用于火力发电设备的故障诊断方法及其系统技术方案

本申请实施例提供一种用于火力发电设备的故障诊断方法及其系统，其使用上下文编码器对多个预定时间点的火电机组的锅炉的多项工作参数进行编码，并通过第一卷积神经网络进行处理得到第二特征向量，以提取到在时序维度上的高维局部隐含关联特征，以及，使用时序编码器对多项工作参数中各项工作参数在多个预定时间点的序列进行编码，并通过第二卷积神经网络进行处理得到第四特征向量，以提取在时序维度上的高维变化特征在不同参数样本之间的高维局部隐含特征，接着，对第二特征向量和第四特征向量进行以两者间的衍生信息超凸度量因数作为加权系数的加权融合，避免导致两者的信息损失而影响分类精度，这样，有利于提高对锅炉的故障诊断的精准度。炉的故障诊断的精准度。炉的故障诊断的精准度。

【技术实现步骤摘要】
用于火力发电设备的故障诊断方法及其系统


[0001]本申请涉及火力发电设备故障诊断领域，特别涉及一种用于火力发电设备的故障诊断方法及其系统。

技术介绍

[0002]随着我国经济水平的不断发展，社会对于电力工业的需求也日益提高。在我国的电力结构中，火力发电仍然占据着十分重要的位置。在火力发电机组中，锅炉是其中关键的设备之一，其具有系统复杂、高耦合性、运行参数多等特点；且由于锅炉设备长期工作在高温高压高震动的环境中，致使其故障发生的频率相对较高:而锅炉一日发生故障则会导致电厂的非计划停机，影响往电网输送申力的稳定性，还会浪费能源，提高发电成本。
[0003]因此，期待一种对火电机组的锅炉进行故障诊断的技术方案。

技术实现思路

[0004]本申请提供了一种用于火力发电设备的故障诊断方法及其系统，其使用上下文编码器对多个预定时间点的火电机组的锅炉的多项工作参数进行编码，并通过第一卷积神经网络进行处理得到第二特征向量，以提取到在时序维度上的高维局部隐含关联特征，以及，使用时序编码器对多项工作参数中各项工作参数在所述多个预定时间点的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于火力发电设备的故障诊断系统，其特征在于，包括：工作参数数据获取单元，用于获取包含当前时间点在内的多个预定时间点的火电机组的锅炉的多项工作参数，所述多项工作参数包括过热蒸汽流量、过热蒸汽压力、过热蒸汽温度、再热蒸汽流量、再热蒸汽进口压力、再热蒸汽出口压力、再热蒸汽进口温度、再热蒸汽出口温度、锅炉正常水容积、给水温度、一次风量、二次风量、耗煤、烟气量、排烟修正后温度；上下文参数编码单元，用于将各个所述预定时间点的火电机组的锅炉的多项工作参数通过上下文编码器以获得多个特征向量，并将所述多个特征向量进行级联以得到对应于各个所述预定时间点的火电机组的锅炉的多项工作参数的第一特征向量；参数时序关联编码单元，用于将各个所述预定时间点的火电机组的锅炉的多项工作参数的第一特征向量进行时间维度二维排列为第一特征矩阵后通过使用第一卷积核的第一卷积神经网络以生成第二特征向量；参数时序编码单元，用于将所述多个预定时间点的火电机组的锅炉的多项工作参数中各项工作参数分别按照时间维度排列为输入向量后通过包含一维卷积层和全连接层的时序编码器以生成对应于所述多个预定时间点的火电机组的锅炉的多项工作参数中各项工作参数的第三特征向量；参数样本关联编码单元，用于将所述多个预定时间点的火电机组的锅炉的多项工作参数中各项工作参数的第三特征向量按照样本维度二维排列为第二特征矩阵后通过使用第二卷积核的第二卷积神经网络以生成第四特征向量，其中，所述第二卷积神经网络的第二卷积核的尺寸大于所述第一卷积神经网络的第一卷积核的尺寸；加权融合单元，用于对所述第二特征向量和所述第四特征向量进行基于以两者间的衍生信息超凸度量因数作为加权系数的加权融合以得到分类特征向量，其中，所述第二特征向量和所述第四特征向量之间的衍生信息超凸度量因数基于所述第二特征向量和所述第四特征向量中对应位置的特征值间的差值的绝对值的加权和生成；以及预警单元，用于将所述分类特征向量通过分类器以得到分类结果，所述分类结果用于表示是否产生故障预警。2.根据权利要求1所述的用于火力发电设备的故障诊断系统，其中，所述上下文参数编码单元还用于：使用所述上下文编码器的嵌入层分别将同一预定时间点的火电机组的锅炉的多项工作参数中各项参数映射为嵌入向量以获得嵌入向量的序列；以及使用所述上下文编码器的转换器对所述嵌入向量的序列进行基于上下位的全局语义编码以获得所述多个特征向量。3.根据权利要求2所述的用于火力发电设备的故障诊断系统，其中，所述参数时序关联编码单元还用于：使用所述第一卷积神经网络的各层在层的正向传递中分别对输入数据进行：使用第一卷积核对所述输入数据进行卷积处理以生成卷积特征图；对所述卷积特征图进行基于特征矩阵的全局池化处理以生成池化特征向量；以及对所述池化特征向量进行基于非线性激活以生成激活特征向量；其中，所述第一卷积神经网络的最后一层输出的所述激活特征向量为所述第二特征向量。4.根据权利要求3所述的用于火力发电设备的故障诊断系统，其中，所述参数时序编码单元还用于：将所述多个预定时间点的火电机组的锅炉的多项工作参数中各项工作参数以天为单位按照时间维度排列为对应于所述火电机组的锅炉各天的一维的输入向量；使用所述时序编码器的全连接层以如下公式对所述输入向量进行全连接编码以提取出所述输入向量中各个位置的特征值的高维隐含特征，其中，所述公式为：其中X是输入向量，Y是输出向量，W是权重矩阵，B是偏置向量，表示矩阵乘；使用所述时序编码器的
一维卷积层以如下公式对所述输入向量进行一维卷积编码以提取出所述输入向量中各个位置的特征值间的高维隐含关联特征，其中，所述公式为：其中，a为卷积核在x方向上的宽度、F为卷积核参数向量、G为与卷积核函数运算的局部向量矩阵，w为卷积核的尺寸。5.根据权利要求4所述的用于火力发电设备的故障诊断系统，其中，所述加权融合单元还用于：以如下公式计算所述第二特征向量和所述第四特征向量之间的衍生信息超凸度量因数作为加权系数；其中，所述公式为：其中v
2i
∈V2且v
4i
∈V4，V2表示第二特征向量和V4表示第四特征向量，w表示加权系数。6.根据权利要求5所述的用于火力发电设备的故障诊断系统，其中，所述预警单元还用于：使用所述分类器以如下公式对所述分类特征向量进行处理以生成分...

【专利技术属性】
技术研发人员：罗恒，方果，
申请(专利权)人：诸暨市萤朵贸易有限公司，
类型：发明
国别省市：