CN112801537B - 一种发电企业非停事故分析方法、系统、介质及设备 - Google Patents
一种发电企业非停事故分析方法、系统、介质及设备 Download PDFInfo
- Publication number
- CN112801537B CN112801537B CN202110197680.0A CN202110197680A CN112801537B CN 112801537 B CN112801537 B CN 112801537B CN 202110197680 A CN202110197680 A CN 202110197680A CN 112801537 B CN112801537 B CN 112801537B
- Authority
- CN
- China
- Prior art keywords
- stop
- accident
- case
- power generation
- equipment
- 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.)
- Active
Links
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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
- G06F16/353—Clustering; Classification into predefined classes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
- G06F2216/03—Data mining
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Abstract
本发明公开了一种发电企业非停事故分析方法、系统、介质及设备,当发电企业发生非停事故时,采集首出设备的首出点和发电主要参数曲线,并依此关联首出设备和主要辅助设备,采集运行数据;根据获得的数据和非停事故案例知识库预判出与对应非停相同的非停案例;根据获得的非停案例分析非停事故产生的原因,然后再次核查分析事故发生原因,确定非停原因和解决方案。本发明能够迅速、全面、完善的处理非停事故,为电厂提供更好的技术服务。
Description
技术领域
本发明属于控制理论与控制工程技术领域,具体涉及一种发电企业非停事故分析方法、系统、介质及设备。
背景技术
发电机组的非计划停运是发电厂安全可靠性指标管理中的一个重要指标,非计划停运既是安全问题,也是经济问题,非计划停运带来的电量损失、设备修复费用、燃油消耗、设备使用寿命损耗等都会给企业造成巨大的损失。现有的非停事故处理流程是一旦发电企业发生非停事故,集团安全生产部需要立马安排专家赴厂调取现场数据分析事故原因、提出解决方案。
但是由于各种原因这种人工处理方式往往需要现场等待至少一到两天时间才能作出响应,而且派出的专家掌握的知识领域侧重点不同,可能到达现场后分析不了非停原因,还需要将信息反馈给专家组会诊分析。并且这种人工信息传递方式不便于资料存档,最终非停事故发生过程和分析结果可能只被少数几个人知道,不能在集团范围内起到警醒和预防作用。这种人工非停事故分析的方式在当今高度信息化的时代已经落伍了,亟需一种智能化的远程分析方法辅助专家进行非停事故的远程分析。
发明内容
本发明所要解决的技术问题在于针对上述现有技术中的不足,提供一种发电企业非停事故分析方法、介质及设备,解决现有人工处理方式中的响应速度慢、缺少预判、知识面不全、资料不留痕和教育警醒作用差的缺点。
本发明采用以下技术方案:
一种发电企业非停事故分析方法,包括以下步骤:
S1、当发电企业发生非停事故时,采集首出设备的首出点和发电参数曲线,并关联首出设备和主要辅助设备,采集运行数据;
S2、根据步骤S1获得的数据,利用非停事故案例知识库预判出对应非停相同的非停案例;
S3、根据步骤S2获得的非停案例分析非停事故产生的原因,再次核查分析事故发生原因,确定非停原因和对应的解决方案。
具体的,步骤S1中,首出设备包括锅炉、汽机和发电机,首出设备的主要参数曲线包括负荷曲线、主蒸汽压力曲线和主蒸汽温度曲线,主要辅助设备包括磨煤机、送风机、引风机和给水泵,主要辅助设备的主要参数曲线包括磨煤机停运信号、一次风压力;送风机停运信号、送风机进出口挡板状态;引风机停运信号、进出口挡板状态;给水泵停运状态,给水泵出口流量。
具体的,步骤S2中,在依据专业先验知识建立的词库基础上,根据语义识别技术的聚类方法,本次非停事故案例的首出SOE点、主辅设备关键词计算出与本次非停事故案例相同的非停案例;
从发电企业侧发送的非停事件相关数据中提取关键特征量,关键特征量包括设备名称、产生跳变位置、跳变值和触发跳闸保护,然后根据产生式知识表示方法将日志中的特征量依次与专家知识库中的非停规则进行匹配推理,若匹配成功则输出非停事件类型和诊断意见,若匹配失败则从案例库中找出相似案例,进行案例相似度计算和比较,根据案例表示方法中采集的日志数据数组,计算故障数组与案例数组间的均值距离相似度、欧氏距离相似度和斜率误差相似度综合量化两个数组之间的匹配程度;得到案例相似度计算结果后,若满足预设阈值要求,从符合情况的相似案例中提取原因模块,经过解释器输出本次非停的相似案例,若不满足则识别失败。
具体的,步骤S3中,将语义识别模型的结果与实际操作经验相结合,建立辅助对标管理系统的规则库,进行设备匹配,指标对标,模型对标和运行工况匹配,得到最终决策结果。
进一步的,建立非停判断方法的数据字典,建立机组设备的状态代码表,非停类型说明表,复位等级以及设备参数表;
将数据字典存入数据库,解释程序根据标识查找对应的描述,然后返回前端界面;非停原因分析报告作为解释器输出,包括原因诊断报告和故障排查指导;
诊断报告中的信息包括机组基本信息、诊断结果、非停直接原因、非停间接原因、建议处理方案、排查指导;排查指导包括具体故障点、故障可能原因、出现概率及对应处理方法。
具体的,在步骤S3非停事故原因分析处理结束后,将非停事故案例以事件发生过程主要设备、事故发生原因和事故问题类型在特征谓词库建立的基础上,基于语义识别的基本框架挖掘提取信息,然后按照聚类关系存储到数据库中,完成自学习功能。
进一步的,非停事故案例知识库将以往发生的非停事故案例以特定规则存储的知识库中,描述案例发生经过、相关主设备、相关辅设备、相关系统、事故原因和解决方案。
本发明的另一个技术方案是,一种发电企业非停事故分析方法系统,包括:
发电企业非停相关参数趋势远传模块,当发电企业发生非停事故时,采集SOE首出点和发电主要参数曲线,并依此关联首出设备和主要辅助设备,采集运行数据;
非停事故预判模块,根据发电企业非停相关参数趋势远传模块发送的数据和非停事故案例知识库预判出与该次非停相似的非停案例并进行事故分析;
非停事故分析模块,根据非停相关参数趋势远传模块发送过来的数据和非停事故案例知识库直接分析该次非停事故产生的原因,然后再次核查分析事故发生原因,确定非停原因和解决方案。
本发明的另一个技术方案是,一种存储一个或多个程序的计算机可读存储介质,所述一个或多个程序包括指令,所述指令当由计算设备执行时,使得所述计算设备执行所述的方法中的任一方法。
本发明的另一个技术方案是,一种计算设备,包括:
一个或多个处理器、存储器及一个或多个程序,其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行,所述一个或多个程序包括用于执行所述的方法中的任一方法的指令。
与现有技术相比,本发明至少具有以下有益效果:
本发明一种发电企业非停事故分析方法,相对于现有的人工处理方式响应速度快、能够及时预判给发电厂相关资料、知识面全面且不会出现人为误差、资料留痕方面以后查阅和教育警醒作用好的优点。
进一步的,非自动采集非停事故分析需要的所有数据,事故首出时自动采集SOE点,并按照预定规则采集相关主、辅设备的主要状态参数,程序自动采集时间(几分钟)速度远快于人工采集(一到两天)方式,并且程序自动采集到的数据量大且准确,不会出现人为误差。
进一步的,本发明在特征谓词库建立的基础上,基于语义识别的基本框架,将非停事故案例中文本挖掘的聚类分析看成一个目的明确、模式可循的信息提取任务,在引入语义识别的概念基础上进行聚类分析。语义结构是词语理解的背景和动因,语义结构能完整呈现一段语义,将非停事故案例文本数据在经过特征谓词库准确分词的基础上,放入针对于非停事故处理系统业务场景的语义框架下实现建模,针对新的业务场景,不断更新语义框架,在此基础上,进行以信息提取为目的地聚类分析,实现更好的分析效果。
进一步的,非停事故案例知识库将全国范围内的非停事故案例以特定规则存储,并且随着时间的推移知识库越来越丰富这是人工记忆无法比拟的,通过特定算法知识库中规则越发全面、准确,更好的为专家事故分析提供帮助。
进一步的,通过推理机制利用发电企业非停相关参数趋势远传模块自动采集到的非停事故分析需要的所有数据和非停事故案例知识库,预判出与该次非停相似的非停案例,并将非停案例推荐给发电企业生产部门预先进行事故分析,该过程响应速度快,相对于以往的人工处理方式,发电企业能更快的得到事故分析方向、理清思绪、找到重点辅助专家进一步对事故进行原因分析。
进一步的,非停事故分析模块首先根据非停相关参数趋势远传模块发送过来的数据和非停事故案例知识库直接分析该次非停事故产生的原因,然后集团专家根据上述信息再次核查分析事故发生原因,视情况看是否需要赴厂分析,并最终确定非停原因和解决方案。相对于以往的人工处理方式,非停事故分析模块为专家分析事故原因提供重要的分析思路、省去专家专门查阅以往案例的时间、加快专家分析事故原因速度、辅助专家对以往相关案例的学习。最终专家分析结果留下了资料痕迹,充实了非停事故案例知识库,为以后非停事故分析模块发挥作用提供了坚定的基础。
进一步的,一方面集团公司可以掌握发电企业针对该非停事故处理情况,另一方面再发生相关非停事故时其他发电企业可以参考学习,最终实现非停事故处理的闭环。
进一步的,警醒拥有相似情况的发电企业,预防相似非停事故再次发生,避免造成更多的经济损失。
综上所述,本发明分析方法响应速度快,具有智能预判功能,知识面全方位,具备闭环管理,能够不断自学习。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
图1为本发明非停事故远程分析方法网络图;
图2为本发明非停事故远程分析方法流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
在附图中示出了根据本发明公开实施例的各种结构示意图。这些图并非是按比例绘制的,其中为了清楚表达的目的,放大了某些细节,并且可能省略了某些细节。图中所示出的各种区域、层的形状及它们之间的相对大小、位置关系仅是示例性的,实际中可能由于制造公差或技术限制而有所偏差,并且本领域技术人员根据实际所需可以另外设计具有不同形状、大小、相对位置的区域/层。
请参阅图1,本发明一种发电企业非停事故远程处理方法,主要包括发电企业侧和集团侧,发电企业侧主要包括数据的采集和发送(DCS和SIS系统),考虑到数据传输的安全性,其中要设置好数据的单向隔离和网络安全防范(隔离网闸和防火墙)。集团侧包括智能专家系统的建立和专家辅助决策人机界面。
请参阅图2,本发明一种发电企业非停事故分析方法,包括以下步骤:
S1、当发电企业发生非停事故时,自动采集件顺序记录系统SOE首出点和发电主要参数曲线,并依此关联首出设备和主要辅助设备,采集首出设备主要参数曲线和主要辅助设备主要参数曲线,并将上述参数趋势远传到集团信息中心;
S2、将以往发生的非停事故案例以特定规则存储至非停事故案例知识库中,描述案例发生经过、相关主设备、相关辅设备、相关系统、事故原因和解决方案;
S3、根据步骤S2的数据和非停事故案例知识库预判出与该次非停相似的非停案例,并将非停案例推荐给发电企业生产部门预先进行事故分析;
S4、根据非停相关参数趋势远传模块发送过来的数据和非停事故案例知识库直接分析该次非停事故产生的原因,然后集团专家根据上述信息再次核查分析事故发生原因,视情况看是否需要赴厂分析,并最终确定非停原因和解决方案;
S5、在步骤S4非停事故原因分析后,继续跟踪电厂针对该非停事故的处理方式、处理效果;
S6、在步骤S4非停事故分析结束后,自动将案例保存生成学习资料分发到各发电企业相关部门组织学习,并收集学习心得。
本发明再一个实施例中,提供一种发电企业非停事故远程分析系统,该系统能够用于实现上述发电企业非停事故分析方法,具体的,该发电企业非停事故远程分析系统包括发电企业非停相关参数趋势远传模块、非停事故案例知识库、非停事故预判模块、非停事故分析模块、非停事故跟踪模块、非停事故案例学习模块。
其中,发电企业非停相关参数趋势远传模块是当发电企业发生非停事故时,自动采集SOE首出点和发电主要参数曲线,并依此关联首出设备和主要辅助设备,采集首出设备主要参数曲线和主要辅助设备主要参数曲线,并将上述参数趋势远传到集团信息中心;
非停事故案例知识库将以往发生的非停事故案例以特定规则存储的知识库中,描述案例发生经过、相关主设备、相关辅设备、相关系统、事故原因和解决方案;
非停事故预判模块根据非停相关参数趋势远传模块发送过来的数据和非停事故案例知识库预判出与该次非停相似的非停案例,并将非停案例推荐给发电企业生产部门预先进行事故分析;
非停事故分析模块首先根据非停相关参数趋势远传模块发送过来的数据和非停事故案例知识库直接分析该次非停事故产生的原因,然后集团专家根据上述信息再次核查分析事故发生原因,视情况看是否需要赴厂分析,并最终确定非停原因和解决方案;
非停事故跟踪模块是在非停事故原因分析后,继续跟踪电厂针对该非停事故的处理方式、处理效果;
非停事故案例学习模块是在非停事故分析结束后,自动将案例保存生成学习资料分发到各发电企业相关部门组织学习,并收集学习心得。
本发明再一个实施例中,提供了一种终端设备,该终端设备包括处理器以及存储器,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器用于执行所述计算机存储介质存储的程序指令。处理器可能是中央处理单元(Central ProcessingUnit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor、DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable GateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等,其是终端的计算核心以及控制核心,其适于实现一条或一条以上指令,具体适于加载并执行一条或一条以上指令从而实现相应方法流程或相应功能;本发明实施例所述的处理器可以用于发电企业非停事故分析方法的操作,包括:
当发电企业发生非停事故时,采集首出设备的首出点和发电参数曲线,并关联首出设备和主要辅助设备,采集运行数据;根据获得的数据和非停事故案例知识库预判出与对应非停相同的非停案例;根据获得的非停案例分析非停事故产生的原因,然后再次核查分析事故发生原因,确定非停原因和解决方案。
本发明再一个实施例中,本发明还提供了一种存储介质,具体为计算机可读存储介质(Memory),所述计算机可读存储介质是终端设备中的记忆设备,用于存放程序和数据。可以理解的是,此处的计算机可读存储介质既可以包括终端设备中的内置存储介质,当然也可以包括终端设备所支持的扩展存储介质。计算机可读存储介质提供存储空间,该存储空间存储了终端的操作系统。并且,在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令,这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是,此处的计算机可读存储介质可以是高速RAM存储器,也可以是非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。
可由处理器加载并执行计算机可读存储介质中存放的一条或一条以上指令,以实现上述实施例中有关发电企业非停事故分析方法的相应步骤;计算机可读存储介质中的一条或一条以上指令由处理器加载并执行如下步骤:
当发电企业发生非停事故时,采集首出设备的首出点和发电参数曲线,并关联首出设备和主要辅助设备,采集运行数据;根据获得的数据和非停事故案例知识库预判出与对应非停相同的非停案例;根据获得的非停案例分析非停事故产生的原因,然后再次核查分析事故发生原因,确定非停原因和解决方案。
下面结合附图并通过实施例对本发明作进一步的详细说明,以下实施例是对本发明的解释而本发明并不局限于以下实施例。
某日凌晨1:02,一台300MW燃煤机组SOE首出“润滑油压低”和“润滑油压低低”,送风机跳闸锅炉MFT。
发电企业非停相关数据远传模块关联到主要设备【送风机、油箱】和设备主要参数【润滑油压、润滑油泵、送风机控制电源、送风机转速、送风机风量】,并同时将【主蒸汽压力、温度、流量、负荷、频率】等机组主要参数趋势曲线打包发给集团系统。
同时,非停事故预判模块接收到数据包后,得到关键词【送风机跳闸、锅炉MFT、润滑油压低、润滑油压低低】,对比非停事故知识库匹配出相似事故案例若干后打包案例信息发给发电企业,发电企业生产人员通过访问发电企业非停相关数据远传模块获得相关事故案例进行分析。
随即,非停事故分析模块接收到事故相关参数数据包后,依据非停事故知识库分析、推理此次事故发生原因,发现设备主要参数中送风机润滑油泵运行正常,同时送风机控制电源24V电源模块故障电源中断,判断出是否由于24V电源模块故障中断导致误发“润滑油压低”和“润滑油压低低”保护信号?专家根据非停事故分析模块推理结果,结合事故主要参数数据包和非停事故知识库综合分析判断得出最终结果,通过人机界面将分析结果录入到系统中,并给出整改建议。
发电企业生产人员根据以上分析结果和整改建议,去现场核实分析并将结果通过非停事故跟踪模块实现非停事故闭环。非停事故处理结束后,集团通报本次非停事故原因经过及处理结果,其他发电企业通过非停事故案例学习模块学习具体情况,并自我检查自己厂的情况,进行总结汇报。
首先,本实施例发生在凌晨一点多,本方法在收到SOE首出点信息后自动将相关数据包发给集团信息中心,信息中心将预判后的非停事故案例发给电厂,整个过程不超过30分钟,如果是传统的非停事故分析方式,至少还要等待几个小时才能得到初始响应。
其次,在传统的非停事故响应方式中,尤其是需要专家赴现场的事故,专家需要一到两天才能到达事故现场,然后做出事故分析,而委派的专家不一定精通此事故类型,可能还需要再重新委派专家。本方法将事件信息远传到集团信息中心,通过专家系统自动筛选可能精通该事件处理方式的专家,并将该事件信息转发至各专家,让相关专家联合诊断事故原因,进行综合分析。由此可见,本方法处理效果要比传统方式所涉及的知识面更全,处理更准确。
最后,在传统的非停事故处理之后,可能事件知晓范围只是电厂人员、非停事故处理专家等少数几人,对于集团来说没有起到很好的公示和学习作用。本方法将每次非停事故案例,以学习任务的方式下发到集团区域内的各个电厂供大家学习,能起到更好的警醒作用,同时假如其他电厂出现相同的非停事故也能参考其事故处理方式。
综上所述,本发明一种发电企业非停事故分析方法,能够更迅速、更全面、更完善的处理非停事故,为电厂提供更好的技术服务。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
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 (8)
1.一种发电企业非停事故分析方法,其特征在于,包括以下步骤:
S1、当发电企业发生非停事故时,采集首出设备的首出点和发电参数曲线,并关联首出设备和主要辅助设备,采集运行数据;
S2、根据步骤S1获得的数据,利用非停事故案例知识库预判出对应非停相同的非停案例,在依据专业先验知识建立的词库基础上,根据语义识别技术的聚类方法,本次非停事故案例的首出SOE点、主辅设备关键词计算出与本次非停事故案例相同的非停案例;
从发电企业侧发送的非停事件相关数据中提取关键特征量,关键特征量包括设备名称、产生跳变位置、跳变值和触发跳闸保护,然后根据产生式知识表示方法将日志中的特征量依次与专家知识库中的非停规则进行匹配推理,若匹配成功则输出非停事件类型和诊断意见,若匹配失败则从案例库中找出相似案例,进行案例相似度计算和比较,根据案例表示方法中采集的日志数据数组,计算故障数组与案例数组间的均值距离相似度、欧氏距离相似度和斜率误差相似度综合量化两个数组之间的匹配程度;得到案例相似度计算结果后,若满足预设阈值要求,从符合情况的相似案例中提取原因模块,经过解释器输出本次非停的相似案例,若不满足则识别失败;
S3、根据步骤S2获得的非停案例分析非停事故产生的原因,再次核查分析事故发生原因,确定非停原因和对应的解决方案,在步骤S3非停事故原因分析处理结束后,将非停事故案例以事件发生过程主要设备、事故发生原因和事故问题类型在特征谓词库建立的基础上,基于语义识别的基本框架挖掘提取信息,然后按照聚类关系存储到数据库中,完成自学习功能。
2.根据权利要求1所述的发电企业非停事故分析方法,其特征在于,步骤S1中,首出设备包括锅炉、汽机和发电机,首出设备的主要参数曲线包括负荷曲线、主蒸汽压力曲线和主蒸汽温度曲线,主要辅助设备包括磨煤机、送风机、引风机和给水泵,主要辅助设备的主要参数曲线包括磨煤机停运信号、一次风压力;送风机停运信号、送风机进出口挡板状态;引风机停运信号、进出口挡板状态;给水泵停运状态,给水泵出口流量。
3.根据权利要求1所述的发电企业非停事故分析方法,其特征在于,步骤S3中,将语义识别模型的结果与实际操作经验相结合,建立辅助对标管理系统的规则库,进行设备匹配,指标对标,模型对标和运行工况匹配,得到最终决策结果。
4.根据权利要求3所述的发电企业非停事故分析方法,其特征在于,建立非停判断方法的数据字典,建立机组设备的状态代码表,非停类型说明表,复位等级以及设备参数表;
将数据字典存入数据库,解释程序根据标识查找对应的描述,然后返回前端界面;非停原因分析报告作为解释器输出,包括原因诊断报告和故障排查指导;
诊断报告中的信息包括机组基本信息、诊断结果、非停直接原因、非停间接原因、建议处理方案、排查指导;排查指导包括具体故障点、故障可能原因、出现概率及对应处理方法。
5.根据权利要求1所述的发电企业非停事故分析方法,其特征在于,非停事故案例知识库将以往发生的非停事故案例以特定规则存储的知识库中,描述案例发生经过、相关主设备、相关辅设备、相关系统、事故原因和解决方案。
6.一种发电企业非停事故分析方法系统,其特征在于,包括:
发电企业非停相关参数趋势远传模块,当发电企业发生非停事故时,采集SOE首出点和发电主要参数曲线,并依此关联首出设备和主要辅助设备,采集运行数据;
非停事故预判模块,根据发电企业非停相关参数趋势远传模块发送的数据和非停事故案例知识库预判出与该次非停相似的非停案例并进行事故分析,在依据专业先验知识建立的词库基础上,根据语义识别技术的聚类方法,本次非停事故案例的首出SOE点、主辅设备关键词计算出与本次非停事故案例相同的非停案例;
从发电企业侧发送的非停事件相关数据中提取关键特征量,关键特征量包括设备名称、产生跳变位置、跳变值和触发跳闸保护,然后根据产生式知识表示方法将日志中的特征量依次与专家知识库中的非停规则进行匹配推理,若匹配成功则输出非停事件类型和诊断意见,若匹配失败则从案例库中找出相似案例,进行案例相似度计算和比较,根据案例表示方法中采集的日志数据数组,计算故障数组与案例数组间的均值距离相似度、欧氏距离相似度和斜率误差相似度综合量化两个数组之间的匹配程度;得到案例相似度计算结果后,若满足预设阈值要求,从符合情况的相似案例中提取原因模块,经过解释器输出本次非停的相似案例,若不满足则识别失败;
非停事故分析模块,根据非停相关参数趋势远传模块发送过来的数据和非停事故案例知识库直接分析该次非停事故产生的原因,然后再次核查分析事故发生原因,确定非停原因和解决方案,在非停事故原因分析处理结束后,将非停事故案例以事件发生过程主要设备、事故发生原因和事故问题类型在特征谓词库建立的基础上,基于语义识别的基本框架挖掘提取信息,然后按照聚类关系存储到数据库中,完成自学习功能。
7.一种存储一个或多个程序的计算机可读存储介质,其特征在于,所述一个或多个程序包括指令,所述指令当由计算设备执行时,使得所述计算设备执行根据权利要求1至5所述的方法中的任一方法。
8.一种计算设备,其特征在于,包括:
一个或多个处理器、存储器及一个或多个程序,其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行,所述一个或多个程序包括用于执行根据权利要求1至5所述的方法中的任一方法的指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110197680.0A CN112801537B (zh) | 2021-02-22 | 2021-02-22 | 一种发电企业非停事故分析方法、系统、介质及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110197680.0A CN112801537B (zh) | 2021-02-22 | 2021-02-22 | 一种发电企业非停事故分析方法、系统、介质及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112801537A CN112801537A (zh) | 2021-05-14 |
CN112801537B true CN112801537B (zh) | 2023-04-18 |
Family
ID=75815321
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110197680.0A Active CN112801537B (zh) | 2021-02-22 | 2021-02-22 | 一种发电企业非停事故分析方法、系统、介质及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112801537B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113759876B (zh) * | 2021-09-14 | 2023-05-19 | 西安交通大学 | 基于案例推理的风电机组故障诊断方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110556033A (zh) * | 2019-07-30 | 2019-12-10 | 华电青岛发电有限公司 | 基于火电厂典型和事故案例库的运行操作指导系统 |
CN111209131A (zh) * | 2019-12-30 | 2020-05-29 | 航天信息股份有限公司广州航天软件分公司 | 一种基于机器学习确定异构系统的故障的方法和系统 |
CN112085930A (zh) * | 2020-09-14 | 2020-12-15 | 武汉瑞莱保能源技术有限公司 | 一种发电机组智能监测预警系统及方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9563198B2 (en) * | 2012-03-08 | 2017-02-07 | General Electric Company | Method and system to model risk of unplanned outages of power generation machine |
-
2021
- 2021-02-22 CN CN202110197680.0A patent/CN112801537B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110556033A (zh) * | 2019-07-30 | 2019-12-10 | 华电青岛发电有限公司 | 基于火电厂典型和事故案例库的运行操作指导系统 |
CN111209131A (zh) * | 2019-12-30 | 2020-05-29 | 航天信息股份有限公司广州航天软件分公司 | 一种基于机器学习确定异构系统的故障的方法和系统 |
CN112085930A (zh) * | 2020-09-14 | 2020-12-15 | 武汉瑞莱保能源技术有限公司 | 一种发电机组智能监测预警系统及方法 |
Non-Patent Citations (2)
Title |
---|
基于相似性建模的发电机组设备;常剑 等;《机电工程》;CNKI;20120531;第29卷(第5期);第576-579页 * |
蒙东电网输变电可靠性非计划停运数据分析;马小建等;《电工电气》;20180715(第07期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112801537A (zh) | 2021-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107147639B (zh) | 一种基于复杂事件处理的实时安全预警方法 | |
CN111768077B (zh) | 一种基于知识图谱的电网跳闸事件智能识别方法 | |
CN108154291B (zh) | 一种基于策略库的供电厂性能指标评价方法及系统 | |
CN110674189B (zh) | 一种智能变电站二次状态监测与故障定位的方法 | |
CN110175324B (zh) | 一种基于数据挖掘的电网运行操作指令校验方法及系统 | |
CN111027615B (zh) | 基于机器学习的中间件故障预警方法和系统 | |
CN109343395A (zh) | 一种核电厂dcs操作日志的异常检测系统和方法 | |
CN109669844A (zh) | 设备故障处理方法、装置、设备和存储介质 | |
CN107103363A (zh) | 一种基于lda的软件故障专家系统的构建方法 | |
CN112801537B (zh) | 一种发电企业非停事故分析方法、系统、介质及设备 | |
CN111552804B (zh) | 一种电网故障处置预案的知识图谱构建方法 | |
CN116091030A (zh) | 一种基于人工智能的两票管理系统 | |
CN114462737A (zh) | 应用于核电厂工单任务与运行事件报告的精准匹配方法 | |
CN113065580A (zh) | 一种基于多信息融合的电厂设备管理方法及系统 | |
CN109767108B (zh) | 一种电力调度系统线路状态精准分析方法 | |
CN116108203A (zh) | 电网全景调度知识图谱构建和电网设备管理的方法、系统、存储介质及设备 | |
CN115759562A (zh) | 一种核电厂大修预防性维修工单逻辑关系和工期计算算法 | |
CN115099232A (zh) | 一种调度规程和历史数据的电网操作知识模型构建方法 | |
Papadakis et al. | Ontology-guided knowledge graph construction to support scheduling in a train maintenance depot | |
CN113064924A (zh) | 一种核电大数据经验检索与推送方法 | |
CN106020955A (zh) | 一种infinite大数据工作流调度平台 | |
Wang et al. | Work Assistance and Verification System Based on Standardized Workflow of Power Grid Dispatching | |
CN117667497B (zh) | 一种调度集中系统的自动化故障分析方法及系统 | |
CN117150420B (zh) | 一种航线运营飞机故障排除系统及其排除方法 | |
CN113808769B (zh) | 一种数字化核电厂运行任务显示画面的设计方法 |
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 |