本申请关于一种抗燃油系统泄漏预警方法、装置、存储介质及计算机设备。其中该方法包括，获取抗燃油系统的运行数据，对运行数据进行预处理，基于预处理后的运行数据，生成运行数据走势图，将运行数据走势图输入至预训练的抗燃油泄漏预测模型，得到泄漏预测结果，响应于泄漏预测结果未满足预设要求，执行预警操作，从而能够及时对抗燃油系统泄漏情况进行监测，降低了人力物力成本，提高了监测效率。本申请能够及时对抗燃油系统泄漏情况进行监测，降低人力和物力成本，提高监测效率。提高监测效率。提高监测效率。
【技术实现步骤摘要】
抗燃油系统泄漏预警方法、装置、存储介质及计算机设备
[0001]本申请涉及火力发电
，尤其涉及一种抗燃油系统泄漏预警方法、装置、存储介质及计算机设备。
技术介绍
[0002]相关技术中，抗燃油系统是汽轮机控制系统的执行介质,为汽轮机各进汽阀门的开启提供动力。由于抗燃油压力高,一旦发生泄漏，油箱油位快速下降,会导致油泵不出力、油压低保护动作、汽轮机跳闸,造成发电机组非计划停运。同时由于抗燃油系统靠近热体,漏油一旦进入保温层极易引发火灾,使企业遭受巨大的经济效益与社会效益损失。
技术实现思路
[0003]为此，本申请提供一种抗燃油系统泄漏预警方法、装置、存储介质及计算机设备。本申请的技术方案如下：
[0004]根据本申请实施例的第一方面，提供一种抗燃油系统泄漏预警方法，所述方法包括：
[0005]获取抗燃油系统的运行数据；
[0006]对所述运行数据进行预处理；
[0007]基于预处理后的所述运行数据，生成运行数据走势图；
[0008]将所述运行数据走势图输入至预训练的抗燃油泄漏预测模型，得到泄漏预测结果；
[0009]响应于所述泄漏预测结果未满足预设要求，执行预警操作。
[0010]根据本申请的一个实施例，所述运行数据包括油箱液位数据、油箱油温数据和油母管压力数据。
[0011]根据本申请的一个实施例，所述基于预处理后的所述运行数据，生成运行数据走势图，包括：
[0012]分别对所述油箱液位数据、所述油箱油温数据和所述油母管压力数据进行曲线拟合，得到油箱液位曲线、油箱油温曲线和油母管压力曲线；
[0013]基于所述油箱液位曲线、油箱油温曲线和油母管压力曲线，生成运行数据走势图。
[0014]根据本申请的一个实施例，所述抗燃油泄漏预测模型通过以下步骤预先训练：
[0015]获取抗燃油系统的运行样本数据和所述运行样本数据对应的抗燃油系统运行状态；
[0016]将所述抗燃油系统的运行样本数据划分为训练集和测试集；
[0017]基于所述运行样本数据，获取与所述抗燃油系统运行状态对应的特征时间段样本数据；
[0018]基于所述特征时间段样本数据，生成所述特征时间段样本数据的运行样本数据走势图；
[0019]根据所述运行样本数据对应的抗燃油系统运行状态，生成与所述运行样本数据走势图对应的状态标签；
[0020]将所述训练集的运行样本数据走势图和所述状态标签输入至卷积神经网络模型中，对所述卷积神经网络模型进行训练；
[0021]将所述测试集的运行样本数据走势图输入至所述卷积神经网络模型进行测试，得到测试结果，基于所述预测结果和所述状态标签，计算所述卷积神经网络模型的预测准确率；
[0022]响应于所述预测准确率满足预设条件，结束训练，得到所述抗燃油泄漏预测模型；
[0023]响应于所述预测准确率未满足预设条件，重新执行所述将所述训练集的运行样本数据走势图和所述状态标签输入至卷积神经网络模型中，对所述卷积神经网络模型进行训练的步骤。
[0024]根据本申请的一个实施例，所述抗燃油系统运行状态包括抗燃油系统未泄漏状态、抗燃油系统泄漏状态、抗燃油系统油中进水状态。
[0025]根据本申请的一个实施例，所述抗燃油系统未泄漏状态包括第一未泄漏状态、第二未泄漏状态、第三未泄漏状态、第四未泄漏状态；其中，所述第一未泄漏状态为油泵启动状态下的抗燃油系统未泄漏状态，所述第二未泄漏状态为油泵停止状态下的抗燃油系统未泄漏状态，所述第三未泄漏状态为油泵正常运行状态下的抗燃油系统未泄漏状态，所述第四未泄漏状态为油泵停止运行状态下的抗燃油系统未泄漏状态。
[0026]根据本申请的一个实施例，所述抗燃油系统泄漏状态包括第一泄漏状态、第二泄漏状态，所述抗燃油系统油中进水状态包括第一油中进水状态、第二油中进水状态；其中，所述第一泄漏状态为油泵正常运行状态下的抗燃油系统泄漏状态，所述第二泄漏状态为油泵停止运行状态下的抗燃油系统泄漏状态，所述第一油中进水状态为油泵正常运行状态下的抗燃油系统油中进水状态，所述第二油中进水状态为油泵停止运行状态下的抗燃油系统油中进水状态。
[0027]根据本申请实施例的第二方面，提供一种抗燃油系统泄漏预警装置，所述装置包括：
[0028]获取模块，用于获取抗燃油系统的运行数据；
[0029]预处理模块，用于对所述运行数据进行预处理；
[0030]生成模块，用于基于预处理后的所述运行数据，生成运行数据走势图；
[0031]预测模块，用于将所述运行数据走势图输入至预训练的抗燃油泄漏预测模型，得到泄漏预测结果；
[0032]执行模块，用于响应于所述泄漏预测结果未满足预设要求，执行预警操作。
[0033]根据本申请的一个实施例，所述运行数据包括油箱液位数据、油箱油温数据和油母管压力数据。
[0034]根据本申请的一个实施例，所述生成模块包括：
[0035]拟合子模块，用于分别对所述油箱液位数据、所述油箱油温数据和所述油母管压力数据进行曲线拟合，得到油箱液位曲线、油箱油温曲线和油母管压力曲线；
[0036]第一生成子模块，用于基于所述油箱液位曲线、油箱油温曲线和油母管压力曲线，生成运行数据走势图。
[0037]根据本申请的一个实施例，还包括训练模块，所述训练模块包括：
[0038]第一获取子模块，用于获取抗燃油系统的运行样本数据和所述运行样本数据对应的抗燃油系统运行状态；
[0039]划分子模块，用于将所述抗燃油系统的运行样本数据划分为训练集和测试集；
[0040]第二获取子模块，用于基于所述运行样本数据，获取与所述抗燃油系统运行状态对应的特征时间段样本数据；
[0041]第二生成子模块，用于基于所述特征时间段样本数据，生成所述特征时间段样本数据的运行样本数据走势图；
[0042]第三生成子模块，用于根据所述运行样本数据对应的抗燃油系统运行状态，生成与所述运行样本数据走势图对应的状态标签；
[0043]训练子模块，用于将所述训练集的运行样本数据走势图和所述状态标签输入至卷积神经网络模型中，对所述卷积神经网络模型进行训练；
[0044]计算子模块，用于将所述测试集的运行样本数据走势图输入至所述卷积神经网络模型进行测试，得到测试结果，基于所述预测结果和所述状态标签，计算所述卷积神经网络模型的预测准确率；
[0045]结束子模块，用于响应于所述预测准确率满足预设条件，结束训练，得到所述抗燃油泄漏预测模型；
[0046]执行子模块，用于响应于所述预测准确率未满足预设条件，重新执行所述将所述训练集的运行样本数据走势图和所述状态标签输入至卷积神经网络模型中，对所述卷积神经网络模型进行训练的步骤。
[0047]根据本申请的一个实施例，所述抗燃油系统未泄漏状态包括第一未泄漏状态、第二未泄漏状态、第三未泄漏状态、第四未泄漏状态；其中本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种抗燃油系统泄漏预警方法，其特征在于，所述方法包括：获取抗燃油系统的运行数据；对所述运行数据进行预处理；基于预处理后的所述运行数据，生成运行数据走势图；将所述运行数据走势图输入至预训练的抗燃油泄漏预测模型，得到泄漏预测结果；响应于所述泄漏预测结果未满足预设要求，执行预警操作。2.根据权利要求1所述的方法，其特征在于，所述运行数据包括油箱液位数据、油箱油温数据和油母管压力数据。3.根据权利要求2所述的方法，其特征在于，所述基于预处理后的所述运行数据，生成运行数据走势图，包括：分别对所述油箱液位数据、所述油箱油温数据和所述油母管压力数据进行曲线拟合，得到油箱液位曲线、油箱油温曲线和油母管压力曲线；基于所述油箱液位曲线、油箱油温曲线和油母管压力曲线，生成运行数据走势图。4.根据权利要求1所述的方法，其特征在于，所述抗燃油泄漏预测模型通过以下步骤预先训练：获取抗燃油系统的运行样本数据和所述运行样本数据对应的抗燃油系统运行状态；将所述抗燃油系统的运行样本数据划分为训练集和测试集；基于所述运行样本数据，获取与所述抗燃油系统运行状态对应的特征时间段样本数据；基于所述特征时间段样本数据，生成所述特征时间段样本数据的运行样本数据走势图；根据所述运行样本数据对应的抗燃油系统运行状态，生成与所述运行样本数据走势图对应的状态标签；将所述训练集的运行样本数据走势图和所述状态标签输入至卷积神经网络模型中，对所述卷积神经网络模型进行训练；将所述测试集的运行样本数据走势图输入至所述卷积神经网络模型进行测试，得到测试结果，基于所述预测结果和所述状态标签，计算所述卷积神经网络模型的预测准确率；响应于所述预测准确率满足预设条件，结束训练，得到所述抗燃油泄漏预测模型；响应于所述预测准确率未满足预设条件，重新执行所述将所述训练集的运行样本数据走势图和所述状态标签输入至卷积神经网络模型中，对所述卷积神经网络模型进行训练的步骤。5.根据权利要求4所述的方法，其特征在于，所述抗燃油系统运行状态包...
【专利技术属性】
技术研发人员：姚智，蔺奕存，郭云飞，赵威，谭祥帅，李昭，高景辉，王海涛，吴青云，刘世雄，孙龙飞，辛志波，赵如宇，
申请(专利权)人：西安热工研究院有限公司，
类型：发明
国别省市：
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。