CN117040111A - 一种用于辅助水电站智慧运行的方法及系统 - Google Patents
一种用于辅助水电站智慧运行的方法及系统 Download PDFInfo
- Publication number
- CN117040111A CN117040111A CN202310870472.1A CN202310870472A CN117040111A CN 117040111 A CN117040111 A CN 117040111A CN 202310870472 A CN202310870472 A CN 202310870472A CN 117040111 A CN117040111 A CN 117040111A
- Authority
- CN
- China
- Prior art keywords
- hydropower station
- data
- equipment
- fault
- representing
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000004458 analytical method Methods 0.000 claims abstract description 28
- 230000002159 abnormal effect Effects 0.000 claims abstract description 18
- 238000001514 detection method Methods 0.000 claims abstract description 14
- 230000006870 function Effects 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims abstract description 12
- 238000013480 data collection Methods 0.000 claims abstract description 11
- 230000008439 repair process Effects 0.000 claims abstract description 11
- 230000008859 change Effects 0.000 claims abstract description 9
- 238000010801 machine learning Methods 0.000 claims abstract description 8
- 238000005516 engineering process Methods 0.000 claims abstract description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 45
- 238000010248 power generation Methods 0.000 claims description 15
- 238000001816 cooling Methods 0.000 claims description 12
- 238000012544 monitoring process Methods 0.000 claims description 12
- 230000009467 reduction Effects 0.000 claims description 11
- 238000007789 sealing Methods 0.000 claims description 11
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 238000013507 mapping Methods 0.000 claims description 9
- 230000000007 visual effect Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 230000007797 corrosion Effects 0.000 claims description 8
- 238000005260 corrosion Methods 0.000 claims description 8
- 238000003745 diagnosis Methods 0.000 claims description 8
- 238000012423 maintenance Methods 0.000 claims description 8
- 238000013135 deep learning Methods 0.000 claims description 7
- 230000004913 activation Effects 0.000 claims description 6
- 238000013527 convolutional neural network Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000010586 diagram Methods 0.000 claims description 5
- 238000011897 real-time detection Methods 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 5
- 238000004140 cleaning Methods 0.000 claims description 4
- 238000005520 cutting process Methods 0.000 claims description 4
- 238000007405 data analysis Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000000306 recurrent effect Effects 0.000 claims description 3
- 230000005856 abnormality Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03B—MACHINES OR ENGINES FOR LIQUIDS
- F03B11/00—Parts or details not provided for in, or of interest apart from, the preceding groups, e.g. wear-protection couplings, between turbine and generator
- F03B11/008—Measuring or testing arrangements
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03B—MACHINES OR ENGINES FOR LIQUIDS
- F03B15/00—Controlling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/048—Activation functions
-
- 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
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00001—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by the display of information or by user interaction, e.g. supervisory control and data acquisition systems [SCADA] or graphical user interfaces [GUI]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00032—Systems characterised by the controlled or operated power network elements or equipment, the power network elements or equipment not otherwise provided for
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Power Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Biophysics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mechanical Engineering (AREA)
- Biomedical Technology (AREA)
- Economics (AREA)
- Computational Linguistics (AREA)
- Chemical & Material Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Combustion & Propulsion (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Human Computer Interaction (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明涉及辅助方法的技术领域,具体为一种用于辅助水电站智慧运行的方法,本发明公开了一种用于辅助水电站智慧运行的方法及系统,其中运行方法包括,收集水电站安全运行时的相关数据;利用机器学习技术对收集的数据进行处理和分析;基于分析结果对水电站进行故障预测和预警;针对故障报告进行水电站辅助修复;采取本发明,通过实时数据收集和检测功能,能够及时了解水电站的运行状态以及数据变化,能够快速发现水电站潜在的异常情况与故障风险,通过快速分析异常检测结果和运行数据,能够准确判断故障烈性并提供相关的修复建议,有助于相关工作人员快速定位故障和解决故障,可以避免对正常运行设备的干预。
Description
技术领域
本发明涉及辅助方法的技术领域,具体为一种用于辅助水电站智慧运行的方法。
背景技术
目前,对于水电站智慧运行的日常工作中,仅有epms系统进行辅助办公,但在进行辅助办公的过程中,会面临以下一些问题:
水电站的数据可能受到传感器误差、噪声干扰和数据缺失等问题的影响,可能导致数据质量下降,进而影响方法的准确性和可靠性;水电站的运行数据属于敏感信息,保护数据的安全性和隐私是一个重要的挑战。辅助智慧运行方法需要采取相应的措施,如数据加密、访问权限控制等,确保数据的安全性和合规性;辅助智慧运行方法需要与运维人员进行有效的人机交互和协作。系统的用户界面和操作方式应简单易用,并能够满足运维人员的需求和习惯,提高用户的接受度和使用效果;辅助智慧运行方法需要持续进行优化和改进,以适应水电站的变化和需求。同时,系统的维护和技术支持也是确保方法持续有效运行的关键。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊,而这种简化或省略不能用于限制本发明的范围。
鉴于上述存在的问题,提出了本发明。
因此,本发明提供了一种用于辅助水电站智慧运行的方法,通过实时数据收集和检测功能,能够及时了解水电站的运行状态以及数据变化,能够快速发现水电站潜在的异常情况与故障风险,通过快速识别水电站中的异常情况和故障,能够及时发现和定位故障,可以减少故障对水电站运行的影响。
为解决上述技术问题,本发明提供如下技术方案:一种用于辅助水电站智慧运行的方法,包括以下步骤,
收集水电站安全运行时的相关数据;
利用机器学习技术对收集的数据进行处理和分析;
基于分析结果对水电站进行故障预测和预警;
针对故障报告进行水电站辅助修复。
作为本发明所述一种用于辅助水电站智慧运行的方法的一种优选方案,其中:所述利用机器学习技术对收集的数据进行处理和分析包括,利用循环神经网络对收集的数据进行处理,以及利用深度学习对处理后的数据进行分析。
作为本发明所述一种用于辅助水电站智慧运行的方法的一种优选方案,其中:所述循环神经网络是将收集到的水电站数据按照时间序列进行输入,并将过去时刻的隐藏状态与当前时刻的输出共同作为共同的输入数据,所述隐藏状态是循环神经网络中的记忆单元,用于保存之前的信息,并在后续时刻进行传递,具体实现公式如下:
ft=Sigmoid(Wfxxt+Wftft-1+bf)
Ot=Sigmoid(Wofft+bo)
其中,xt表示当前时刻的输入数据,ft表示当前时刻的隐藏状态,ft-1表示过去时刻的隐藏状态,Ot表示当前时刻的输出,Wfx、Wft、Wot表示相对应的权重矩阵,bf、bo表示相对应的偏置向量,Sigmoid表示将数据映射到时间序列[0,1]之间的激活函数。
作为本发明所述一种用于辅助水电站智慧运行的方法的一种优选方案,其中:所述利用深度学习对处理后的数据进行分析是利用卷积神经网络对数据进行分析的,所述卷积神经网络是利用卷积操作进行数据的局部特征提取,并利用全连接层将卷积层提取的特征映射转化为最终的输出结果,所述卷积操作是通过卷积核对输入数据进行特征提取,所述卷积核是能够与输入数据进行卷积操作后生成特征图的参数,所述卷积操作的具体实现公式如下:
其中,X表示输入的特征图,表示卷积操作,M为卷积核参数,表示卷积操作的泛化程度;
所述全连接层的具体计算公式如下:
y=Sigmoid(Wx+b)
其中,Wx表示输入的特征图所对应的权重矩阵,b表示偏置向量,y表示输出向量,Sigmoid表示将数据映射到时间序列[0,1]之间的激活函数。
作为本发明所述一种用于辅助水电站智慧运行的方法的一种优选方案,其中:所述基于分析结果对水电站进行故障预测和分析是根据对收集的数据的处理结果进行分析的,包括,根据水电站电压以及电流数据进行分析,对水电站温度以及湿度进行分析以及对水电站水位波动进行分析,具体分析如下:
当经过处理后的水电站电压数据与水电站电压安全工作阈值不符时,判断水电站出现电力负荷不平衡现象;
当经过处理后的水电站电流数据与水电站电流安全工作阈值不符时,判断水电站出现电气设备的过载以及短路,导致线路和设备损坏现象;
当经过处理后的水电站温度与水电站温度安全工作阈值不符时,判断水电站内出现设备过热以及冷却系统出现故障现象,有引发火灾的风险;
当经过处理后的水电站湿度与水电站湿度安全工作阈值不符时,判断水电站内出现机械设备的腐蚀以及水轮机叶片堵塞的现象,有导致设备性能下降以及完全停机的风险;
当经过处理后的水位数据与水电站水位安全工作阈值不符时,判断水电站出现水轮机失控以及水封设备的损坏现象,有导致水电站发电能力下降的风险。
作为本发明所述一种用于辅助水电站智慧运行的方法的一种优选方案,其中:水电站安全工作时的阈值是根据历史数据分析以及水域实际情况进行设定的,具体如下:
所述水电站电流安全工作阈值是根据安全系数进行设定的,具体如下:
其中,k表示安全系数,取值为0.8,n表示选取历史数据的次数,In表示第n次的电流数据;
所述水电站电压安全工作阈值是根据水电站电流安全工作阈值进行设定的,具体如下:
Umax=Imax·Rmax
其中,Rmax表示水电站安全工作时的最高负载电阻;
所述水电站温度安全工作阈值、水电站湿度安全工作阈值以及水电站水位高度安全工作阈值都是根据历史数据以及安全系数进行设定的,具体如下:
其中,k表示安全系数,取值为0.8,n表示选取历史数据的次数,Tn表示第n次的温度数据,RHn表示第n次的湿度数据,Hn表示第n次的水位高度数据。
作为本发明所述一种用于辅助水电站智慧运行的方法的一种优选方案,其中:所述针对故障报告进行水电站辅助修复时根据不同的故障现象采取不同的应急措施,具体如下:
当水电站出现电力负荷不平衡现象时,立即进行负荷均衡调整,调整电气设备的运行状态和连接方式,以平衡负荷,并进行发电计划的调整,以适应负荷变化和平衡电网供需;
当水电站出现电气设备的过载以及短路,导致线路和设备损坏现象时,立即切断故障设备的电源,以防止进一步损坏和安全风险,并进行设备的负载平衡,调整电气设备的连接方式,以避免过载情况的再次发生;
当水电站内出现设备过热以及冷却系统出现故障现象,有引发火灾的风险时,立即停机并切断故障设备的电源,以避免火灾的发生和进一步损坏,并进行设备的冷却和降温操作,确保设备恢复正常工作温度;
当水电站内出现机械设备的腐蚀以及水轮机叶片堵塞的现象,有导致设备性能下降以及完全停机的风险时,立即进行设备的检修和清洁,清除叶片上的污物和堵塞物,以恢复水轮机的正常运转,并进行设备的平衡和校准,以确保设备的正常工作和发电性能;
当水电站出现水轮机失控以及水封设备的损坏现象,有导致水电站发电能力下降的风险时,立即停机并采取紧急控制措施,以避免进一步损坏和安全风险,并检查水轮机的控制系统和水封设备的状态,对损坏的部件进行修复和更换。
本发明的另外一个目的是提供一种用于辅助水电站智慧运行的系统,其能通过快速分析异常检测结果和运行数据,能够准确判断故障烈性并提供相关的修复建议,有助于相关工作人员快速定位故障和解决故障,可以避免对正常运行设备的干预,通过将水电站的实时检测结果以直观的图表和报表的形式展示出来,能够让相关工作人员及时掌握系统的工作情况,从而能够更加准确地作出决策和采取相应的措施。
作为本发明所述一种用于辅助水电站智慧运行系统的一种优选方案,其中:包括,数据收集与监测模块,异常检测与分析模块,故障诊断与决策支持模块以及可视化展示模块;所述数据收集与监测模块,用于收集水电站安全运行相关的数据,并对收集的数据进行实时检测;所述异常检测与分析模块,用于针对数据监测结果对水电站异常故障进行检测与分析;所述故障诊断与决策支持模块,用于确定故障类型并针对故障类型采取相对应的应急措施;所述可视化展示模块,用于展示水电站实时检测结果以及针对不同故障所采取的措施。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现用于辅助水电站智慧运行方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现用于辅助水电站智慧运行方法的步骤。
本发明的有益效果:本发明通过实时数据收集和检测功能,能够及时了解水电站的运行状态以及数据变化,能够快速发现水电站潜在的异常情况与故障风险,通过快速识别水电站中的异常情况和故障,能够及时发现和定位故障,可以减少故障对水电站运行的影响,通过快速分析异常检测结果和运行数据,能够准确判断故障烈性并提供相关的修复建议,有助于相关工作人员快速定位故障和解决故障,可以避免对正常运行设备的干预。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。其中:
图1为本发明一种用于辅助水电站智慧运行的方法的整体方法步骤示意图。
图2为本发明一种用于辅助水电站智慧运行的系统所述的整体组成结构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明,显然所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通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,都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述,在详述本发明实施例时,为便于说明,表示器件结构的剖面图会不依一般比例作局部放大,而且所述示意图只是示例,其在此不应限制本发明保护的范围。此外,在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中,需要说明的是,术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一、第二或第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定,术语“安装、相连、连接”应做广义理解,例如:可以是固定连接、可拆卸连接或一体式连接;同样可以是机械连接、电连接或直接连接,也可以通过中间媒介间接相连,也可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
实施例1
参照图1,为本发明的第一个实施例,提供了一种用于辅助水电站智慧运行的方法,包括以下步骤,
S1:收集水电站安全运行时的相关数据。
具体的,所述收集水电站安全运行时的相关数据是利用数据传感器进行相关数据收集的,所述相关数据包括,水电站运行时的电流数据,水电站运行时的电压数据,水电站运行时的温度数据,水电站运行时的湿度数据以及水电站运行时的水位高度数据。
S2:利用机器学习技术对收集的数据进行处理和分析。
具体的,所述利用机器学习技术对收集的数据进行处理和分析包括,利用循环神经网络对收集的数据进行处理,以及利用深度学习对处理后的数据进行分析。
进一步的,所述循环神经网络是将收集到的水电站数据按照时间序列进行输入,并将过去时刻的隐藏状态与当前时刻的输出共同作为共同的输入数据,所述隐藏状态是循环神经网络中的记忆单元,用于保存之前的信息,并在后续时刻进行传递,具体实现公式如下:
ft=Sigmoid(Wfxxt+Wftft-1+bf)
Ot=Sigmoid(Wofft+bo)
其中,xt表示当前时刻的输入数据,ft表示当前时刻的隐藏状态,ft-1表示过去时刻的隐藏状态,Ot表示当前时刻的输出,Wfx、Wft、Wot表示相对应的权重矩阵,bf、bo表示相对应的偏置向量,Sigmoid表示将数据映射到时间序列[0,1]之间的激活函数。
更进一步的,所述利用深度学习对处理后的数据进行分析是利用卷积神经网络对数据进行分析的,所述卷积神经网络是利用卷积操作进行数据的局部特征提取,并利用全连接层将卷积层提取的特征映射转化为最终的输出结果,所述卷积操作是通过卷积核对输入数据进行特征提取,所述卷积核是能够与输入数据进行卷积操作后生成特征图的参数,所述卷积操作的具体实现公式如下:
其中,X表示输入的特征图,表示卷积操作,M为卷积核参数,表示卷积操作的泛化程度;
所述全连接层的具体计算公式如下:
y=Sigmoid(Wx+b)
其中,Wx表示输入的特征图所对应的权重矩阵,b表示偏置向量,y表示输出向量,Sigmoid表示将数据映射到时间序列[0,1]之间的激活函数。
S3:基于分析结果对水电站进行故障预测和预警。
具体的,所述基于分析结果对水电站进行故障预测和分析是根据对收集的数据的处理结果进行分析的,包括,根据水电站电压以及电流数据进行分析,对水电站温度以及湿度进行分析以及对水电站水位波动进行分析,具体分析如下:
当经过处理后的水电站电压数据与水电站电压安全工作阈值不符时,判断水电站出现电力负荷不平衡现象;
当经过处理后的水电站电流数据与水电站电流安全工作阈值不符时,判断水电站出现电气设备的过载以及短路,导致线路和设备损坏现象;
当经过处理后的水电站温度与水电站温度安全工作阈值不符时,判断水电站内出现设备过热以及冷却系统出现故障现象,有引发火灾的风险;
当经过处理后的水电站湿度与水电站湿度安全工作阈值不符时,判断水电站内出现机械设备的腐蚀以及水轮机叶片堵塞的现象,有导致设备性能下降以及完全停机的风险;
当经过处理后的水位数据与水电站水位安全工作阈值不符时,判断水电站出现水轮机失控以及水封设备的损坏现象,有导致水电站发电能力下降的风险。
进一步的,水电站安全工作时的阈值是根据历史数据分析以及水域实际情况进行设定的,具体如下:
所述水电站电流安全工作阈值是根据安全系数进行设定的,具体如下:
其中,k表示安全系数,取值为0.8,n表示选取历史数据的次数,In表示第n次的电流数据;
所述水电站电压安全工作阈值是根据水电站电流安全工作阈值进行设定的,具体如下:
Umax=Imax·Rmax
其中,Rmax表示水电站安全工作时的最高负载电阻;
所述水电站温度安全工作阈值、水电站湿度安全工作阈值以及水电站水位高度安全工作阈值都是根据历史数据以及安全系数进行设定的,具体如下:
其中,k表示安全系数,取值为0.8,n表示选取历史数据的次数,Tn表示第n次的温度数据,RHn表示第n次的湿度数据,Hn表示第n次的水位高度数据。
S4:针对故障报告进行水电站辅助修复。
具体的,所述针对故障报告进行水电站辅助修复时根据不同的故障现象采取不同的应急措施,具体如下:
当水电站出现电力负荷不平衡现象时,立即进行负荷均衡调整,调整电气设备的运行状态和连接方式,以平衡负荷,并进行发电计划的调整,以适应负荷变化和平衡电网供需;
当水电站出现电气设备的过载以及短路,导致线路和设备损坏现象时,立即切断故障设备的电源,以防止进一步损坏和安全风险,并进行设备的负载平衡,调整电气设备的连接方式,以避免过载情况的再次发生;
当水电站内出现设备过热以及冷却系统出现故障现象,有引发火灾的风险时,立即停机并切断故障设备的电源,以避免火灾的发生和进一步损坏,并进行设备的冷却和降温操作,确保设备恢复正常工作温度;
当水电站内出现机械设备的腐蚀以及水轮机叶片堵塞的现象,有导致设备性能下降以及完全停机的风险时,立即进行设备的检修和清洁,清除叶片上的污物和堵塞物,以恢复水轮机的正常运转,并进行设备的平衡和校准,以确保设备的正常工作和发电性能;
当水电站出现水轮机失控以及水封设备的损坏现象,有导致水电站发电能力下降的风险时,立即停机并采取紧急控制措施,以避免进一步损坏和安全风险,并检查水轮机的控制系统和水封设备的状态,对损坏的部件进行修复和更换。
实施例2
参照图2,为本发明的第二个实施例,提供了一种用于辅助水电站智慧运行的系统,包括,数据收集与监测模块,异常检测与分析模块,故障诊断与决策支持模块以及可视化展示模块;
具体的,所述数据收集与监测模块,用于收集水电站安全运行相关的数据,并对收集的数据进行实时检测;所述异常检测与分析模块,用于针对数据监测结果对水电站异常故障进行检测与分析;所述故障诊断与决策支持模块,用于确定故障类型并针对故障类型采取相对应的应急措施;所述可视化展示模块,用于展示水电站实时检测结果以及针对不同故障所采取的措施。
进一步的,所述数据收集与监测模块,是通过数据传感器收集水电站安全运行相关的数据,并对收集的数据进行实时检测,所述收集的数据包括,水电站的电流数据、水电站的电压数据、水电站的温度数据、水电站的湿度数据以及水电站的水位高度数据;所述异常检测与分析模块,是利用机器学习以及深度学习算法进行异常检测与数据分析的,通过对异常数据的检测与分析,能够检测出电气设备的过载、短路、设备过热、冷却系统故障、机械设备腐蚀以及叶片堵塞的异常情况;所述故障诊断与决策支持模块,是针对故障类型进行诊断,并提供相对应的应对决策,具体决策如下:当水电站出现电力负荷不平衡现象时,立即进行负荷均衡调整,调整电气设备的运行状态和连接方式,以平衡负荷,并进行发电计划的调整,以适应负荷变化和平衡电网供需;
当水电站出现电气设备的过载以及短路,导致线路和设备损坏现象时,立即切断故障设备的电源,以防止进一步损坏和安全风险,并进行设备的负载平衡,调整电气设备的连接方式,以避免过载情况的再次发生;
当水电站内出现设备过热以及冷却系统出现故障现象,有引发火灾的风险时,立即停机并切断故障设备的电源,以避免火灾的发生和进一步损坏,并进行设备的冷却和降温操作,确保设备恢复正常工作温度;
当水电站内出现机械设备的腐蚀以及水轮机叶片堵塞的现象,有导致设备性能下降以及完全停机的风险时,立即进行设备的检修和清洁,清除叶片上的污物和堵塞物,以恢复水轮机的正常运转,并进行设备的平衡和校准,以确保设备的正常工作和发电性能;
当水电站出现水轮机失控以及水封设备的损坏现象,有导致水电站发电能力下降的风险时,立即停机并采取紧急控制措施,以避免进一步损坏和安全风险,并检查水轮机的控制系统和水封设备的状态,对损坏的部件进行修复和更换;
所述可视化展示模块,是以数据报表的形式将水电站的实时检测结果进行展示,为相关工作人员提供直观的数据可视化以及实时监控,能够使得相关工作人员能够直观的了解水电站的整体运行情况,并及时做出相应的决策。
为了进一步验证本发明的有益效果,将本发明与常规技术方案在同等条件下,以数据表格的形式进行对比,具体对比如下表所示:
通过上述对比表格不难发现,本发明通过数据收集和监测模块能够实时检测数据变化,及时发现异常情况和故障风险,还能够提供准确的故障诊断类型以及相关修复建议,通过系统的自动化以及智能化功能,能够降低系统的运维成本,还能够及时发现潜在故障和异常情况,降低了系统整体的故障风险以及提高设备运行的可靠性。
更进一步的,所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置)、便携式计算机盘盒(磁装置)、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编辑只读存储器(EPROM或闪速存储器)、光纤装置以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
此外,为了提供示例性实施方案的简练描述,可以不描述实际实施方案的所有特征(即,与当前考虑的执行本发明的最佳模式不相关的那些特征,或于实现本发明不相关的那些特征)。
应理解的是,在任何实际实施方式的开发过程中,如在任何工程或设计项目中,可做出大量的具体实施方式决定。这样的开发努力可能是复杂的且耗时的,但对于那些得益于此公开内容的普通技术人员来说,不需要过多实验,所述开发努力将是一个设计、制造和生产的常规工作。
应说明的是,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,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.一种用于辅助水电站智慧运行的方法,其特征在于:包括以下步骤,
收集水电站安全运行时的相关数据;
利用机器学习技术对收集的数据进行处理和分析;
基于分析结果对水电站进行故障预测和预警;
针对故障报告进行水电站辅助修复。
2.如权利要求1所述的一种用于辅助水电站智慧运行的方法,其特征在于:所述利用机器学习技术对收集的数据进行处理和分析包括,利用循环神经网络对收集的数据进行处理,以及利用深度学习对处理后的数据进行分析。
3.如权利要求2所述的一种用于辅助水电站智慧运行的方法,其特征在于:所述循环神经网络是将收集到的水电站数据按照时间序列进行输入,并将过去时刻的隐藏状态与当前时刻的输出共同作为共同的输入数据,所述隐藏状态是循环神经网络中的记忆单元,用于保存之前的信息,并在后续时刻进行传递,具体实现公式如下:
ft=Sigmoid(Wfxxt+Wftft-1+bf)
Ot=Sigmoid(Wofft+bo)
其中,xt表示当前时刻的输入数据,ft表示当前时刻的隐藏状态,ft-1表示过去时刻的隐藏状态,Ot表示当前时刻的输出,Wfx、Wft、Wot表示相对应的权重矩阵,bf、bo表示相对应的偏置向量,Sigmoid表示将数据映射到时间序列[0,1]之间的激活函数。
4.如权利要求3所述的一种用于辅助水电站智慧运行的方法,其特征在于:所述利用深度学习对处理后的数据进行分析是利用卷积神经网络对数据进行分析的,所述卷积神经网络是利用卷积操作进行数据的局部特征提取,并利用全连接层将卷积层提取的特征映射转化为最终的输出结果,所述卷积操作是通过卷积核对输入数据进行特征提取,所述卷积核是能够与输入数据进行卷积操作后生成特征图的参数,所述卷积操作的具体实现公式如下:
其中,X表示输入的特征图,表示卷积操作,M为卷积核参数,表示卷积操作的泛化程度;
所述全连接层的具体计算公式如下:
y=Sigmoid(Wx+b)
其中,Wx表示输入的特征图所对应的权重矩阵,b表示偏置向量,y表示输出向量,Sigmoid表示将数据映射到时间序列[0,1]之间的激活函数。
5.如权利要求4所述的一种用于辅助水电站智慧运行的方法,其特征在于:所述基于分析结果对水电站进行故障预测和分析是根据对收集的数据的处理结果进行分析的,包括,根据水电站电压以及电流数据进行分析,对水电站温度以及湿度进行分析以及对水电站水位波动进行分析,具体分析如下:
当经过处理后的水电站电压数据与水电站电压安全工作阈值不符时,判断水电站出现电力负荷不平衡现象;
当经过处理后的水电站电流数据与水电站电流安全工作阈值不符时,判断水电站出现电气设备的过载以及短路,导致线路和设备损坏现象;
当经过处理后的水电站温度与水电站温度安全工作阈值不符时,判断水电站内出现设备过热以及冷却系统出现故障现象,有引发火灾的风险;
当经过处理后的水电站湿度与水电站湿度安全工作阈值不符时,判断水电站内出现机械设备的腐蚀以及水轮机叶片堵塞的现象,有导致设备性能下降以及完全停机的风险;
当经过处理后的水位数据与水电站水位安全工作阈值不符时,判断水电站出现水轮机失控以及水封设备的损坏现象,有导致水电站发电能力下降的风险。
6.如权利要求5所述的一种用于辅助水电站智慧运行的方法,其特征在于:水电站安全工作时的阈值是根据历史数据分析以及水域实际情况进行设定的,具体如下:
所述水电站电流安全工作阈值是根据安全系数进行设定的,具体如下:
其中,k表示安全系数,取值为0.8,n表示选取历史数据的次数,In表示第n次的电流数据;
所述水电站电压安全工作阈值是根据水电站电流安全工作阈值进行设定的,具体如下:
Umax=Imax·Rmax
其中,Rmax表示水电站安全工作时的最高负载电阻;
所述水电站温度安全工作阈值、水电站湿度安全工作阈值以及水电站水位高度安全工作阈值都是根据历史数据以及安全系数进行设定的,具体如下:
其中,k表示安全系数,取值为0.8,n表示选取历史数据的次数,Tn表示第n次的温度数据,RHn表示第n次的湿度数据,Hn表示第n次的水位高度数据。
7.如权利要求6所述的一种用于辅助水电站智慧运行的方法,其特征在于:所述针对故障报告进行水电站辅助修复时根据不同的故障现象采取不同的应急措施,具体如下:
当水电站出现电力负荷不平衡现象时,立即进行负荷均衡调整,调整电气设备的运行状态和连接方式,以平衡负荷,并进行发电计划的调整,以适应负荷变化和平衡电网供需;
当水电站出现电气设备的过载以及短路,导致线路和设备损坏现象时,立即切断故障设备的电源,以防止进一步损坏和安全风险,并进行设备的负载平衡,调整电气设备的连接方式,以避免过载情况的再次发生;
当水电站内出现设备过热以及冷却系统出现故障现象,有引发火灾的风险时,立即停机并切断故障设备的电源,以避免火灾的发生和进一步损坏,并进行设备的冷却和降温操作,确保设备恢复正常工作温度;
当水电站内出现机械设备的腐蚀以及水轮机叶片堵塞的现象,有导致设备性能下降以及完全停机的风险时,立即进行设备的检修和清洁,清除叶片上的污物和堵塞物,以恢复水轮机的正常运转,并进行设备的平衡和校准,以确保设备的正常工作和发电性能;
当水电站出现水轮机失控以及水封设备的损坏现象,有导致水电站发电能力下降的风险时,立即停机并采取紧急控制措施,以避免进一步损坏和安全风险,并检查水轮机的控制系统和水封设备的状态,对损坏的部件进行修复和更换。
8.一种采用如权利要求1~7任一所述的用于辅助水电站智慧运行的方法的系统,其特征在于,包括,数据收集与监测模块,异常检测与分析模块,故障诊断与决策支持模块以及可视化展示模块;
所述数据收集与监测模块,用于收集水电站安全运行相关的数据,并对收集的数据进行实时检测;
所述异常检测与分析模块,用于针对数据监测结果对水电站异常故障进行检测与分析;
所述故障诊断与决策支持模块,用于确定故障类型并针对故障类型采取相对应的应急措施;
所述可视化展示模块,用于展示水电站实时检测结果以及针对不同故障所采取的措施。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310870472.1A CN117040111A (zh) | 2023-07-17 | 2023-07-17 | 一种用于辅助水电站智慧运行的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310870472.1A CN117040111A (zh) | 2023-07-17 | 2023-07-17 | 一种用于辅助水电站智慧运行的方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117040111A true CN117040111A (zh) | 2023-11-10 |
Family
ID=88639560
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310870472.1A Withdrawn CN117040111A (zh) | 2023-07-17 | 2023-07-17 | 一种用于辅助水电站智慧运行的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117040111A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118350639A (zh) * | 2024-04-30 | 2024-07-16 | 华电四川发电有限公司宝珠寺水力发电厂 | 一种基于人工智能的安全风险检测方法及系统 |
CN118394816A (zh) * | 2024-07-01 | 2024-07-26 | 湖南睿图智能科技有限公司 | 一种水电站机组故障检测与诊断方法及系统 |
-
2023
- 2023-07-17 CN CN202310870472.1A patent/CN117040111A/zh not_active Withdrawn
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118350639A (zh) * | 2024-04-30 | 2024-07-16 | 华电四川发电有限公司宝珠寺水力发电厂 | 一种基于人工智能的安全风险检测方法及系统 |
CN118394816A (zh) * | 2024-07-01 | 2024-07-26 | 湖南睿图智能科技有限公司 | 一种水电站机组故障检测与诊断方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109524139B (zh) | 一种基于设备工况变化的实时设备性能监测方法 | |
CN117040111A (zh) | 一种用于辅助水电站智慧运行的方法及系统 | |
US7865333B2 (en) | Process and device for monitoring a machine | |
EP1538503A1 (en) | Distributed power generation plant automated event assessment and mitigation plan determination process | |
JP4550632B2 (ja) | 設備保全計画支援システムおよびその支援方法 | |
CN116596322B (zh) | 一种基于大数据可视化的物业设备管理方法及系统 | |
CN117420380A (zh) | 一种配电网故障预警、处置方法及系统 | |
EP4113539A1 (en) | Method and system for intelligent monitoring of state of nuclear power plant | |
CN110209144B (zh) | 基于动静协同差异分析的两层实时监测与报警溯源方法 | |
CN117808456B (zh) | 一种基于智慧运营管理的设备故障预警方法及装置 | |
KR101776350B1 (ko) | 압축기를 진단하는 방법 및 시스템 | |
CN111259562A (zh) | 一种锅炉受热面失效区域分析防治动态虚拟系统 | |
CN116205623A (zh) | 设备维护方法、装置、系统、电子设备及存储介质 | |
CN117937768B (zh) | 智能电气柜远程监控系统 | |
CN117517859A (zh) | 一种基于数字孪生的交直流混联配电网故障检测系统 | |
CN117910999A (zh) | 一种智能电厂设备检修方法及系统 | |
CN114837902B (zh) | 一种风电机组健康度评估方法、系统、设备和介质 | |
JPH086635A (ja) | プラント診断装置 | |
KR20240003469A (ko) | 원전설비의 예측진단방법 및 시스템 | |
Walker et al. | Nuclear Power Fault Diagnostics and Preventative Maintenance Optimization | |
CN114091811A (zh) | 一种核电厂循环水泵维修决策系统及设计方法 | |
CN111986469A (zh) | 一种现场终端故障智能化诊断的方法 | |
CN114893428B (zh) | 一种通风机精细预诊与精准运维装置及系统 | |
CN117150032B (zh) | 一种水电站发电机组的智能维护系统及方法 | |
Kim et al. | MOAS: A real-time operator advisory system |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20231110 |