CN110046182A - 一种巨型水电厂智能报警阈值设置方法及系统 - Google Patents

Abstract

本发明公开了一种巨型水电厂智能报警阈值设置方法，首先获取水电厂各系统的动态数据、具体参数和状态信息；然后获取水电厂各系统的报警阈值，最后根据报警阈值监测各系统数据，如果超过报警阈值，则发出报警信号；如果没有超过报警阈值，则返回重新循环。本发明提供的方法通过大数据计算及趋势分析进行智能报警阀值设置，使得报警系统更加稳定、合理；智能报警阀值设置实现了动态数据平台、计算机监测系统的联动，有效的整合了电厂资源，提升了电厂的信息化及智能化水平，大大降低运维人员的日常工作量，也为设备的提前预警，机组的长周期安全稳定运行、提供了保障。

Description

一种巨型水电厂智能报警阈值设置方法及系统

技术领域

本发明涉及水电厂智能监测技术领域，特别是一种巨型水电厂智能报警阈值设置方法。

背景技术

随着近年来企业信息化的日趋成熟，云计算、大数据、人工智能等新一代信息技术的广泛运用，以及智能电网全面建设和智能技术的高速发展，数据采集、分析技术已较为成熟；小湾水电厂目前建设有动态数据平台，将各个生产系统数据进行整合、收集，为水电厂设备故障预警和预判、报警阀值的自动设置提供了很好的基础，但是目前各个系统的报警阀值还是采用了人工判断、人工设置方式，自动化智能化水平较低。

发明内容

本发明的目的是提出一种巨型水电厂智能报警阈值设置方法；本发明的目的之二是提出一种巨型水电厂智能报警阈值设置系统。该方法用于水电厂的智能监控，通过智能报警阀值设置达到水电厂无人值班。

本发明的目的之一是通过以下技术方案来实现的：

本发明提供的巨型水电厂智能报警阈值设置方法，包括以下步骤：

获取水电厂各系统的动态数据、具体参数和状态信息；

获取水电厂各系统的报警阈值；

根据报警阈值监测各系统数据，如果超过报警阈值，则发出报警信号；

如果没有超过报警阈值，则返回重新循环。

进一步，所述报警阈值利用迭代学习控制方法来获取，具体按照以下步骤获取：

获取报警定值初始值；

获取上一次报警定值和误差信息修正定值；

根据预设策略进行多次迭代得到报警定值；

判断报警定值是否达到预设阈值，如果没有，则返回重新循环；

如果达到，则输出报警阈值。

进一步，所述各系统包括采集计算机监控系统、水情监测系统、电能量监测系统、环境监测系统、状态监测系统、电抗器监测系统、主变在线监测系统、保信子站监测系统；

所述各系统采集的信息输入到数据库存储；针对每一个单一数据均具备平均值、最大值、最小值等统计分析功能，同时可采用例如采用小波分析、神经网络法对历史数据进行分析和处理；系统通过数据分析及自学习，根据当前机组状态，自动对相应设备及报警阀值自适应修改。

进一步，所述阀值自动设置按照以下步骤来实现：

首先设置报警阈值的上界和下界，并输入到神经网络单元中；

将设备实际工况状态作为输出；

通过对比存在关联的上下游多个测点的预测结果与实际结果之间误差，并对作为输入的告警阈值上界和下界进行修正，实现告警阈值的迭代优化。

本发明的目的之二是通过以下技术方案来实现的：

本发明提供的巨型水电厂智能报警阈值设置系统，包括工控机，所述工控机包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现以下步骤：

获取水电厂各系统的动态数据、具体参数和状态信息；

获取水电厂各系统的报警阈值；

根据报警阈值监测各系统数据，如果超过报警阈值，则发出报警信号；

如果没有超过报警阈值，则返回重新循环。

进一步，所述报警阈值利用迭代学习控制方法来获取，具体按照以下步骤获取：

获取报警定值初始值；

获取上一次报警定值和误差信息修正定值；

根据预设策略进行多次迭代得到报警定值；

判断报警定值是否达到预设阈值，如果没有，则返回重新循环；

如果达到，则输出报警阈值。

进一步，所述各系统包括采集计算机监控系统、水情监测系统、电能量监测系统、环境监测系统、状态监测系统、电抗器监测系统、主变在线监测系统、保信子站监测系统；

所述各系统采集的信息输入到数据库存储；针对每一个单一数据均具备平均值、最大值、最小值等统计分析功能，同时可采用例如采用小波分析、神经网络法对历史数据进行分析和处理；系统通过数据分析及自学习，根据当前机组状态，自动对相应设备及报警阀值自适应修改。

进一步，所述阀值自动设置按照以下步骤来实现：

首先设置报警阈值的上界和下界，并输入到神经网络单元中；

将设备实际工况状态作为输出；

通过对比存在关联的上下游多个测点的预测结果与实际结果之间误差，并对作为输入的告警阈值上界和下界进行修正，实现告警阈值的迭代优化。

由于采用了上述技术方案，本发明具有如下的优点：

本发明提供方法是通过报警阀值自动设置，有效避免了无效告警或不合理告警值对正常运行值班工作的干扰和影响；通过大数据计算及趋势分析进行智能报警阀值设置，使得报警系统更加稳定、合理；智能报警阀值设置实现了动态数据平台、计算机监测系统的联动，有效的整合了电厂资源，提升了电厂的信息化及智能化水平，大大降低运维人员的日常工作量，也为设备的提前预警，机组的长周期安全稳定运行、提供了保障。实现了动态数据平台、计算机监测系统的联动，有效的整合了电厂资源，提升了电厂的信息化及智能化水平，大大降低运维人员的日常工作量，也为设备的提前预警，机组的长周期安全稳定运行、提供了保障。

本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。

附图说明

本发明的附图说明如下。

图1为系统部署图。

图2为整体功能图。

图3为设计方法与思路。

图中，1表示动态数据平台系统数据库服务器、2表示计算机监控系统SCADA主机；3表示动态数据平台系统应用服务器连接、4表示机组LCU、5表示各系统服务器或主机。

具体实施方式

下面结合附图和实施例对本发明作进一步说明。

图1为系统部署图：图2为整体功能图：本实施例提供的巨型水电厂智能报警阈值设置方法，包括以下步骤：

获取水电厂各系统的动态数据、具体参数和状态信息；

获取水电厂各系统的报警阈值，所述报警阈值是利用迭代学习控制方法来获取的，具体如下：将前一次或前几次测得的误差信息修正定值输入，使得报警定值逐渐趋近合理，根据策略进行多次迭代，并具备自学习和人为修正的功能，以此反复，最终实现报警阈值智能设置；

根据报警阈值监测各系统数据，如果超过报警阈值，则发出报警信号；

如果没有超过报警阈值，则返回重新循环。

所述报警阈值利用迭代学习控制方法来获取，具体按照以下步骤获取：

获取报警定值初始值；

获取上一次报警定值和误差信息修正定值；

根据预设策略进行多次迭代得到报警定值；

判断报警定值是否达到预设阈值，如果没有，则返回重新循环；

如果达到，则输出报警阈值。

所述各系统包括采集计算机监控系统、水情监测系统、电能量监测系统、环境监测系统、状态监测系统、电抗器监测系统、主变在线监测系统、保信子站监测系统；

所述各系统采集的信息输入到数据库存储；针对每一个单一数据均具备平均值、最大值、最小值等统计分析功能，同时可采用例如采用小波分析、神经网络法对历史数据进行分析和处理；系统通过数据分析及自学习，根据当前机组状态，自动对相应设备及报警阀值自适应修改。

由于采集的数据中可能会出现无效数据，因此在在分析处理处理之前需要有效过滤掉这些无效数据，所以采用数据优化分析算法，逐渐形成合理的设备报警定值，使整个系统报警更加稳定、合理。用大数据回归分析算法，采用多元信息迭代、自学习技术，实现报警阈值自适应自动修改方法，使得报警阈值设定智能化，并具备无用数据自动过滤功能，自动提出科学合理的报警阈值。通过报警阀值自动设置，有效避免了无效告警或不合理告警值对正常运行值班工作的干扰和影响；通过大数据计算及趋势分析进行智能报警阀值设置，使得报警系统更加稳定、合理。

图3为报警阀值自动设置方法，图中的信息网络机房设置有动态数据平台系统数据库服务器和计算机监控系统SCADA主机；分别通过数据总线与动态数据平台系统应用服务器连接；通过无线网络与机组LCU和各系统服务器或主机通信连接。本实施例提供的阀值自动设置按照以下步骤来实现：

首先设置报警阈值的上界和下界，并输入到神经网络单元中；

将设备实际工况状态作为输出；

通过对比存在关联的上下游多个测点的预测结果与实际结果之间误差，并对作为输入的告警阈值上界和下界进行修正，实现告警阈值的迭代优化。

本实施例的在现有的动态数据平台系统环境中，增加一台工控机，该工控机上用来进行运行数据的采集及分析，并根据分析进行报警值自动设置，并进行报警值的自适应修改，并支持人工干预。

本实施例供的阈值自动设置使得阈值具有有效性，避免不当告警及告警缺失问题；同时该算法具有鲁棒性，抗干扰能力强；算法具有收敛性，确保找到最优解；初始值的设定是历史记录数据优选。

本实施例提供的报警阈值分为停机状态和非停机状态，包括正常带、一级报警带、二级报警带、三级报警带。设置关键设备的操作动作与超时时间；该系统具有定值设定智能化，具备自学习和自纠功能，能存储历史测点数据库，自动过滤无参考性的数据(主要针对发电态各负荷段定值，取消停机态数据等)，提出科学、合理的建议预警定值。针对管理员，在曲线查看界面，提供对该测点报警阈值的修改。针对测点报警，提供启用和停用设计，按照机组的状态。支持批量修改，并自动记录修改信息。

具备相关量配置，即将几个测点设置成一个组，有曲线查询的时候，方便相关量一次选择多条曲线。支持根据报表类型进行权限设置，便于数据维护，如相关测点更新、增加或删除功能。后台操作系统必须采用正版的主流服务器操作系统，且满足现场智能运维云系统开发、维护功能需求。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的保护范围当中。

Claims (8)

1.一种巨型水电厂智能报警阈值设置方法，其特征在于：包括以下步骤：

获取水电厂各系统的动态数据、具体参数和状态信息；

获取水电厂各系统的报警阈值；

根据报警阈值监测各系统数据，如果超过报警阈值，则发出报警信号；

如果没有超过报警阈值，则返回重新循环。

2.如权利要求1所述的巨型水电厂智能报警阈值设置方法，其特征在于：所述报警阈值利用迭代学习控制方法来获取，具体按照以下步骤获取：

获取报警定值初始值；

获取上一次报警定值和误差信息修正定值；

根据预设策略进行多次迭代得到报警定值；

判断报警定值是否达到预设阈值，如果没有，则返回重新循环；

如果达到，则输出报警阈值。

3.如权利要求1所述的巨型水电厂智能报警阈值设置方法，其特征在于：所述各系统包括采集计算机监控系统、水情监测系统、电能量监测系统、环境监测系统、状态监测系统、电抗器监测系统、主变在线监测系统、保信子站监测系统；

所述各系统采集的信息输入到数据库存储；针对每一个单一数据均具备平均值、最大值、最小值等统计分析功能，同时可采用例如采用小波分析、神经网络法对历史数据进行分析和处理；系统通过数据分析及自学习，根据当前机组状态，自动对相应设备及报警阀值自适应修改。

4.如权利要求1所述的巨型水电厂智能报警阈值设置方法，其特征在于：所述阀值自动设置按照以下步骤来实现：

首先设置报警阈值的上界和下界，并输入到神经网络单元中；

将设备实际工况状态作为输出；

通过对比存在关联的上下游多个测点的预测结果与实际结果之间误差，并对作为输入的告警阈值上界和下界进行修正，实现告警阈值的迭代优化。

5.一种巨型水电厂智能报警阈值设置系统，包括工控机，所述工控机包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现以下步骤：

获取水电厂各系统的动态数据、具体参数和状态信息；

获取水电厂各系统的报警阈值；

根据报警阈值监测各系统数据，如果超过报警阈值，则发出报警信号；

如果没有超过报警阈值，则返回重新循环。

6.如权利要求5所述的巨型水电厂智能报警阈值设置系统，其特征在于：所述报警阈值利用迭代学习控制方法来获取，具体按照以下步骤获取：

获取报警定值初始值；

获取上一次报警定值和误差信息修正定值；

根据预设策略进行多次迭代得到报警定值；

判断报警定值是否达到预设阈值，如果没有，则返回重新循环；

如果达到，则输出报警阈值。

7.如权利要求5所述的巨型水电厂智能报警阈值设置系统，其特征在于：所述各系统包括采集计算机监控系统、水情监测系统、电能量监测系统、环境监测系统、状态监测系统、电抗器监测系统、主变在线监测系统、保信子站监测系统；

所述各系统采集的信息输入到数据库存储；针对每一个单一数据均具备平均值、最大值、最小值等统计分析功能，同时可采用例如采用小波分析、神经网络法对历史数据进行分析和处理；系统通过数据分析及自学习，根据当前机组状态，自动对相应设备及报警阀值自适应修改。

8.如权利要求5所述的巨型水电厂智能报警阈值设置系统，其特征在于：所述阀值自动设置按照以下步骤来实现：

首先设置报警阈值的上界和下界，并输入到神经网络单元中；

将设备实际工况状态作为输出；

通过对比存在关联的上下游多个测点的预测结果与实际结果之间误差，并对作为输入的告警阈值上界和下界进行修正，实现告警阈值的迭代优化。