练验证集中的任意1个子集作为验证集、其余9个子集作为训练集；通过输入所述训练集训练支持向量机，通过输入所述验证集得到支持向量机的预测结果数据，将所述预测结果数据与所述验证集中的决策结果数据进行比较，计算预测结果数据的准确率，从而得到10个准确率，计算10个准确率的平均准确率；

步骤33，判断所有分类器参数是否全部被使用，如果是，则执行步骤34；如果否，则更新分类器参数，返回步骤32；

步骤34，最高平均准确率对应的分类器参数作为待使用的最佳参数。

基于上述改进的技术方案，本发明有效提高了分类器分类的准确率，从而提高了对燃气调压器状态监控的准确率和可靠性。

进一步地，步骤3还包括如下步骤，

步骤35，将样本数据中除训练验证集外的数据作为测试集，基于网格搜索的方法，利用所述测试集优化所述最佳参数，将优化后的分类器参数作为训练后的支持向量机中的分类器参数。

基于上述改进的技术方案，本发明实现了对分类器参数的优化，得到最优参数，提高了训练后的支持向量机的泛化能力。

进一步地，所述样本数据按4：1的比例划分为训练验证集和测试集。

进一步地，步骤4中，所述安全预警模型中包含三个分类器，且所述三个分类器按照层级关系设置、用于确定燃气调压器的具体状态，所述具体状态包括低频故障预警、低频故障报警、高频故障预警、高频故障报警、正常。

基于上述改进的技术方案，本发明能够对不同类型的故障进行明确的报警或提醒。

进一步地，所述实现方法还包括如下步骤，

步骤6，自动预警成功后，利用成功预警过程中获得的能量矩数据和预警结果数据优化安全预警模型。

基于上述改进的技术方案，本发明能进一步提高预测结果的准确率，一般来说，步骤1至5建立的安全预警模型准确率可达76％，随着本发明长时间的使用，预警准确率会不断的提高。

本发明的有益效果为：本发明通过训练支持向量机的方式实现对燃气调压器状态的监控，完成对燃气调压器的安全预警工作，相对于现有技术，本发明不仅省去了大量的人力物力，而且具有准确率高、可靠性强、效率高等突出优点；另外，随着本发明长时间的使用，预警准确率会不断提高。

附图说明

图1为对燃气调压器状态进行监控的实现方法的流程示意图。

具体实施方式

下面结合说明书附图对本发明的对燃气调压器状态进行监控的实现方法进行详细的解释和说明。

如附图1所示，本发明公开了一种对燃气调压器状态进行监控的实现方法，该实现方法包括如下步骤。

步骤1，利用经验模态分解方法处理燃气调压器的出口压力信号，以得到能量矩数据；本实施例中，利用经验模态分解方法分解出口压力信号，得到多个窄带分量，然后通过在时间轴上对多个窄带分量进行积分的方式得到作为能量矩数据的多个能量矩值。更为具体来说，本发明采用的经验模态分解(EMD)方法能够使出口压力信号平稳化，根据出口压力信号自身特点，提取出该信号内的固有模态函数，具体通过逐级分解出口压力信号中各种不同尺度的波动得到多个窄带分量，即本征模态函数(Intrinic Mode Funetion，IMF)，本发明考虑到窄带分量在时间轴上的分布特点，将窄带分量在时间轴上积分后得到能量矩值Ei，能量矩是一种既包含了原始数据信号的频率变化情况，又包含了能量在时间轴上分布特征的特征向量组；通过多种故障数据的分析，找出不同故障在能量矩数值大小的差异以及各能量矩所占比例的不同，以此来作为调压器安全预警的判据。一般来说，5至8个能量矩值组成用于表征燃气调压器运行状态的特征向量。

本发明中使用的燃气调压器出口压力数据可为1440个/天，即每分钟取值一次。

步骤2，通过专家对上述出口压力信号对应的表纸进行分析，以得到决策结果数据；本发明以专家判定结果作为参照库，对实施本发明的故障诊断主机中的安全预警模型采用支持向量机的方法进行机器学习。

步骤3，将能量矩数据和决策结果数据进行对应组合，从而形成多组样本数据，通过样本数据训练支持向量机；本实施例中，训练支撑向量机的过程具体可包括如下步骤：

步骤31，初始化支持向量机中的分类器参数，比如，分类器中的参数C和g的范围均设置为[2^-10，2¹⁰]，步长均设置为0.5。

步骤32，从样本数据中划分出训练验证集，本实施例中，将样本数据按4：1的比例划分为训练验证集和测试集。基于10折交叉验证的方法，将训练验证集中的任意1个子集作为验证集、其余9个子集作为训练集；通过输入训练集训练支持向量机，通过输入验证集得到支持向量机的预测结果数据，将预测结果数据与验证集中的决策结果数据进行比较，计算预测结果数据的准确率，然后再更换9次子集，重复上述步骤，从而得到10个准确率，计算10个准确率的平均准确率。

步骤33，判断所有分类器参数是否全部被使用，如果是，则执行步骤34；如果否，则更新分类器参数(采用一个新的、未使用的分类器参数)，然后返回步骤32。

步骤34，对于上述得到的多个分类器参数，将其中最高平均准确率对应的分类器参数作为待使用的最佳参数。

为提高分类器参数设置的合理性和对燃气调压器状态监控的准确性，本发明对上述的最佳参数做了进一步优化，如步骤35。

步骤35，将样本数据中除训练验证集外的数据作为测试集，基于网格搜索的方法，利用测试集优化最佳参数，即：遍历网格搜索方法中涉及的所有的点作为结束条件，然后将优化后的分类器参数作为训练后的支持向量机中的分类器参数。

步骤4，基于训练后的支持向量机建立安全预警模型，可在故障主机中实施。在本实施例中，安全预警模型中包含三个分类器10-CV-Grid SVM1、10-CV-Grid SVM2、10-CV-Grid SVM3，且三个分类器按照层级关系设置、用于确定燃气调压器的具体状态，比如，先将燃气调压器状态分为“正常”、“故障”，再把“故障”分为“故障预警”、“故障报警”，再把“故障预警”分为“低频故障预警”、“高频故障预警”以及把“故障报警”分为“低频故障报警”、“高频故障报警”；因此，本发明涉及的具体状态包括低频故障预警、低频故障报警、高频故障预警、高频故障报警、正常。

步骤5，通过安全预警模型实现对燃气调压器的自动监控，将待判定的出口压力信号的能量矩数据输入至安全预警模型中，则安全预警模型可自动输出监控的结果，无需人工干预。

步骤6，自动预警成功后，利用成功预警过程中获得的能量矩数据和预警结果数据优化安全预警模型，从而进一步提高本发明的预警和监控的准确性和可靠性。

在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。在本说明书的描述中，参考术语“本实施例”、“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明实质内容上所作的任何修改、等同替换和简单改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种对燃气调压器状态进行监控的实现方法，其特征在于：所述实现方法包括如下步骤，

步骤1，利用经验模态分解方法处理燃气调压器的出口压力信号，以得到能量矩数据；

步骤2，通过专家对上述出口压力信号对应的表纸进行分析，以得到决策结果数据；

步骤3，将能量矩数据和决策结果数据进行对应组合，从而形成多组样本数据，通过所述样本数据训练支持向量机；

步骤4，基于训练后的支持向量机建立安全预警模型；

步骤5，通过所述安全预警模型实现对燃气调压器的自动监控。

2.根据权利要求1所述的对燃气调压器状态进行监控的实现方法，其特征在于：

步骤1中，利用经验模态分解方法分解所述出口压力信号，得到多个窄带分量，然后通过在时间轴上对所述多个窄带分量进行积分的方式得到作为所述能量矩数据的多个能量矩值。

3.根据权利要求2所述的对燃气调压器状态进行监控的实现方法，其特征在于：步骤3包括如下步骤，

步骤31，初始化支持向量机中的分类器参数；

步骤32，从所述样本数据中划分出训练验证集，基于10折交叉验证的方法，将训练验证集中的任意1个子集作为验证集、其余9个子集作为训练集；通过输入所述训练集训练支持向量机，通过输入所述验证集得到支持向量机的预测结果数据，将所述预测结果数据与所述验证集中的决策结果数据进行比较，计算预测结果数据的准确率，从而得到10个准确率，计算10个准确率的平均准确率；

步骤33，判断所有分类器参数是否全部被使用，如果是，则执行步骤34；如果否，则更新分类器参数，返回步骤32；

步骤34，最高平均准确率对应的分类器参数作为待使用的最佳参数。

4.根据权利要求3所述的对燃气调压器状态进行监控的实现方法，其特征在于：步骤3还包括如下步骤，

步骤35，将样本数据中除训练验证集外的数据作为测试集，基于网格搜索的方法，利用所述测试集优化所述最佳参数，将优化后的分类器参数作为训练后的支持向量机中的分类器参数。

5.根据权利要求4所述的对燃气调压器状态进行监控的实现方法，其特征在于：所述样本数据按4：1的比例划分为训练验证集和测试集。

6.根据权利要求5所述的对燃气调压器状态进行监控的实现方法，其特征在于：

步骤4中，所述安全预警模型中包含三个分类器，且所述三个分类器按照层级关系设置、用于确定燃气调压器的具体状态，所述具体状态包括低频故障预警、低频故障报警、高频故障预警、高频故障报警、正常。

7.根据权利要求1或6所述的对燃气调压器状态进行监控的实现方法，其特征在于：所述实现方法还包括如下步骤，

步骤6，自动预警成功后，利用成功预警过程中获得的能量矩数据和预警结果数据优化安全预警模型。