CN116050930A - 监盘系统、方法、存储介质及电子设备 - Google Patents
监盘系统、方法、存储介质及电子设备 Download PDFInfo
- Publication number
- CN116050930A CN116050930A CN202310116838.6A CN202310116838A CN116050930A CN 116050930 A CN116050930 A CN 116050930A CN 202310116838 A CN202310116838 A CN 202310116838A CN 116050930 A CN116050930 A CN 116050930A
- Authority
- CN
- China
- Prior art keywords
- early warning
- data
- reference value
- monitoring
- dynamic
- 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.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 76
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000011156 evaluation Methods 0.000 claims abstract description 28
- 238000004422 calculation algorithm Methods 0.000 claims description 25
- 238000012549 training Methods 0.000 claims description 18
- 238000010801 machine learning Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 12
- 239000011159 matrix material Substances 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 8
- 230000007246 mechanism Effects 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 abstract description 9
- 230000005662 electromechanics Effects 0.000 abstract description 2
- 239000007789 gas Substances 0.000 description 14
- 238000004891 communication Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 6
- 230000005236 sound signal Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- KLDZYURQCUYZBL-UHFFFAOYSA-N 2-[3-[(2-hydroxyphenyl)methylideneamino]propyliminomethyl]phenol Chemical compound OC1=CC=CC=C1C=NCCCN=CC1=CC=CC=C1O KLDZYURQCUYZBL-UHFFFAOYSA-N 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000009833 condensation Methods 0.000 description 1
- 230000005494 condensation Effects 0.000 description 1
- 201000001098 delayed sleep phase syndrome Diseases 0.000 description 1
- 208000033921 delayed sleep phase type circadian rhythm sleep disease Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000002918 waste heat Substances 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
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Software Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Operations Research (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本公开涉及一种监盘系统、方法、存储介质及电子设备,涉及机电领域,该系统包括:监控信息系统,数据模块,专家指导系统和评估模块,该监控信息系统与该数据模块和该评估模块连接,用于定期提供该燃机电站的目标设备的历史运行数据和预警参数的实时数据,该数据模块,用于通过预警模型获取该设备的预警基准值,该预警模型是根据接收到的该历史运行数据得到的,该专家指导系统,用于提供预警所需的边界条件,该评估模块,用于根据该预警基准值和该边界条件获取动态报警带,该动态报警带为是否发出预警信号的判断条件。上述方案通过数据驱动的方法进行智能监盘分析,从而减小人员工作量,能够提高分析效率,同时可以减少误报和漏报的情况。
Description
技术领域
本公开涉及机电领域,具体地,涉及一种监盘系统、方法、存储介质及电子设备。
背景技术
在燃机电站的设备运行过程中,通常需要进行监盘分析,现有技术中,一般通过工作人员进行人工浏览画面、抄表和巡检等方式监盘,同时结合控制系统的固定报警界限值来监控。这种方式人工观察数据的工作量大,且没有统一规范,对人的经验和状态依赖性较强。而控制系统报警的界限值固定,易产生误报、漏报。另一方面,电站在生产过程中积累的历史运行数据未被有效利用。
发明内容
本公开的目的是提供一种监盘系统、方法、存储介质及电子设备,以解决上述技术问题。
根据本公开实施例的第一方面,提供一种监盘系统,应用于燃机电站,所述系统包括:监控信息系统,数据模块,专家指导系统和评估模块;
所述监控信息系统,与所述数据模块和所述评估模块连接,用于定期提供所述燃机电站的目标设备的历史运行数据和预警参数的实时数据;
所述数据模块,用于通过预警模型获取所述设备的预警基准值,所述预警模型是根据接收到的所述历史运行数据得到的;
所述专家指导系统,用于提供预警所需的边界条件;
所述评估模块,用于根据所述预警基准值和所述边界条件获取动态报警带,所述动态报警带为是否发出预警信号的判断条件。
可选地,所述监控信息系统提供的所述目标设备的历史运行数据,包括:透平、燃烧室、压气机、余热锅炉及其他辅机设备在正常状态下的运行参数,所述预警参数的实时数据为所述运行参数在运行中的实际值。
可选地,所述数据模块中的所述预警模型由机器学习算法得到。
根据本公开实施例的第二方面,提供一种监盘方法,应用于监盘系统,所述系统包括:监控信息系统,数据模块,专家指导系统和评估模块,所述方法包括:
所述监控信息系统定期提供燃机电站的目标设备的历史运行数据和预警参数的实时数据;
所述数据模块通过预警模型获取所述设备的预警基准值,所述预警模型是根据接收到的所述历史运行数据得到的;
所述专家指导系统提供预警所需的边界条件;
所述评估模块根据所述预警基准值和所述边界条件获取动态报警带,所述动态报警带为是否发出预警信号的判断条件。
可选地,所述数据模块通过预警模型获取所述设备的预警基准值,包括:通过机器学习算法进行参数预测,得到所述预警基准值。
可选地,所述机器学习算法为NSET预测算法,所述通过机器学习算法进行参数预测,得到所述预警基准值,包括:
从所述监控信息系统中获取所述设备的历史运行数据;
对所述历史运行数据进行数据处理后,得到预测模型训练集;
利用所述预测模型训练集中的第一样本构建记忆矩阵D,并将所述预测模型训练集中的第二样本作为观测向量Xobs;
根据所述记忆矩阵D和所述观测向量Xobs进行计算,得到权值向量W;
根据所述记忆矩阵D和所述权值向量W进行计算,得到所述设备在正常状态下参数的预测值向量Y,并将Y作为所述预警基准值。
可选地,所述机器学习算法为LightGBM算法,所述通过机器学习算法进行参数预测,得到所述预警基准值,还包括:
从所述监控信息系统中获取所述设备的历史运行数据;
对所述历史运行数据进行数据处理后,得到预测模型训练集;
将所述设备的故障机理因素作为所述预测模型训练集的输入参数和预警参数进行训练,得到所述设备在正常状态下的预警参数预测值,并作为所述预警基准值。
可选地,所述评估模块根据所述预警基准值和所述边界条件获取动态报警带,包括:
根据由所述数据模块得到的所述预警基准值绘制监盘基准值曲线;
对比所述监盘基准值曲线与预警参数实时值曲线,计算预警参数实时偏差;
根据由所述专家指导系统提供的边界条件,计算预警参数实时值动态偏差阈值;
根据所述预警参数实时值动态偏差阈值和所述监盘基准曲线,获取动态预警带;
计算所述预警参数实时值和所述动态预警带的偏差严重度,当所述偏差严重度出现拐点时输出预警。
根据本公开实施例的第三方面,提供一种非临时性计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现上述第二方面中任一项所述方法的步骤。
根据本公开实施例的第四方面,提供一种电子设备,包括:
存储器,其上存储有计算机程序;
处理器,用于执行所述存储器中的所述计算机程序,以实现上述第二方面中任一项所述方法的步骤。
在上述技术方案中,通过监盘系统对燃机电站的目标设备进行监盘分析,该系统包括:监控信息系统,数据模块,专家指导系统和评估模块,该监控信息系统与该数据模块和该评估模块连接,用于定期提供该燃机电站的目标设备的历史运行数据和预警参数的实时数据,该数据模块,用于通过预警模型获取该设备的预警基准值,该预警模型是根据接收到的该历史运行数据得到的,该专家指导系统,用于提供预警所需的边界条件,该评估模块,用于根据该预警基准值和该边界条件获取动态报警带,该动态报警带为是否发出预警信号的判断条件。通过上述技术方案,可以通过数据驱动的方法进行智能监盘分析,从而减小人员工作量,能够提高分析效率,同时可以减少误报和漏报的情况。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本公开的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本公开,但并不构成对本公开的限制。在附图中:
图1是根据一示例性实施例示出的一种监盘系统100的框图。
图2是根据一示例性实施例示出的一种监盘方法的流程图。
图3是根据一示例性实施例示出的一种监盘方法的流程图。
图4是根据另一示例性实施例示出的一种监盘方法的流程图。
图5是根据一示例性实施例示出的一种监盘方法的流程图。
图6是根据一示例性实施例示出的一种电子设备600的框图。
图7是根据一示例性实施例示出的一种电子设备1900的框图。
具体实施方式
以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本公开,并不用于限制本公开。
需要说明的是,本公开中所有获取信号、信息或数据的动作都是在遵照所在地国家相应的数据保护法规政策的前提下,并获得由相应装置所有者给予授权的情况下进行的。
图1是根据一示例性实施例示出的一种监盘系统100的框图,该系统应用于燃机电站,如图1所示,该系统100包括:监控信息系统110,数据模块120,专家指导系统130和评估模块140。
该监控信息系统110,与该数据模块120和该评估模块140连接,用于定期提供该燃机电站的目标设备的历史运行数据和预警参数的实时数据。
其中,该目标设备的历史运行数据,可以包括:透平、燃烧室、压气机、余热锅炉及其他辅机设备在正常状态下的运行参数,该预警参数的实时数据为该运行参数在运行中的实际值。
该数据模块120,用于通过预警模型获取该设备的预警基准值,该预警模型是根据接收到的该历史运行数据得到的。
其中,该预警模型可以由机器学习算法得到,该机器学习算法可以为NSET(非线性状态估计,Nonlinear State Estimate Technology,NSET)预测算法和LightGBM算法等,本公开不作限定。
该专家指导系统130,用于提供预警所需的边界条件。
该评估模块140,用于根据该预警基准值和该边界条件获取动态报警带,该动态报警带为是否发出预警信号的判断条件。
在上述技术方案中,通过监盘系统对燃机电站的目标设备进行监盘分析,该系统包括:监控信息系统,数据模块,专家指导系统和评估模块,该监控信息系统与该数据模块和该评估模块连接,用于定期提供该燃机电站的目标设备的历史运行数据和预警参数的实时数据,该数据模块,用于通过预警模型获取该设备的预警基准值,该预警模型是根据接收到的该历史运行数据得到的,该专家指导系统,用于提供预警所需的边界条件,该评估模块,用于根据该预警基准值和该边界条件获取动态报警带,该动态报警带为是否发出预警信号的判断条件。通过上述技术方案,可以通过数据驱动的方法进行智能监盘分析,从而减小人员工作量,能够提高分析效率,同时可以减少误报和漏报的情况。
图2是根据一示例性实施例示出的一种监盘方法的流程图,该方法应用于监盘系统,该系统包括:监控信息系统,数据模块,专家指导系统和评估模块,如图2所示,该方法包括以下步骤:
步骤S21,该监控信息系统定期提供燃机电站的目标设备的历史运行数据和预警参数的实时数据;
步骤S22,该数据模块通过预警模型获取该设备的预警基准值,该预警模型是根据接收到的该历史运行数据得到的;
步骤S23,该专家指导系统提供预警所需的边界条件;
步骤S24,该评估模块根据该预警基准值和该边界条件获取动态报警带,该动态报警带为是否发出预警信号的判断条件。
可选地,可以通过机器学习算法进行参数预测,得到该预警基准值。示例地,该机器学习算法可以为NSET预测算法。图3是根据一示例性实施例示出的一种监盘方法的流程图,如图3所示,步骤S22所述的该数据模块通过预警模型获取该设备的预警基准值,可以包括以下步骤:
步骤S2211,从该监控信息系统中获取该设备的历史运行数据;
步骤S2212,对该历史运行数据进行数据处理后,得到预测模型训练集;
其中,该数据处理方法可以包括小波降噪和主成分分析法(Principal ComponentAnalysis,PCA)降维。
步骤S2213,利用该预测模型训练集中的第一样本构建记忆矩阵D,并将该预测模型训练集中的第二样本作为观测向量Xobs;
步骤S2214,根据该记忆矩阵D和该观测向量Xobs进行计算,得到权值向量W;
步骤S2215,根据该记忆矩阵D和该权值向量W进行计算,得到该设备在正常状态下参数的预测值向量Y,并将Y作为该预警基准值。
在一种可能的实施方式中,步骤S2212中所述的记忆矩阵D可以采用凝聚层次算法(HAC)构建,具体可以包括如下步骤:
(1)选择欧氏距离公式度量数据间距。具体公式如下:
其中,为n维空间下的坐标;
(2)类间距离度量方法的选择质心距离法,设该聚类中有n个点,质心的坐标为
将每个聚类中所有点的质心作为聚类中心;
(3)设定最终聚类数为原始数据量的10%;并设定一个距离阈值;
(4)分别计算每个聚类中心之间的欧式距离,合并距离最近的两个聚类,为一个新的聚类,并更新聚类中心,直到聚类数为设定的最终聚类数;
(5)计算各个聚类中的每个数据距离质心的距离,得到距离质心最大的点:
dmax=max(d1,d2,……dl)
若质心与最远点的距离大于设定的阈值,则这个聚类为异常类,对这个聚类中的所有数据继续进行聚类,设定最终聚类数为这个异常类的50%,重复(4),否则转至(6);
(6)聚类结束,用各个聚类中心代表它们所在的聚类中的数据,并将每个分区的所有聚类中心构成多元状态估计的记忆矩阵D。
进一步地,所述权值向量W的计算公式为:
W=(DT·D)-1·(DT·Xobs)
可选地,该机器学习算法可以为LightGBM算法。图4是根据另一示例性实施例示出的一种监盘方法的流程图,如图4所示,步骤S22所述的该数据模块通过预警模型获取该设备的预警基准值,还可以包括以下步骤:
步骤S2221,从该监控信息系统中获取该设备的历史运行数据;
步骤S2222,对该历史运行数据进行数据处理后,得到预测模型训练集;
步骤S2223,将该设备的故障机理因素作为该预测模型训练集的输入参数和预警参数进行训练,得到该设备在正常状态下的预警参数预测值,并作为该预警基准值。
进一步地,图5是根据一示例性实施例示出的一种监盘方法的流程图,如图5所示,上述步骤S24所述的该评估模块根据该预警基准值和该边界条件获取动态报警带,可以包括以下步骤:
步骤S241,根据由该数据模块得到的该预警基准值绘制监盘基准值曲线;
步骤S242,对比该监盘基准值曲线与预警参数实时值曲线,计算预警参数实时偏差;
步骤S243,根据由该专家指导系统提供的边界条件,计算预警参数实时值动态偏差阈值;
步骤S244,根据该预警参数实时值动态偏差阈值和该监盘基准曲线,获取动态预警带;
步骤S245,计算该预警参数实时值和该动态预警带的偏差严重度,当该偏差严重度出现拐点时输出预警。
其中,由于该参数预测模型可以定期更新,因此,通过参数预测模型和专家指导系统可以得到自适应的动态预警带,可以随着机组工况和设备机理的变化而变化。进一步地,结合动态预警带和偏差严重度计算两个基准对设备进行预警,可以减少误报警等问题。
在上述技术方案中,通过监盘系统对燃机电站的目标设备进行监盘分析,该系统包括:监控信息系统,数据模块,专家指导系统和评估模块,该监控信息系统与该数据模块和该评估模块连接,用于定期提供该燃机电站的目标设备的历史运行数据和预警参数的实时数据,该数据模块,用于通过预警模型获取该设备的预警基准值,该预警模型是根据接收到的该历史运行数据得到的,该专家指导系统,用于提供预警所需的边界条件,该评估模块,用于根据该预警基准值和该边界条件获取动态报警带,该动态报警带为是否发出预警信号的判断条件。通过上述技术方案,可以通过数据驱动的方法进行智能监盘分析,从而减小人员工作量,能够提高分析效率,同时可以减少误报和漏报的情况。
图6是根据一示例性实施例示出的一种电子设备600的框图。如图6所示,该电子设备600可以包括:处理器601,存储器602。该电子设备600还可以包括多媒体组件603,输入/输出(I/O)接口604,以及通信组件605中的一者或多者。
其中,处理器601用于控制该电子设备600的整体操作,以完成上述的监盘方法中的全部或部分步骤。存储器602用于存储各种类型的数据以支持在该电子设备600的操作,这些数据例如可以包括用于在该电子设备600上操作的任何应用程序或方法的指令,以及应用程序相关的数据,例如联系人数据、收发的消息、图片、音频、视频等等。该存储器602可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,例如静态随机存取存储器(Static Random Access Memory,简称SRAM),电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,简称EEPROM),可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,简称EPROM),可编程只读存储器(Programmable Read-Only Memory,简称PROM),只读存储器(Read-Only Memory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。多媒体组件603可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏,音频组件用于输出和/或输入音频信号。例如,音频组件可以包括一个麦克风,麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器602或通过通信组件605发送。音频组件还包括至少一个扬声器,用于输出音频信号。I/O接口604为处理器601和其他接口模块之间提供接口,上述其他接口模块可以是键盘,鼠标,按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件605用于该电子设备600与其他设备之间进行有线或无线通信。无线通信,例如Wi-Fi,蓝牙,近场通信(Near FieldCommunication,简称NFC),2G、3G、4G、NB-IOT、eMTC、或其他5G等等,或它们中的一种或几种的组合,在此不做限定。因此相应的该通信组件605可以包括:Wi-Fi模块,蓝牙模块,NFC模块等等。
在一示例性实施例中,电子设备600可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit,简称ASIC)、数字信号处理器(DigitalSignal Processor,简称DSP)、数字信号处理设备(Digital Signal Processing Device,简称DSPD)、可编程逻辑器件(Programmable Logic Device,简称PLD)、现场可编程门阵列(Field Programmable Gate Array,简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述的监盘方法。
在另一示例性实施例中,还提供了一种包括程序指令的计算机可读存储介质,该程序指令被处理器执行时实现上述的监盘方法的步骤。例如,该计算机可读存储介质可以为上述包括程序指令的存储器602,上述程序指令可由电子设备600的处理器601执行以完成上述的监盘方法。
图7是根据一示例性实施例示出的一种电子设备1900的框图。例如,电子设备1900可以被提供为一服务器。参照图7,电子设备1900包括处理器1922,其数量可以为一个或多个,以及存储器1932,用于存储可由处理器1922执行的计算机程序。存储器1932中存储的计算机程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理器1922可以被配置为执行该计算机程序,以执行上述的监盘方法。
另外,电子设备1900还可以包括电源组件1926和通信组件1950,该电源组件1926可以被配置为执行电子设备1900的电源管理,该通信组件1950可以被配置为实现电子设备1900的通信,例如,有线或无线通信。此外,该电子设备1900还可以包括输入/输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统。
在另一示例性实施例中,还提供了一种包括程序指令的计算机可读存储介质,该程序指令被处理器执行时实现上述的监盘方法的步骤。例如,该非临时性计算机可读存储介质可以为上述包括程序指令的存储器1932,上述程序指令可由电子设备1900的处理器1922执行以完成上述的监盘方法。
在另一示例性实施例中,还提供一种计算机程序产品,该计算机程序产品包含能够由可编程的装置执行的计算机程序,该计算机程序具有当由该可编程的装置执行时用于执行上述的监盘方法的代码部分。
以上结合附图详细描述了本公开的优选实施方式,但是,本公开并不限于上述实施方式中的具体细节,在本公开的技术构思范围内,可以对本公开的技术方案进行多种简单变型,这些简单变型均属于本公开的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合,为了避免不必要的重复,本公开对各种可能的组合方式不再另行说明。
此外,本公开的各种不同的实施方式之间也可以进行任意组合,只要其不违背本公开的思想,其同样应当视为本公开所公开的内容。
Claims (10)
1.一种监盘系统,其特征在于,应用于燃机电站,所述系统包括:监控信息系统,数据模块,专家指导系统和评估模块;
所述监控信息系统,与所述数据模块和所述评估模块连接,用于定期提供所述燃机电站的目标设备的历史运行数据和预警参数的实时数据;
所述数据模块,用于通过预警模型获取所述设备的预警基准值,所述预警模型是根据接收到的所述历史运行数据得到的;
所述专家指导系统,用于提供预警所需的边界条件;
所述评估模块,用于根据所述预警基准值和所述边界条件获取动态报警带,所述动态报警带为是否发出预警信号的判断条件。
2.根据权利要求1所述的系统,其特征在于,所述监控信息系统提供的所述目标设备的历史运行数据,包括:透平、燃烧室、压气机、余热锅炉及其他辅机设备在正常状态下的运行参数,所述预警参数的实时数据为所述运行参数在运行中的实际值。
3.根据权利要求1所述的系统,其特征在于,所述数据模块中的所述预警模型由机器学习算法得到。
4.一种监盘方法,其特征在于,应用于监盘系统,所述系统包括:监控信息系统,数据模块,专家指导系统和评估模块,所述方法包括:
所述监控信息系统定期提供燃机电站的目标设备的历史运行数据和预警参数的实时数据;
所述数据模块通过预警模型获取所述设备的预警基准值,所述预警模型是根据接收到的所述历史运行数据得到的;
所述专家指导系统提供预警所需的边界条件;
所述评估模块根据所述预警基准值和所述边界条件获取动态报警带,所述动态报警带为是否发出预警信号的判断条件。
5.根据权利要求4所述的方法,其特征在于,所述数据模块通过预警模型获取所述设备的预警基准值,包括:通过机器学习算法进行参数预测,得到所述预警基准值。
6.根据权利要求5所述的方法,其特征在于,所述机器学习算法为NSET预测算法,所述通过机器学习算法进行参数预测,得到所述预警基准值,包括:
从所述监控信息系统中获取所述设备的历史运行数据;
对所述历史运行数据进行数据处理后,得到预测模型训练集;
利用所述预测模型训练集中的第一样本构建记忆矩阵D,并将所述预测模型训练集中的第二样本作为观测向量Xobs;
根据所述记忆矩阵D和所述观测向量Xobs进行计算,得到权值向量W;
根据所述记忆矩阵D和所述权值向量W进行计算,得到所述设备在正常状态下参数的预测值向量Y,并将Y作为所述预警基准值。
7.根据权利要求5所述的方法,其特征在于,所述机器学习算法为LightGBM算法,所述通过机器学习算法进行参数预测,得到所述预警基准值,还包括:
从所述监控信息系统中获取所述设备的历史运行数据;
对所述历史运行数据进行数据处理后,得到预测模型训练集;
将所述设备的故障机理因素作为所述预测模型训练集的输入参数和预警参数进行训练,得到所述设备在正常状态下的预警参数预测值,并作为所述预警基准值。
8.根据权利要求4所述的方法,其特征在于,所述评估模块根据所述预警基准值和所述边界条件获取动态报警带,包括:
根据由所述数据模块得到的所述预警基准值绘制监盘基准值曲线;
对比所述监盘基准值曲线与预警参数实时值曲线,计算预警参数实时偏差;
根据由所述专家指导系统提供的边界条件,计算预警参数实时值动态偏差阈值;
根据所述预警参数实时值动态偏差阈值和所述监盘基准曲线,获取动态预警带;
计算所述预警参数实时值和所述动态预警带的偏差严重度,当所述偏差严重度出现拐点时输出预警。
9.一种非临时性计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现权利要求4-8中任一项所述方法的步骤。
10.一种电子设备,其特征在于,包括:
存储器,其上存储有计算机程序;
处理器,用于执行所述存储器中的所述计算机程序,以实现权利要求4-8中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310116838.6A CN116050930A (zh) | 2023-01-17 | 2023-01-17 | 监盘系统、方法、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310116838.6A CN116050930A (zh) | 2023-01-17 | 2023-01-17 | 监盘系统、方法、存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116050930A true CN116050930A (zh) | 2023-05-02 |
Family
ID=86116451
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310116838.6A Pending CN116050930A (zh) | 2023-01-17 | 2023-01-17 | 监盘系统、方法、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116050930A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116577583A (zh) * | 2023-05-17 | 2023-08-11 | 国能龙源环保有限公司 | 脱硫系统电气参数评价方法、装置和电子设备 |
CN117633592A (zh) * | 2023-11-29 | 2024-03-01 | 宁夏京银智慧新能源有限公司 | 一种新能源电站智能监盘系统 |
-
2023
- 2023-01-17 CN CN202310116838.6A patent/CN116050930A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116577583A (zh) * | 2023-05-17 | 2023-08-11 | 国能龙源环保有限公司 | 脱硫系统电气参数评价方法、装置和电子设备 |
CN116577583B (zh) * | 2023-05-17 | 2023-11-28 | 国能龙源环保有限公司 | 脱硫系统电气参数评价方法、装置和电子设备 |
CN117633592A (zh) * | 2023-11-29 | 2024-03-01 | 宁夏京银智慧新能源有限公司 | 一种新能源电站智能监盘系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3902992B1 (en) | Scalable system and engine for forecasting wind turbine failure | |
CN116050930A (zh) | 监盘系统、方法、存储介质及电子设备 | |
CN112188531B (zh) | 异常检测方法、装置、电子设备及计算机存储介质 | |
US9898917B2 (en) | Method and apparatus for providing environmental management using smart alarms | |
CN114862288B (zh) | 智慧水务二次加压管理系统 | |
CN112884199B (zh) | 水电站设备故障预测方法、装置、计算机设备和存储介质 | |
CN109690641B (zh) | 包括确定设备重要度和警报有效性的处理程序的用于预检核电站设备异常迹象的方法及系统 | |
CN114254879B (zh) | 多传感器信息融合的电力设备安全诊断方法和装置 | |
CN116070802B (zh) | 一种基于数据孪生的智能监控运维方法和系统 | |
EP3696693A1 (en) | Method and apparatus for monitoring state of device in process industry and medium | |
US10733514B1 (en) | Methods and apparatus for multi-site time series data analysis | |
WO2021127646A1 (en) | Device and method for monitoring a system | |
CN108306997B (zh) | 域名解析监控方法及装置 | |
CN114707834A (zh) | 一种告警提醒方法、装置及存储介质 | |
CN115018220A (zh) | 一种基于知识图谱的家电故障预测方法和系统 | |
JP2006276924A (ja) | 設備機器診断装置及び設備機器診断プログラム | |
CN106652393B (zh) | 假警报确定方法及装置 | |
CN105425739A (zh) | 使用plc日志数据来预测异常发生的系统 | |
KR102296568B1 (ko) | 머신러닝 기반 배전반 관제시스템 | |
CN113326585B (zh) | 燃气锅炉的能效异常预警方法、装置和计算机设备 | |
CN111555899B (zh) | 告警规则配置方法、设备状态监测方法、装置和存储介质 | |
CN112904921A (zh) | 基于物联网的实时监测监管系统 | |
CN116863664A (zh) | 燃气设备的实时监测方法以及燃气设备监测系统 | |
JP2012037991A (ja) | 予測装置、予測システム及びプログラム | |
WO2021042233A1 (en) | Remote diagnosis system, apparatus and method for power tool |
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 |