基于机器学习的水导瓦温度趋势预警方法、装置及系统制造方法及图纸

本发明专利技术公开了一种基于机器学习的水导瓦温度趋势预警方法、装置及系统，所述方法包括：获取水导瓦温度预测模型，所述水导瓦温度预测模型是基于机器学习训练获得的，包括水导瓦温度和与输入因子，以及二者之间的关系；将所述水导瓦温度预测模型发布成温度预测服务；所述温度预测服务响应于预警应用模块发送的温度预测请求，以及输入因子的实时采样值，计算出预测温度，并将所述预测温度发送至预警应用模块，使得所述预警应用模块根据预先定义的告警规则，比较所述预测温度和实际采样温度，判断是否发出告警。本发明专利技术可以科学有效地对水电机组水导瓦温度进行预测，并提前发出相关预警，避免水电机组发生严重故障，大幅度提高水电机组的运行可靠性。

【技术实现步骤摘要】
基于机器学习的水导瓦温度趋势预警方法、装置及系统
本专利技术属于水电领域，具体涉及一种基于机器学习的水电机组水导瓦温度趋势预警方法、装置及系统。
技术介绍
随着我国工业的不断发展，水力资源作为一种清洁能源受到越来越多的重视。目前，水力发电已经成功我国发电的重要组成。而在水力发电过程中起关键作用的水电机组设备也不断朝着大容量、高负载等方向发展。水电机组在运行过程中，往往会因为某些故障导致机组异常停机，对于地区电网的稳定性、可靠性造成一定的影响。经过相关调查统计，水电机组异常停机原因中很大一部分是因为机组设备的温度发生异常。传统的水电机组水导瓦温度预警往往采用固定限值的方法，这已经无法满足当前水电厂对于故障快速定位和及时处理的工程实际需求。如何在充分利用水电机组大量运行数据的基础上，搭建水电机组水导瓦温度的预测模型，准确识别水导瓦等设备温度的变化趋势、异常情形，提供超前预警，保障水电机组的正常运行，是当前继续解决的问题。
技术实现思路
针对上述问题，本专利技术提出一种基于机器学习的水导瓦温度趋势预警方法、装置及系统，可以科学有效本文档来自技高网...

【技术保护点】
1.一种基于机器学习的水导瓦温度趋势预警方法，其特征在于，包括：/n获取水导瓦温度预测模型，所述水导瓦温度预测模型是基于机器学习训练获得的，包括水导瓦温度和与输入因子，以及二者之间的关系；/n将所述水导瓦温度预测模型发布成温度预测服务；/n所述温度预测服务响应于预警应用模块发送的温度预测请求，以及输入因子的实时采样值，计算出预测温度，并将所述预测温度发送至预警应用模块，使得所述预警应用模块根据预先定义的告警规则，比较所述预测温度和实际采样温度，判断是否发出告警。/n

【技术特征摘要】
1.一种基于机器学习的水导瓦温度趋势预警方法，其特征在于，包括：
获取水导瓦温度预测模型，所述水导瓦温度预测模型是基于机器学习训练获得的，包括水导瓦温度和与输入因子，以及二者之间的关系；
将所述水导瓦温度预测模型发布成温度预测服务；
所述温度预测服务响应于预警应用模块发送的温度预测请求，以及输入因子的实时采样值，计算出预测温度，并将所述预测温度发送至预警应用模块，使得所述预警应用模块根据预先定义的告警规则，比较所述预测温度和实际采样温度，判断是否发出告警。


2.根据权利要求1所述的一种基于机器学习的水导瓦温度趋势预警方法，其特征在于，所述水导瓦温度预测模型的建模方法包括：
确定影响水导瓦温度的输入因子；
获取水导瓦温度和对应输入因子的历史数据，经数据清洗后，构成模型数据集；
获取多层感知器模型，所述多层感知器模型包括输入层、单隐层、输出层；
采用误差反向传播算法，利用所述模型数据集训练所述多层感知器模型，保存最终的模型参数，得到所述水导瓦温度预测模型。


3.根据权利要求2所述的一种基于机器学习的水导瓦温度趋势预警方法，其特征在于：所述模型数据集中80％作为训练数据集，20％作为验证数据集。


4.根据权利要求2所述的一种基于机器学习的水导瓦温度趋势预警方法，其特征在于：所述多层感知器模型的激活函数选择ReLU函数。


5.一种基于机器学习的水导瓦温度趋势预警装置，其特征在于，包括：
获取模块，用于获取水导瓦温度预测模型，所述水导瓦温...

【专利技术属性】
技术研发人员：刘云久，徐丹，孙超，王言国，顾全，陈州，常夏勤，
申请(专利权)人：南京南瑞继保电气有限公司，南京南瑞继保工程技术有限公司，
类型：发明
国别省市：江苏;32