一种水电厂安全生产人工智能报警方法技术

本发明专利技术实施例提供了一种水电厂安全生产人工智能报警方法，所述方法包括：历史数据抽取步骤、神经网络推理步骤、预警告警输出步骤。本发明专利技术技术方案属于人工智能领域。上述技术方案结合人工智能技术，采用神经网络算法自动获取水电厂运行健康标准，对全厂生产设备进行监视与跟踪，对偏离健康标准的设备运行状态进行报警，大大减轻电站人员工作负担，为实现超大型水电机组的“无人值守、少人值班”奠定基础。奠定基础。奠定基础。

【技术实现步骤摘要】
一种水电厂安全生产人工智能报警方法


[0001]本专利技术属于涉及信息
，尤其涉及一种水电厂安全生产人工智能报警方法。

技术介绍

[0002]随着社会信息化进程的发展，越来越多的领域都广泛应用了各种电子化设备；特别是各种监测、监控领域，能够极大的提高监测的实时性。
[0003]但是长期以来，该水电厂计算机监控系统数据报警机制都是简单的状态变位和模拟量越限报警。粗放的报警机制使监控系统产生大量过程数据报警，如模拟量临界值的反复刷屏报警和设备操作过程状态变迁报警，众多过程数据堆积在屏幕上导致运行人员无法在第一时间确认关键信息。

技术实现思路

[0004]针对现有技术中对于水电站监控领域存在的问题，本专利技术实施例的目的是提供一种水电厂安全生产人工智能报警方法。
[0005]为了解决上述问题，本专利技术实施例提出了一种水电厂安全生产人工智能报警方法，包括：历史数据抽取步骤、神经网络推理步骤、预警告警输出步骤；
[0006]历史数据抽取步骤包括：针对水电厂特定的运行设备，建立设备对象模型，抽取设备运行的工况信息和目标信息；并同时抽取辅助设备运行的保护数据；通过方差与偏差计算剔除明显异常的测量数据，形成样本数据；
[0007]神经网络推理步骤包括：按照汛期、非汛期以及年份，建立多套深度学习神经网络；将所述样本数据输入对应的深度学习神经网络，完成样本训练，以获得具有特征信息的神经网络推理机；其中，神经网络推理的过程能够构建出推理引擎包括：模式匹配器、议程和执行引擎；
[0008]预警告警输出包括：根据当前的月份采用最新的汛期或非汛期的深度学习神经网络对工况数据进行处理，得到健康标准；实时监视跟踪设备的运行数据，当设备运行偏离健康标准时，触发实时报警；并根据当前月份，采用不同年份下的汛期或非汛期神经网络推理机分别对工况数据进行处理，获得过往年度的健康数据的变化情况，形成新的样本数据；并建立新的深度学习神经网络的推理机，对新的样本数据进行训练，挖掘出设备运行的趋势，预测未来数年设备运行的可能情况，当未来某年的预测数据超出额定限值时予以报警。
[0009]其中，所述历史数据抽取步骤包括：
[0010]从历史数据中获取目标设备在i日的动作次数Xi；采用相同方法，获得目标时间断内连续n日运行数据，形成动作次数数组X；通过方差计算获取数组的中间值M；遍历数组计算Xi对M的偏差δXi，当偏差超过额定数值时认为Xi无效，以此方法过滤设备运行数据中的无效信息，避免采集设备异常造成的数据影响，得到动作次数有效数组X
’
；针对X
’
所有元素X
’
i获取对应时间下工况数据Zi2
…
Zin，并将X
’
i赋给Z i1，形成特征二维数组Z；其中漏水
量数据不能直接从水电厂运行数据中获取，必须通过漏水相关泵组设备动作数据的统计数据进行计算得到，因此按照设备动作分析的方式对数据按日分组统计，统计结果计算得到漏水量数据；
[0011]从历史数据中获取目标设备在i日的动作时间Xi；采用相同方法，获得目标时间断内连续n日运行数据，形成动作时间数组X；获取数组的中间值M；遍历数组计算Xi对M的偏差δXi，当偏差超过额定数值时认为Xi无效，得到动作时间有效数组X
’
；同理获得停止时间有效数组Y
’
；通过漏水量计算公式f(X
’
i，Y
’
i)获得i日的漏水量Li；从而得到漏水量数组L；针对L所有元素Li获取对应时间下工况数据Zi2
…
Zin，并将Li赋给Zi1，形成特征二维数组Z。
[0012]其中，神经网络推理步骤包括：
[0013]将样本数组Z输入神经网络推理机进行训练；通过误差反向传播，进行自动学习，修改各节点的连接权和相应节点的阈值，直到误差小于规定的值。
[0014]其中，神经网络推理步骤中，神经网络推理采用演绎法，包括：
[0015]从一个初始的事实出发，不断地应用规则得出结论或执行指定的动作，其中所述事实为预警或报警，所述演绎法包括：
[0016]将通过历史数据抽取获取的样本数据Fact，输入工作内存Working Memory；
[0017]使用模式匹配器Pattern Matcher比较规则库Rule Base中的规则Rule和数据Fact；如果执行规则存在冲突Conflict，即同时激活了多个规则，将冲突的规则放入冲突集合Conflict Set；
[0018]解决冲突，将激活的规则按顺序放入议程Agenda进行相关次序的编排。
[0019]使用执行引擎Execution Engine议程Agenda中的规则；重复上述步骤直到执行完毕所有议程Agenda中的规则。
[0020]其中，神经网络推理过程是一种根据规则中包含的指定过滤条件，判断其能否匹配运行时刻的实时条件来执行规则中所规定的动作的引擎；包括：
[0021]信息服务接受事件并将其转化为信息元；其中信息服务接受事件产生信息元对象；每个信息服务产生它自己类型相对应的信息元对象；即特定信息服务根据信息元所产生每个信息元对象有相同的格式，但可以有不同的属性和规则集；
[0022]信息元被传给队列管理器：信息元是规则引擎的基本构成块，它是一个包含了特定事件的所有信息的对象；这些信息包括：消息、产生事件的应用程序标识、事件产生事件、信息元类型、相关规则集、通用方法、通用属性以及一些系统相关信息；队列管理器用来管理来自不同信息服务的信息元对象的队列；
[0023]规则引擎接收这些信息元并应用它们自身携带的规则加以执行，直到队列管理器中不再有信息元。
[0024]其中，规则集就是许多规则的集合；每条规则包含一个条件过滤器和多个动作；一个条件过滤器可以包含多个过滤条件；条件过滤器是多个布尔表达式的组合，其组合结果仍然是一个布尔类型的；在程序运行时，动作将会在条件过滤器值为真的情况下执行。
[0025]其中，神经网络推理流程是推理引擎从队列管理器中依次接收信息元，依规则的定义顺序检查信息元所带规则集中的规则；其中所述神经网络推理流程包括：
[0026]规则引擎检查第一个规则并对其条件过滤器求值，如果值为假，所有与此规则相关的动作皆被忽略并继续执行下一条规则；如果第二条规则的过滤器值为真，所有与此规
则相关的动作皆依定义顺序执行，执行完毕继续下一条规则；该信息元中的所有规则执行完毕后，信息元将被销毁，然后从队列管理器接收下一个信息元；
[0027]在这个过程中并未考虑两个特殊动作：放弃动作Discard Action和包含动作Include Action；放弃动作如果被执行，将会跳过其所在信息元中接下来的所有规则，并销毁所在信息元，规则引擎继续接收队列管理器中的下一个信息元；包含动作其实就是动作中包含其它现存规则集的动作；包含动作如果被执行，规则引擎将暂停并本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种水电厂安全生产人工智能报警方法，其特征在于，包括：历史数据抽取步骤、神经网络推理步骤、预警告警输出步骤；历史数据抽取步骤包括：针对水电厂特定的运行设备，建立设备对象模型，抽取设备运行的工况信息和目标信息；并同时抽取辅助设备运行的保护数据；通过方差与偏差计算剔除明显异常的测量数据，形成样本数据；神经网络推理步骤包括：按照汛期、非汛期以及年份，建立多套深度学习神经网络；将所述样本数据输入对应的深度学习神经网络，完成样本训练，以获得具有特征信息的神经网络推理机；其中，神经网络推理的过程能够构建出推理引擎包括：模式匹配器、议程和执行引擎；预警告警输出包括：根据当前的月份采用最新的汛期或非汛期的深度学习神经网络对工况数据进行处理，得到健康标准；实时监视跟踪设备的运行数据，当设备运行偏离健康标准时，触发实时报警；并根据当前月份，采用不同年份下的汛期或非汛期神经网络推理机分别对工况数据进行处理，获得过往年度的健康数据的变化情况，形成新的样本数据；并建立新的深度学习神经网络的推理机，对新的样本数据进行训练，挖掘出设备运行的趋势，预测未来数年设备运行的可能情况，当未来某年的预测数据超出额定限值时予以报警。2.根据权利要求1所述的水电厂安全生产人工智能报警方法，其特征在于，所述历史数据抽取步骤包括：从历史数据中获取目标设备在i日的动作次数Xi；采用相同方法，获得目标时间断内连续n日运行数据，形成动作次数数组X；通过方差计算获取数组的中间值M；遍历数组计算Xi对M的偏差δXi，当偏差超过额定数值时认为Xi无效，以此方法过滤设备运行数据中的无效信息，避免采集设备异常造成的数据影响，得到动作次数有效数组X
’
；针对X
’
所有元素X
’
i获取对应时间下工况数据Zi2
…
Zin，并将X
’
i赋给Z i1，形成特征二维数组Z；其中漏水量数据不能直接从水电厂运行数据中获取，必须通过漏水相关泵组设备动作数据的统计数据进行计算得到，因此按照设备动作分析的方式对数据按日分组统计，统计结果计算得到漏水量数据；从历史数据中获取目标设备在i日的动作时间Xi；采用相同方法，获得目标时间断内连续n日运行数据，形成动作时间数组X；获取数组的中间值M；遍历数组计算Xi对M的偏差δXi，当偏差超过额定数值时认为Xi无效，得到动作时间有效数组X
’
；同理获得停止时间有效数组Y
’
；通过漏水量计算公式f(X
’
i，Y
’
i)获得i日的漏水量Li；从而得到漏水量数组L；针对L所有元素Li获取对应时间下工况数据Zi2
…
Zin，并将Li赋给Zi1，形成特征二维数组Z。3.根据权利要求1所述的水电厂安全生产人工智能报警方法，其特征在于，神经网络推理步骤包括：将样本数组Z输入神经网络推理机进行训练；通过误差反向传播，进行自动学习，修改各节点的连接权和相应节点的阈值，直到误差小于规定的值。4.根据权利要求3所述的水电厂安全生产人工智能报警方法，其特征在于，神经网络推理步骤中，神经网络推理采用演绎法，包括：从一个初始的事实出发，不断地应用规则得出结论或执行指定的动作，其中所述事实为预警或报警，所述演绎法包括：将通过历史数据抽取获取的样本数据Fact，输入工作内存Working Memory；
使用模式匹配器Pattern Matcher比较规则库Rule Base中的规则Rule和数据Fact；如果执行规则存在冲突Conflict，即同时激活了多个规则，将冲突的规则放入冲突集合Conflict Set；解决冲突，将激活的规则按顺序放入议程Agenda进行相关次序的编排；使用执行引擎Execution Engine议程Agenda中的规则；重复上述步骤直到执行完毕所有议程Age...

【专利技术属性】
技术研发人员：秦飞，温国强，王韶群，吕志来，
申请(专利权)人：北京许继电气有限公司，
类型：发明
国别省市：