CN111899119A - 一种面向燃煤电厂的智能报警抑制方法及系统 - Google Patents
一种面向燃煤电厂的智能报警抑制方法及系统 Download PDFInfo
- Publication number
- CN111899119A CN111899119A CN202010550713.0A CN202010550713A CN111899119A CN 111899119 A CN111899119 A CN 111899119A CN 202010550713 A CN202010550713 A CN 202010550713A CN 111899119 A CN111899119 A CN 111899119A
- Authority
- CN
- China
- Prior art keywords
- alarm
- correlation
- information
- degree
- correlation degree
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000001629 suppression Effects 0.000 title claims abstract description 31
- 238000004364 calculation method Methods 0.000 claims abstract description 53
- 238000012216 screening Methods 0.000 claims abstract description 23
- 239000011159 matrix material Substances 0.000 claims abstract description 16
- 238000012163 sequencing technique Methods 0.000 claims abstract description 12
- 238000010586 diagram Methods 0.000 claims description 15
- 238000007781 pre-processing Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 5
- 230000010365 information processing Effects 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 4
- 230000005764 inhibitory process Effects 0.000 abstract description 6
- 238000004458 analytical method Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000001364 causal effect Effects 0.000 description 2
- 239000012141 concentrate Substances 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 239000002655 kraft paper Substances 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9038—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Evolutionary Computation (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Probability & Statistics with Applications (AREA)
- Computational Linguistics (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开的一种面向燃煤电厂的智能报警抑制方法及系统，本发明先对火力发电厂的历史报警信息与逻辑组态信息进行预处理，然后根据预处理后的数据计算得到两两报警点之间的时延相关度、KKS位号相关度和逻辑相关度，再对时延相关度、KKS位号相关度和逻辑相关度进行加权计算，得到综合相关度矩阵；对实时产生的大量报警信息进行抑制时，通过两次筛选，三次排序，对同时产生的大量实时报警信息聚类成簇后压缩显示最关键的若干个报警；最后输出抑制后的结果集，实现对报警的抑制，解决了报警泛滥现象。
Description
技术领域
本发明涉及大型火力发电厂软件领域，涉及一种报警信息抑制方法，尤其涉及一种面向燃煤电厂的智能报警抑制方法及系统。
背景技术
目前在火力发电领域，中大型火力发电厂普遍使用分散控制系统DCS(Distributed Control System)。DCS软件是DCS的一部分，一套成熟的DCS软件包括逻辑组态系统、画面组态系统、编译下装系统、画面监控系统、报警管理系统、实时数据库系统等。但是，现有的DCS并不支持智能控制，且存在人机交互不友好等诸多问题。究其原因，是DCS使用至今，并未发生大的变革，仍沿用几十年前的技术来解决新时代的问题。
故障报警是指对异常工况的反映，包括系统报警和过程报警。首先由工程师对设备通过逻辑组态设置报警点，逻辑组态是指拖拽图元组合成控制回路，拖拽完成后可对回路中的设备创建变量，设置相应的报警点。然后编译下装到下位机，当下位机采集到的数据超过工程师设置的报警点范围，上位机便会产生报警信息。理论上，工程师会根据现场需要对设备设置相应的报警点。但是，为了保证火力发电厂安全稳定的运行，工程师往往会尽可能多地设置报警点。同时，技术的进步，使火力发电厂监测点大幅增加，操作员需管理的测点大大增加。这两个因素直接会导致报警点数剧增，最终导致在实时报警监控画面中同时大量出现报警，使操作员手忙脚乱，无法集中精力处理报警信息，这在报警系统中称为报警泛滥现象。
在火力发电厂现场，报警泛滥现象十分普遍。报警泛滥是指大量冗余、重复的无效报警在实时报警一览表中同时出现，而相互冗余、重复的报警信息在本质上是由同一故障源产生的，属于同源报警。这类报警信息之间存在着关联性与相似性，业内普遍使用聚类算法、因果分析算法、组成成分分析算法等来解决报警泛滥问题。报警泛滥掩盖了真正重要的报警，导致操作员或工程师无法集中精力解决重要报警，大大增加了火力发电厂事故发生的概率。现在市面上传统的DCS软件自带的报警管理系统也有报警抑制的功能，但其仅仅是通过使用一些硬编码的报警抑制规则来对报警信息进行抑制。而现在市面上新兴的独立的报警管理系统提供智能报警抑制，如YOKOGAWA就提出了一种AAASuite(动态报警管理)来自动减少报警数量，但其由于缺少过程知识、逻辑组态图以及报警位号，抑制的效果并不十分理想。目前很多算法进行挖掘时考虑的维度比较单一化，一般只是对单维度的报警信息进行深入挖掘，而没有对多个维度进行综合考虑。
发明内容
针对大型火力发电厂报警泛滥现象，本发明提供一种面向燃煤电厂的智能报警抑制方法及系统，以解决传统DCS报警软件无法智能抑制泛滥信息的问题。
本发明通过以下技术方案来实现：
一种面向燃煤电厂的智能报警抑制方法，包括如下步骤：
S1、对火力发电厂的历史报警信息与逻辑组态信息进行预处理；
S2、使用预处理后的历史报警信息计算得到两两报警点之间的时延相关度；
S3、使用预处理后的历史报警信息与逻辑组态信息计算得到两两报警点之间的KKS位号相关度；
S4、使用预处理后的历史报警信息与逻辑组态信息计算得到两两报警点之间的逻辑相关度；
S5、使用加权系数对S2、S3、S4得到的三个相关度进行加权计算，得到最终的综合相关度，呈现为综合相关度矩阵的形式；其中，加权系数可采用现场工程师输入的加权系数；
S6、当现场大量报警信息同时产生时，对实时报警信息进行第一次筛选，筛选时保留未消失的实时报警信息，然后执行步骤S7；
S7、对筛选后的实时报警信息进行第二次筛选：筛选时，使用基于簇间距选择中心点的K-MEDOIDS算法，根据上文计算出的综合相关度作为距离参数，对未消失的实时报警信息进行聚类，得到若干个同源报警簇，然后执行步骤S8；
S8、进行第一次排序：根据人工优先级对得到的若干个同源报警簇进行簇内降序排序，然后执行步骤S9；
S9、进行第二次排序：根据报警紧急程度对S8得到的相同优先级的簇内同源报警信息降序排序，然后执行步骤S10；
S10、进行第三次排序：根据实时报警产生的时间对相同优先级且相同紧急程度的簇内同源报警信息降序排序；
S11、输出降序排序后的报警簇。
优选的，所述的时延相关度通过下面的过程计算：
使用该公式计算相应时段的报警协相关度A(x，y，m，n)。Pmax为报警时延为最大距离间隔，参考动态入侵报警的时延相关性研究，Pmax可设定为30Min，Pmin为报警时延为最小距离间隔，m为报警点的个数，n为报警信息数。两个报警点的报警协相关度A(x，y)为所有相应时段报警协相关度A(x，y，m，n)之和。在得到两两之间的报警协相关度之后，可以使用报警协相关度A(x，y，m，n)公式计算出自时延相关度。对于报警点x的自时延相关度只需要将上式中的报警点y换成报警点x，即得到报警点x的自时延相关度为A(x，x，m，n)，对所有的相应时段报警自相关度相加即得到报警自相关度A(x，x)。
最后，通过归一化处理得到报警的时延相关度D(x，y)，具体计算公式如下：
其中，A(x，y)表示报警点x与y的报警协时延相关度，A(x，x)与A(y，y)分别表示报警点x与报警点y的报警自时延相关度。归一化处理后，D(x，y)可保证值在[0，1]。特别的，对于未发生过报警的报警点，用公式计算得不到结果，即无法表示其时延相关度，对这类报警点，D(x，y)可另行标记，如标记为-1，以区别发生过报警的报警点。
优选的，KKS位号相关度K计算公式如下：
其中，simPAG(x，y)表示报警点x与报警点y段号的交集，numPAG(x，y)表示报警x与报警点y段号的并集。故K的取值为[0，1]。
优选的，逻辑相关度L计算公式如下：
simLOG(x，y)表示报警点x与报警点y同时出现在逻辑组态图中的次数，minLOG(x，y)表示报警点x与报警点y中单个报警点存在逻辑组态图中的最小次数。故L的取值为[0，1]。
优选的，综合相关度R计算公式如下：
R＝oD+pK+qLR
其中D表示时延相关度，o表示其加权系数；K表示KKS位号相关度，p表示其加权系数；L表示逻辑相关度，q表示其加权系数。
优选的，使用的聚类算法为基于簇间距选择中心点的K-MEDOIDS算法，使用SAD来度量聚类效果的优劣，SAD的计算公式如下：
其中，k表示聚类簇个数，Ci表示第i个簇，pi表示第i个簇中的对象，oi表示第i个簇的中心点，Dist(pi，oi)表示第i个簇中一个对象点到簇中心点的距离。
优选的，报警紧急程度emergencyDegree计算公式如下：
emergencyDegree＝currentTime-occurTime-handingTimee
报警紧急程度的计算是对报警产生时间occurTime、报警处理所需时间handingTime与当前时间currentTime三者的关系进行分析。根据紧急度emergencyDegree的大小选择最紧急的报警进行显示。
本发明还提供了一种用于实现本发明上述面向燃煤电厂的智能报警抑制方法的系统，该系统包括：
预处理模块：用于对火力发电厂的历史报警信息与逻辑组态信息进行预处理；
时延相关度计算模块：用于使用预处理后的历史报警信息计算得到两两报警点之间的时延相关度；
KKS位号相关度计算模块：用于使用预处理后的历史报警信息与逻辑组态信息计算得到两两报警点之间的KKS位号相关度；
逻辑相关度计算模块：用于使用预处理后的历史报警信息与逻辑组态信息计算得到两两报警点之间的逻辑相关度；
综合相关度矩阵计算模块：用于对两两报警点之间的时延相关度、KKS位号相关度和逻辑相关度进行加权计算，得到综合相关度矩阵；
第一筛选模块：用于对现场同时产生的报警信息进行筛选，保留未消失的报警信息；
第二筛选模块：用于使用基于簇间距选择中心点的K-MEDOIDS算法，根据综合相关度矩阵对第一筛选模块筛选得到的未消失的报警信息进行聚类，得到若干个同源报警簇；
第一排序模块：用于根据人工优先级对得到的若干个同源报警簇进行簇内降序排序；
第二排序模块：用于根据报警紧急程度对第一排序模块排序得到的相同优先级的簇内同源报警信息降序排序；
第三排序模块：用于根据实时报警产生的时间对相同优先级且相同紧急程度的簇内同源报警信息降序排序；
输出模块：用于输出第三排序模块排序后的报警簇。
与现有技术相比，本发明具有以下有益的技术效果：
本发明的面向燃煤电厂的智能报警抑制方法中，将多个维度的电厂报警系统已有的报警信息进行深入挖掘，通过加权计算，提高模型准确率，实现更精准的同源报警信息抑制；同时在对实时报警进行聚类时，使用基于簇间距选择中心点的K-MEDOIDS算法，在初始化中心中心点时大大减少计算量，从而提升了计算效率，能在更短的时间内对同时产生的大量报警信息进行智能抑制。
附图说明
图1为本发明面向燃煤电厂的智能报警抑制方法的流程图。
具体实施方式
下面结合附图对本发明做进一步的详细说明，所述是对本发明的解释而不是限定。
本发明面向燃煤电厂的智能报警抑制方法，包括以下步骤：
步骤1、对火力发电厂的历史报警信息与逻辑组态信息进行预处理。
主要包括对历史报警信息的导出，对历史报警信息特征的抽取；对逻辑组态信息的导出，对逻辑组态图中的相应报警点特征的抽取。
步骤2、对智能报警抑制算法所需的距离模型进行训练。
具体的，输入训练的历史报警信息以及逻辑组态导出数据以及工程师提供的加权系数，计算得到综合相关度矩阵。
具体包括如下步骤：
1)、计算时延相关度。
具体的，时延相关度表示两个报警点在历史所有报警情况下的时间相关性，其可近似反映出报警的因果关系，故可以作为模型训练的一方面。而对于火力发电厂若使用传统的时延相关度计算成本将非常大，比如有m个报警点，每个报警点产生了n条报警信息，则传统的时延相关度计算的时间复杂度为
故为了减少其计算的时间复杂度，可先对报警信息提前进行抽象提取。将时间抽象成一条时间轴，将每个报警点所产生的所有报警信息投影到时间轴上，投影的结果以Pmin为最小距离间隔进行划分，若该报警点在间隔时段内产生了报警，该时段对应的抽象序列映射位即为1，反之为0。
在抽取出每个报警点对应的抽象序列后，对报警点进行时延相关度D(x，y)计算。报警时延相关度计算分为三步。先对两两报警点之间进行时延协相关度A(x，y)计算，再对报警点自时延相关度计算，最后通过自时延相关度对两两报警点之间的时延协相关度进行归一化，得到最终的时延相关度。
计算协时延相关度根据公式(1)，当报警点x对应的第m个抽象序列位为1且报警点y对应的第n个抽象序列位为1时，使用公式(1)计算相应时段的报警协相关度A(x，y，m，n)。Pmax为报警时延为最大距离间隔，参考动态入侵报警的时延相关性研究，Pmax设定为30Min，Pmin为报警时延为最小距离间隔。两个报警点的报警协相关度A(x，y)为所有相应时段报警协相关度A(x，y，m，n)之和。
2)、计算KKS位号相关度。
具体的，KKS位号相关度K表示报警点之间在功能、工艺或安装位置的关联关系。KKS是由德国电厂相关人员开发的，全称Kraftwerk-Kennzeichensystem，意为“电厂标识系统”。在火力发电厂现场，所有的报警点位号都是根据KKS规范来设计的，KKS编码标识分为三类，包括工艺标识、安装点标识与位置标识。其中安装点标识与位置标识并不能直接表明报警点之间的相关性，故本发明设计的算法只取报警点的工艺相关标识进行相关度进行计算。KKS工艺相关标识可抽象为16位的字符序列，并可根据KKS工艺相关标识编码规则图将其抽象成4段。由火力发电厂现场经验可知，如#1机组与#2机组是相互独立的机组，故在计算KKS位号相关度时只考虑同机组下的报警点之间的相关度，即只对段号1相同的报警点进行KKS位号相关度计算。对于剩下的3个段号序列，结合Jaccard相似系数，计算出KKS位号相关度K，计算公式见公式(2)。其中，simPAG(x，y)表示报警点x与报警点y段号的交集，numPAG(x，y)表示报警x与报警点y段号的并集。故K的取值为[0，1]。
3)、计算逻辑相关度。
具体的，火力发电厂中工程师设计的逻辑组态图用来控制火力发电厂运行，逻辑组态图中的报警点之间在机理上有相关性，故可从逻辑组态中进行分析，获得相应的逻辑相关度L，逻辑相关度计算公式见公式(3)。simLOG(x，y)表示报警点x与报警点y同时出现在逻辑组态图中的次数，minLOG(x，y)表示报警点x与报警点y中单个报警点存在逻辑组态图中的最小次数。故L的取值为[0，1]。
4)、计算综合相关度。
具体的，综合相关度R由上述时延相关度、KKS位号相关度以及逻辑相关度经过加权计算得到，具体计算公式如公式(4)所示。其中D表示时延相关度，o表示其加权系数；K表示KKS位号相关度，p表示其加权系数；L表示逻辑相关度，q表示其加权系数。
R＝oD+pK+qLR (4)
步骤3、保存综合相关度矩阵。
步骤4、对实时产生的报警信息进行抑制。
具体的，通过两次筛选，三次排序，对同时产生的大量实时报警信息聚类成簇后压缩显示最关键的10个报警。具体包括以下步骤：
1)、对已消失的报警进行第一次筛选。
具体的，只保留未消失的报警。
2)、进行第二次筛选
具体的，使用基于簇间距选择中心点的K-MEDOIDS算法根据计算出的综合相关度作为距离参数，对未消失的实时报警信息进行聚类，使用绝对差值和SAD来度量聚类效果的优劣，SAD的具体计算公式见公式(5)。式中，k表示聚类簇个数，Ci表示第i个簇，pi表示第i个簇中的对象，oi表示第i个簇的中心点，Dist(pi，oi)表示第i个簇中一个对象点到簇中心点的距离。
3)、第一次排序。
具体的，根据人工优先级降序排序簇内实时报警信息。
4)、第二次排序。
具体的，根据报警紧急程度降序排序簇内实时报警信息。报警紧急程度的计算是对报警产生时间occurTime、报警处理所需时间handingTime与当前时间currentTime三者的关系进行分析。根据紧急度emergencyDegree的大小选择最紧急的报警进行显示，报警紧急度公式见公式(6)
emergencyDegree＝currentTime-occurTime-handingTimee (6)
5)、第三次排序。
具体的，根据报警产生时间降序排序簇内实时报警信息。
步骤5、输出抑制后的结果集。
具体的，包括抑制后的10个簇的所有实时报警信息。
输出的结果集能够桌面应用程序进行人机交互界面的展示，能够满足大型火力发电厂现场操作员对报警泛滥问题进行抑制查看的需求，已经现场工程师提出的准确率需求，同时提供了一个可视化桌面应用程序对抑制结果进行展示。
本发明面向燃煤电厂的智能报警抑制的系统包括：
预处理模块：用于对火力发电厂的历史报警信息与逻辑组态信息进行预处理；预处理主要包括对历史报警信息的导出，对历史报警信息特征的抽取；对逻辑组态信息的导出，对逻辑组态图中的相应报警点特征的抽取。
时延相关度计算模块：用于使用预处理后的历史报警信息计算得到两两报警点之间的时延相关度；时延相关度的计算过程如下：
式中，A(x，y，m，n)为相应时段的报警协相关度，Pmax为报警时延为最大距离间隔，Pmin为报警时延为最小距离间隔，m为报警点的个数，n为报警信息数，A(x，y)为两个报警点的报警协相关度，两个报警点的报警协相关度A(x，y)为所有相应时段报警协相关度A(x，y，m，n)之和，在得到两两之间的报警协相关度之后，通过报警协相关度计算公式计算出自时延相关度；对于报警点x的自时延相关度，将报警协相关度计算公式中的报警点y换成报警点x，即得到报警点x的自时延相关度为A(x，x，m，n)，对所有的相应时段报警自相关度相加得到报警自相关度A(x，x)；
通讨自时延相关度对两两报警点之间的时延协相关度进行归一化处理得到时延相关度D(x，y)，时延相关度D(x，y)如下式：
其中，A(x，y)表示报警点x与y的报警协时延相关度，A(x，x)与A(y，y)分别表示报警点x与报警点y的报警自时延相关度；归一化处理后，时延相关度D(x，y)的值在[0，1]；对于未发生过报警的报警点，用时延相关度公式计算得不到结果，表示无法表示其时延相关度，对于用报警时延相关度公式计算得不到结果的报警点，D(x，y)进行单独记为，以区别发生过报警的报警点。
KKS位号相关度计算模块：用于使用预处理后的历史报警信息与逻辑组态信息计算得到两两报警点之间的KKS位号相关度；KKS位号相关度K的计算公式如下：
其中，simPAG(x，y)表示报警点x与报警点y段号的交集，numPAG(x，y)表示报警x与报警点y段号的并集，KKS位号相关度K的取值为[0，1]。
逻辑相关度计算模块：用于使用预处理后的历史报警信息与逻辑组态信息计算得到两两报警点之间的逻辑相关度；逻辑相关度L的计算公式如下：
simLOG(x，y)表示报警点x与报警点y同时出现在逻辑组态图中的次数，minLOG(x，y)表示报警点x与报警点y中单个报警点存在逻辑组态图中的最小次数，逻辑相关度L的取值为[0，1]。
综合相关度矩阵计算模块：用于对两两报警点之间的时延相关度、KKS位号相关度和逻辑相关度进行加权计算，得到综合相关度矩阵；综合相关度R计算公式如下：
R＝oD+pK+qL
其中D表示时延相关度，o表示时延相关度的加权系数；K表示KKS位号相关度，p表示示KKS位号相关度的加权系数；L表示逻辑相关度，q表示逻辑相关度的加权系数。
第一筛选模块：用于对现场同时产生的大量报警信息进行筛选，只保留未消失的报警信息；
第二筛选模块：用于使用基于簇间距选择中心点的K-MEDOIDS算法，根据综合相关度矩阵对第一筛选模块筛选得到的未消失的报警信息进行聚类，得到若干个同源报警簇(一般为10个同源报警簇)；聚类时，使用绝对差值和SAD来度量聚类效果的优劣，SAD的具体计算公式见公式(5)。式中，k表示聚类簇个数，Ci表示第i个簇，pi表示第i个簇中的对象，oi表示第i个簇的中心点，Dist(pi，oi)表示第i个簇中一个对象点到簇中心点的距离。
第一排序模块：用于根据人工优先级对得到的若干个同源报警簇进行簇内降序排序；
第二排序模块：用于根据报警紧急程度对第一排序模块排序得到的相同优先级的簇内同源报警信息降序排序；报警紧急程度emergencyDegree计算公式如下：
emergencyDegree＝currentTime-occurTime-handingTime
报警紧急程度的计算是对报警产生时间occurTime、报警处理所需时间handingTime与当前时间currentTime三者的关系进行分析。
第三排序模块：用于根据实时报警产生的时间对相同优先级且相同紧急程度的簇内同源报警信息降序排序；
输出模块：用于输出第三排序模块排序后的报警簇。具体的，显示的信息是对当前未消失的所有报警进行聚类成10个簇，根据三次簇内排序，给出10个优先级最高，最紧急，最近发生的报警信息。此外，对于被抑制的报警，操作员可展开查看详情，保证抑制报警的同时不遗漏相关的重要报警。
综上，本发明将多个维度的电厂报警系统已有的报警信息进行深入挖掘，通过现场有经验的工程师进行加权系数的设定，提高模型准确率，实现更精准的同源报警信息抑制；同时在对最重要的实时报警优先展示时，使用基于簇间距选择中心点的K-MEDOIDS算法，在初始化中心中心点时大大减少计算量，从而提升了计算效率，能在更短的时间内对同时产生的大量报警信息进行智能抑制。本发明能够满足大型火力发电厂现场操作员对报警泛滥问题进行抑制查看的需求已经现场工程师提出的准确率需求，同时提供了一个可视化桌面应用程序对抑制结果进行展示。
以上内容仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明权利要求书的保护范围之内。
Claims (10)
1.一种面向燃煤电厂的智能报警抑制方法，其特征在于，包括如下步骤：
S1、对火力发电厂的历史报警信息与逻辑组态信息进行预处理；
S2、使用预处理后的历史报警信息计算得到两两报警点之间的时延相关度；
S3、使用预处理后的历史报警信息与逻辑组态信息计算得到两两报警点之间的KKS位号相关度；
S4、使用预处理后的历史报警信息与逻辑组态信息计算得到两两报警点之间的逻辑相关度；
S5、对两两报警点之间的时延相关度、KKS位号相关度和逻辑相关度进行加权计算，得到综合相关度矩阵；
S6、当现场产生报警信息时，对产生的报警信息进行筛选，保留未消失的报警信息；
S7、使用基于簇间距选择中心点的K-MEDOIDS算法，根据综合相关度矩阵对S6筛选得到的未消失的报警信息进行聚类，得到若干个同源报警簇；
S8、根据人工优先级对得到的若干个同源报警簇进行簇内降序排序；
S9、根据报警紧急程度对S8得到的相同优先级的簇内同源报警信息降序排序；
S10、根据实时报警产生的时间对相同优先级且相同紧急程度的簇内同源报警信息降序排序；
S11、输出S10排序后的报警簇。
2.根据权利要求1所述的一种面向燃煤电厂的智能报警抑制方法，其特征在于，S1中，对火力发电厂的历史报警信息与逻辑组态信息进行预处理包括：对历史报警信息的导出，对历史报警信息特征的抽取；对逻辑组态信息的导出，对逻辑组态图中的相应报警点特征的抽取。
3.根据权利要求1所述的一种面向燃煤电厂的智能报警抑制方法，其特征在于，时延相关度的计算过程如下：
式中，A(x，y，m，n)为相应时段的报警协相关度，Pmax为报警时延为最大距离间隔，Pmin为报警时延为最小距离间隔，m为报警点的个数，n为报警信息数，A(x，y)为两个报警点的报警协相关度，两个报警点的报警协相关度A(x，y)为所有相应时段报警协相关度A(x，y，m，n)之和，在得到两两之间的报警协相关度之后，通过报警协相关度计算公式计算出自时延相关度；对于报警点x的自时延相关度，将报警协相关度计算公式中的报警点y换成报警点x，即得到报警点x的自时延相关度为A(x，x，m，n)，对所有的相应时段报警自相关度相加得到报警自相关度A(x，x)；
通过自时延相关度对两两报警点之间的时延协相关度进行归一化处理得到时延相关度D(x，y)，时延相关度D(x，y)如下式：
其中，A(x，y)表示报警点x与y的报警协时延相关度，A(x，x)与A(y，y)分别表示报警点x与报警点y的报警自时延相关度；归一化处理后，时延相关度D(x，y)的值在[0，1]；对于未发生过报警的报警点，用时延相关度公式计算得不到结果，表示无法表示其时延相关度，对于用报警时延相关度公式计算得不到结果的报警点，D(x，y)进行单独记为，以区别发生过报警的报警点。
4.根据权利要求1所述的一种面向燃煤电厂的智能报警抑制方法，其特征在于，KKS位号相关度K的计算公式如下：
其中，simPAG(x，y)表示报警点x与报警点y段号的交集，numPAG(x，y)表示报警x与报警点y段号的并集，KKS位号相关度K的取值为[0，1]。
5.根据权利要求1所述的一种面向燃煤电厂的智能报警抑制方法，其特征在于，逻辑相关度L的计算公式如下：
simLOG(x，y)表示报警点x与报警点y同时出现在逻辑组态图中的次数，minLOG(x，y)表示报警点x与报警点y中单个报警点存在逻辑组态图中的最小次数，逻辑相关度L的取值为[0，1]。
6.根据权利要求1所述的一种面向燃煤电厂的智能报警抑制方法，其特征在于，综合相关度R计算公式如下：
R＝oD+pK+qL
其中D表示时延相关度，o表示时延相关度的加权系数；K表示KKS位号相关度，p表示示KKS位号相关度的加权系数；L表示逻辑相关度，q表示逻辑相关度的加权系数。
7.根据权利要求1所述的一种面向燃煤电厂的智能报警抑制方法，其特征在于，S7中，聚类时，使用SAD来度量聚类效果的优劣，其计算公式如下：
其中，k表示聚类簇个数，Ci表示第i个簇，pi表示第i个簇中的对象，oi表示第i个簇的中心点，Dist(pi，oi)表示第i个簇中一个对象点到簇中心点的距离。
8.根据权利要求1所述的一种面向燃煤电厂的智能报警抑制方法，其特征在于，报警紧急程度emergencyDegree计算公式如下：
emergencyDegree＝currentTime-occurTime-handingTime
报警紧急程度的计算是对报警产生时间occurTime、报警处理所需时间handingTime与当前时间currentTime三者的关系进行分析，根据紧急度emergencyDegree的大小选择最紧急的报警进行显示。
9.根据权利要求1所述的一种面向燃煤电厂的智能报警抑制方法，其特征在于，S7中，同源报警簇的个数为10。
10.一种用于实现权利要求1-9任意一项所述面向燃煤电厂的智能报警抑制方法的系统，其特征在于，包括：
预处理模块：用于对火力发电厂的历史报警信息与逻辑组态信息进行预处理；
时延相关度计算模块：用于使用预处理后的历史报警信息计算得到两两报警点之间的时延相关度；
KKS位号相关度计算模块：用于使用预处理后的历史报警信息与逻辑组态信息计算得到两两报警点之间的KKS位号相关度；
逻辑相关度计算模块：用于使用预处理后的历史报警信息与逻辑组态信息计算得到两两报警点之间的逻辑相关度；
综合相关度矩阵计算模块：用于对两两报警点之间的时延相关度、KKS位号相关度和逻辑相关度进行加权计算，得到综合相关度矩阵；
第一筛选模块：用于对现场同时产生的报警信息进行筛选，保留未消失的报警信息；
第二筛选模块：用于使用基于簇间距选择中心点的K-MEDOIDS算法，根据综合相关度矩阵对第一筛选模块筛选得到的未消失的报警信息进行聚类，得到若干个同源报警簇；
第一排序模块：用于根据人工优先级对得到的若干个同源报警簇进行簇内降序排序；
第二排序模块：用于根据报警紧急程度对第一排序模块排序得到的相同优先级的簇内同源报警信息降序排序；
第三排序模块：用于根据实时报警产生的时间对相同优先级且相同紧急程度的簇内同源报警信息降序排序；
输出模块：用于输第三排序模块排序后的报警簇。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010550713.0A CN111899119B (zh) | 2020-06-16 | 2020-06-16 | 一种面向燃煤电厂的智能报警抑制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010550713.0A CN111899119B (zh) | 2020-06-16 | 2020-06-16 | 一种面向燃煤电厂的智能报警抑制方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111899119A true CN111899119A (zh) | 2020-11-06 |
| CN111899119B CN111899119B (zh) | 2022-12-09 |
Family
ID=73206747
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010550713.0A Active CN111899119B (zh) | 2020-06-16 | 2020-06-16 | 一种面向燃煤电厂的智能报警抑制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111899119B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113344737A (zh) * | 2021-06-04 | 2021-09-03 | 北京国电通网络技术有限公司 | 设备控制方法、装置、电子设备和计算机可读介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014059645A (ja) * | 2012-09-14 | 2014-04-03 | Toshiba Corp | プラント監視制御装置及びプラント監視制御方法 |
| JP2014067262A (ja) * | 2012-09-26 | 2014-04-17 | Sumitomo Chemical Co Ltd | アラーム設定の最適化支援装置および最適化支援プログラム |
| CN105069115A (zh) * | 2015-08-11 | 2015-11-18 | 浙江中控技术股份有限公司 | 一种基于历史报警分布式聚类的报警抑制方法 |
| CN108847978A (zh) * | 2018-06-21 | 2018-11-20 | 北京和利时智能技术有限公司 | 一种基于scada的智能报警系统及处理方法 |
| CN109327330A (zh) * | 2018-09-11 | 2019-02-12 | 南京科思倍信息科技有限公司 | 基于数据驱动的化工生产异常切片管理方法 |
| CN110457184A (zh) * | 2018-05-07 | 2019-11-15 | 中国石油化工股份有限公司 | 基于时序波动关联的化工异常因果分析与图形展示方法 |
-
2020
- 2020-06-16 CN CN202010550713.0A patent/CN111899119B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014059645A (ja) * | 2012-09-14 | 2014-04-03 | Toshiba Corp | プラント監視制御装置及びプラント監視制御方法 |
| JP2014067262A (ja) * | 2012-09-26 | 2014-04-17 | Sumitomo Chemical Co Ltd | アラーム設定の最適化支援装置および最適化支援プログラム |
| CN105069115A (zh) * | 2015-08-11 | 2015-11-18 | 浙江中控技术股份有限公司 | 一种基于历史报警分布式聚类的报警抑制方法 |
| CN110457184A (zh) * | 2018-05-07 | 2019-11-15 | 中国石油化工股份有限公司 | 基于时序波动关联的化工异常因果分析与图形展示方法 |
| CN108847978A (zh) * | 2018-06-21 | 2018-11-20 | 北京和利时智能技术有限公司 | 一种基于scada的智能报警系统及处理方法 |
| CN109327330A (zh) * | 2018-09-11 | 2019-02-12 | 南京科思倍信息科技有限公司 | 基于数据驱动的化工生产异常切片管理方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113344737A (zh) * | 2021-06-04 | 2021-09-03 | 北京国电通网络技术有限公司 | 设备控制方法、装置、电子设备和计算机可读介质 |
| CN113344737B (zh) * | 2021-06-04 | 2023-11-24 | 北京国电通网络技术有限公司 | 设备控制方法、装置、电子设备和计算机可读介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111899119B (zh) | 2022-12-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104680260B (zh) | 一种电网可视化感知模型构建方法及系统 | |
| JP2829241B2 (ja) | プラント支援装置 | |
| JP2007249997A (ja) | 工業プロセスの監視方法及び監視システム | |
| CN107273924A (zh) | 基于模糊聚类分析的多数据融合的电厂故障诊断方法 | |
| CN113791926A (zh) | 智能告警分析方法、装置、设备及存储介质 | |
| CN1146768C (zh) | 工业设备的监测系统 | |
| CN115358494B (zh) | 一种地铁盾构下穿施工的危险预警方法 | |
| CN115828390A (zh) | 一种面向水利水电工程安全监测的四预功能实现方法 | |
| CN111899119B (zh) | 一种面向燃煤电厂的智能报警抑制方法及系统 | |
| CN113435703A (zh) | 一种基于scada数据建模风电机组故障分析系统 | |
| CN115691044A (zh) | 一种动态风险评估预警方法、系统及装置 | |
| CN118094531A (zh) | 一种安全运维实时预警一体化系统 | |
| CN117831788B (zh) | 应用于疾控监测预警系统的应急处置推送方法及系统 | |
| CN114548209A (zh) | 一种基于潮流指纹图谱的电网强关联故障分析系统及方法 | |
| CN114896652A (zh) | 一种基于bim的工业建筑信息化控制终端 | |
| CN113159503B (zh) | 一种远程遥控智能安全评估系统和方法 | |
| CN113868948A (zh) | 一种面向用户的动态阈值模型训练系统及方法 | |
| CN114205355B (zh) | 一种变电网关附属设备性能测试方法、系统及电子设备 | |
| CN111680572B (zh) | 一种电网运行场景动态判定方法及系统 | |
| CN110415136A (zh) | 一种电力调度自动化系统服务能力评估系统与方法 | |
| CN113781758A (zh) | 面向高端燃煤发电装备的变量协同动态报警阈值优化方法 | |
| CN117471308A (zh) | 基于大数据多特征技术挖掘的风机故障诊断方法 | |
| CN112736878B (zh) | 一种电网连锁故障告警方法及系统 | |
| Zeng et al. | ATM transaction status feature analysis and anomaly detection | |
| CN109657404A (zh) | 基于混沌修正群智能寻优的采煤机故障自动诊断系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |