一种基于贝叶斯网络的锅炉运行数据监测方法和装置制造方法及图纸

技术编号:20682238 阅读:22 留言:0更新日期:2019-03-27 19:18
本发明专利技术公开了一种基于贝叶斯网络的锅炉系统运行数据监测方法和装置,该方法包括:S1:根据锅炉系统各部件以及各部件不同位置之间的关联关系,建立锅炉系统状态模型;S2:通过传感器采集各部件以及各部件不同位置的运行状态,得到锅炉系统观测模型;S3:结合锅炉系统状态模型和锅炉系统观测模型,得到锅炉系统模型。S4:根据锅炉系统模型,推测缺失观测数据以及判断观测数据是否存在异常。本发明专利技术基于贝叶斯网络构建设备运行的模型,通过模型监测数据的正确性以及补全缺失的数据,为后续的设备远程诊断提供便利。

【技术实现步骤摘要】
一种基于贝叶斯网络的锅炉运行数据监测方法和装置
本专利技术涉及数据处理
,特别涉及一种基于贝叶斯网络的锅炉运行数据监测方法和装置。
技术介绍
工业生产现场,工业设备在工作的过程中可以通过传感器采集到大量的数据,通过这些数据我们可以判断设备的工作状态。比如锅炉在工作的过程中通过传感器可以采集到温度、压力等数据,通过这些数据我们可以判断锅炉的工作状态。但是在实际的场景下,往往由于各种原因使得数据的采集有部分缺失或者不够准确,并且不能对部分缺失或错误的数据未采取相应的补全或检测措施,比如传感器原因、物联数据传输问题等。这会使得依靠物联数据的设备远程诊断不方便。
技术实现思路
本专利技术实施例提供了一种基于贝叶斯网络的锅炉运行数据监测方法和装置,基于贝叶斯网络构建设备运行的模型,通过模型监测数据的正确性以及补全缺失的数据,为后续的设备远程诊断提供便利。第一方面,本专利技术实施例提供了一种基于贝叶斯网络的锅炉运行数据监测方法,该方法包括:S1:根据锅炉系统各部件以及各部件不同位置之间的关联关系,建立锅炉系统状态模型;S2:通过传感器采集各部件以及各部件不同位置的运行状态,得到锅炉系统观测模型;S3:结合锅炉系统状态模型和锅炉系统观测模型,得到锅炉系统模型。S4:根据锅炉系统模型,推测缺失观测数据以及判断观测数据是否存在异常。对于缺失观测数据的问题,从系统的角度考虑如果能正确观测到大部分数据,同时只是缺失部分观测数据,由于缺失数据和观测数据都作为系统整体状态的一部分,之间存在一定相互的关系(比如蒸汽的出口温度和入口温度),这使得根据观测数据推测缺失数据成为一种可能。假定为缺失数据或不完全观测数据,为可以完全观测的数据,z1:n表示系统状态变量,可以根据系统模型计算得到的概率分布进一步计算的期望值使用期望值作为缺失数据或不完全观测数据的估计值进行数据补全。对于异常数据的问题,系统模型会根据系统各部分状态的一致性推理数据的正确性并可以对错误数据提示警告或进一步自动修改错误。假定某个时刻在传感器的观测值为根据系统模型可以计算观测概率根据可以判断观测是否异常(通常认为观测概率低的异常可能性大),并且在一定的情况下可以修正该数据异常。优选地,S1中锅炉系统状态模型的整体状态分布由公式表示为:P(z1∶n)=P(z1)P(z2|z1)…P(zn|z1∶n-1)其中,z1:n为锅炉系统中不同部件的合集;zn为锅炉系统中第n个部件的状态。优选地,在锅炉系统状态模型中,输入zn-1和输出zn的关系为:zn=F(zn-1)+u其中,F为系统状态模型函数;u为系统状态模型的噪声,符合高斯分布。优选地,在锅炉系统状态模型中,输入zn-1和输出zn之间的条件概率分布为:P(zn|zn-1)=N(F(zn-1),∑)其中,N(F(zn-1),∑)表示高斯分布。优选地,S2中锅炉系统观测模型由公式表示为:P(x|z)=N(H(z),σ2)其中,P(x|z)为在状态z下的测量的概率分布;x表示传感器观测值;H为系统观测模型函数;N(H(z),σ2)表示高斯分布。优选地,传感器观测值与系统观测模型函数满足公式:x=H(z)+ε其中,ε为观测模型的噪声,符合高斯分布。优选地,S3中锅炉系统模型由公式表示为:P(z1:n,x1:n)=P(z1)P(z2|z1)…P(zn|z1:n-1)P(x2|z1)…P(xn|zn)其中,P(z1:n,x1:n)为状态和测量的联合概率分布。第二方面,本专利技术实施例提供了一种基于贝叶斯网络的锅炉运行数据监测装置,该装置包括:状态模块、观测模块、整合模块和监测模块,其中,所述状态模块,用于根据锅炉系统各部件以及各部件不同位置之间的关联关系,建立锅炉系统状态模型;所述观测模块,用于通过传感器采集各部件以及各部件不同位置的运行状态,得到锅炉系统观测模型;所述整合模块,用于结合所述状态模块建立的锅炉系统状态模型和所述观测模块得到的锅炉系统观测模型,得到锅炉系统模型。所述监测模块,用于根据锅炉系统模型,推测缺失观测数据以及判断观测数据是否存在异常。优选地,所述状态模块建立的锅炉系统状态模型的整体状态分布由公式表示为:P(z1:n)=P(z1)P(z2|z1)…P(zn|z1:n-1)其中,z1:n为锅炉系统中不同部件的合集;zn为锅炉系统中第n个部件的状态。优选地,在锅炉系统状态模型中,输入zn-1和输出zn的关系为:zn=F(zn-1)+u其中,F为系统状态模型函数;u为系统状态模型的噪声,符合高斯分布。优选地,在锅炉系统状态模型中,输入zn-1和输出zn之间的条件概率分布为:P(zn|zn-1)=N(F(zn-1),∑)其中,N(F(zn-1),∑)表示高斯分布。优选地,所述观测模块得到的锅炉系统观测模型由公式表示为:P(x|z)=N(H(z),σ2)其中,P(x|z)为在状态z下的测量的概率分布;x表示传感器观测值;H为系统观测模型函数;N(H(z),σ2)表示高斯分布。优选地,传感器观测值与系统观测模型函数满足公式:x=H(z)+ε其中,ε为观测模型的噪声,符合高斯分布。优选地,所述整合模块得到的锅炉系统模型由公式表示为:P(z1:n,x1:n)=P(z1)P(z2|z1)…P(zn|z1:n-1)P(x2|z1)…P(xn|zn)其中,P(z1:n,x1:n)为状态和测量的联合概率分布。与现有技术相比,本专利技术至少具有以下有益效果:从系统的角度出发,利用系统的物理规律作为先验知识,结合传感器观测构建系统运行数据的统计模型,基于该模型实现数据的质量改进和异常检测。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本专利技术的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。图1是本专利技术一个实施例提供的一种基于贝叶斯网络的锅炉运行数据监测方法的流程图;图2是本专利技术一个实施例提供的一种基于贝叶斯网络构建的系统模型的依赖关系图;图3是本专利技术一个实施例提供的一种基于贝叶斯网络的锅炉运行数据监测方法的结构框图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚,下面将结合本专利技术实施例中的附图,对本专利技术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专利技术一部分实施例,而不是全部的实施例,基于本专利技术中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本专利技术保护的范围。如图1所示,本专利技术实施例提供了一种基于贝叶斯网络的锅炉运行数据监测方法,该方法可以包括以下步骤:S1:根据锅炉系统各部件以及各部件不同位置之间的关联关系,建立锅炉系统状态模型;S2:通过传感器采集各部件以及各部件不同位置的运行状态,得到锅炉系统观测模型;S3:结合锅炉系统状态模型和锅炉系统观测模型,得到锅炉系统模型。S4:根据锅炉系统模型,推测缺失观测数据以及判断观测数据是否存在异常。在该实施例中,根据锅炉系统运行物理规律以及大量系统的运行数据建立系统运行的统计模型,设备物联数据是通过传感器采集设备各部件不同位置上的物理状态。首先,设备各部件不同位置上的物理状态并不本文档来自技高网...

【技术保护点】
1.一种基于贝叶斯网络的锅炉系统运行数据监测方法,其特征在于,该方法包括:S1:根据锅炉系统各部件以及各部件不同位置之间的关联关系,建立锅炉系统状态模型;S2:通过传感器采集各部件以及各部件不同位置的运行状态,得到锅炉系统观测模型;S3:结合锅炉系统状态模型和锅炉系统观测模型,得到锅炉系统模型。S4:根据锅炉系统模型,推测缺失观测数据以及判断观测数据是否存在异常。

【技术特征摘要】
1.一种基于贝叶斯网络的锅炉系统运行数据监测方法,其特征在于,该方法包括:S1:根据锅炉系统各部件以及各部件不同位置之间的关联关系,建立锅炉系统状态模型;S2:通过传感器采集各部件以及各部件不同位置的运行状态,得到锅炉系统观测模型;S3:结合锅炉系统状态模型和锅炉系统观测模型,得到锅炉系统模型。S4:根据锅炉系统模型,推测缺失观测数据以及判断观测数据是否存在异常。2.根据权利要求1所述的基于贝叶斯网络的锅炉系统运行数据监测方法,其特征在于,S1中锅炉系统状态模型的整体状态分布由公式表示为:P(z1∶n)=P(z1)P(z2|z1)…P(zn|z1∶n-1)其中,z1∶n为锅炉系统中不同部件的合集;zn为锅炉系统中第n个部件的状态。3.根据权利要求2所述的基于贝叶斯网络的锅炉系统运行数据监测方法,其特征在于,在锅炉系统状态模型中,输入zn-1和输出zn的关系为:zn=F(zn-1)+u其中,F为系统状态模型函数;u为系统状态模型的噪声,符合高斯分布。4.根据权利要求3所述的基于贝叶斯网络的锅炉系统运行数据监测方法,其特征在于,在锅炉系统状态模型中,输入zn-1和输出zn之间的条件概率分布为:P(zn|zn-1)=N(F(zn-1),∑)其中,N(F(zn-1),∑)表示高斯分布。5.根据权利要求2所述的基于贝叶斯网络的锅炉系统运行数据监测方法,其特征在于,S2中锅炉系统观测模型由公式表示为:P(x|z)=N(H(z),σ2)其中,P(x|z)为在状态z下的测量的概率分布;x表示传感器观测值;H为系统观测模型函数;N(H(z),σ2)表示高斯分布。6.根据权利要求5所述的基于贝叶斯网络的锅炉系统运行数据监测方法,其特征在于,传感器观测值与系统观测模型函数满足公式:x=H(z)+ε其中,ε为观测模型的噪声,符合高斯分布。7.根据权利要求5所述的基于贝叶斯网络的锅炉系统运行数据监测方法,其特征在于,S3中锅炉系统模型由公式表示为:P(z1∶n,x1∶n)=P(z1)P(z2|z1)…P(zn|z1∶n-1)P(x2|z1...

【专利技术属性】
技术研发人员:杨杰
申请(专利权)人:新智数字科技有限公司
类型:发明
国别省市:河北,13

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1