一种基于智能深度学习的电厂设备异常状态识别方法技术

本发明专利技术公开了一种基于智能深度学习的电厂设备异常状态识别方法包括，对电厂设备数据进行收集，得到总数据库；判断总数据库的分组数据与正常状态的特征是否一致，若一致则录入正常状态数据库，不一致则录入异常状态数据库；将采集到的设备的实时数据与所述正常状态数据库和异常状态数据库采用Jaccard系数对比对的两组数据进行计算来比对识别；根据比对结果进行警报提醒或录入数据库。本方法可以解决现有方法不便于根据电厂设备的状态数据进行实时分析和对故障区域进行播报及定位，且准确率较低、效率低下的问题。效率低下的问题。效率低下的问题。

【技术实现步骤摘要】
一种基于智能深度学习的电厂设备异常状态识别方法


[0001]本专利技术涉及电厂设备故障
，尤其涉及一种基于智能深度学习的电厂设备异常状态识别方法。

技术介绍

[0002]在对电厂进行管理和控制过程中，运行管理人员必须了解电厂所有设备的状态是否正常，电厂设备的状态包括在线状态，在线状态包含阀门的开和关，电气开关的闭合和断开等这些手动设备的运行状态，电厂设备的状态还包括配置状态，配置状态是指设备的隔离状态以及电厂要求的其他管理状态，这些状态均可分为两大类：正常状态和异常状态；
[0003]电厂设备随着设备运行时间的增长和某些设备运行环境较为恶劣，一旦设备出现异常状态，若不及时解决，容易造成较大的安全事故和经济损失，因此需要对电厂设备异常状态进行识别，来及时警示工作人员进行处理，但是现行的处理方式是通过电厂设备自身的额定保护机制，对产生异常状态的设备进行停止运行的传统方法，不便于根据电厂设备的状态数据进行实时分析和对故障区域进行播报及定位，因此亟需一种能够根据电厂设备运行的状态进行深度学习，利用大数据来学习特征，更能够刻画数据丰富的内在本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于智能深度学习的电厂设备异常状态识别方法，其特征在于：包括，对电厂设备数据进行收集，得到总数据库；判断总数据库的分组数据与正常状态的特征是否一致，若一致则录入正常状态数据库，不一致则录入异常状态数据库；将采集到的设备的实时数据与所述正常状态数据库和异常状态数据库进行比对识别；根据比对结果进行警报提醒或录入数据库。2.如权利要求1所述的基于智能深度学习的电厂设备异常状态识别方法，其特征在于：所述总数据库包括物联网大数据、设备历史数据以及当前数据。3.如权利要求2所述的基于智能深度学习的电厂设备异常状态识别方法，其特征在于：所述分组数据包括设备高负荷运行数据、额定负荷运行数据和低负荷运行数据。4.如权利要求1～3任一所述的基于智能深度学习的电厂设备异常状态识别方法，其特征在于：所述比对识别是采用Jaccard系数对比对的两组数据进行计算，所述判断是采用空白对照将分组数据与正常状态的特征进行比对。5.如权利要求4所述的基于智能深度学习的电厂设备异常状态识别方法，其特征在于：所述实时数据与正常状态数据库的比对包括，当计算结果大于等于0.8时，判定为一致，不发出警报提醒，并将数据存储至正常状态数据库中；当计算结果小于0.8时判定为不一致，发出警报提醒并将数据存储至异常状态数据库中。6.如权利要求1～3或5任一所述的基于智能深度学习的电厂设备异常状态识别方法，其特征在于：所述实时数据与异常状态数据库的比对包括，当计算结果大于等于0.6时，判定为一致，发出警报提醒，并存储至异常状态数据库...

【专利技术属性】
技术研发人员：田际，孙伟生，蔡承伟，刘希念，林伟良，单婕，江志宏，黄欢，颜景博，袁方雅，羿应棋，周俊煌，叶伟鑫，
申请(专利权)人：华能东莞燃机热电有限责任公司，
类型：发明
国别省市：