【技术实现步骤摘要】
一种基于机器学习算法的供热管网异常诊断方法
[0001]本专利技术属于智慧供热
，尤其涉及一种基于机器学习算法的供热管网异常诊断方法。
技术介绍
[0002]在实际工程中，供热管网发生故障的时间与规律大多都无迹可寻，尤其是热网发生堵塞、泄漏故障位置无从判断，这就对供热系统运营与维护管理工作造成了极大的困扰，也严重影响了供热系统运行的经济性与安全性，造成热量、水资源的浪费导致供热企业运行成本增加，因此如何实现对供热管网的异常诊断和定位成为一个亟待解决的技术问题。
[0003]为了实现对供热管网的异常诊断和定位，在论文《基于仿真技术的供热管网故障诊断研究》中通过运用BP神经网络原理建立了供热管网故障诊断模型，将仿真系统得到的供热管网故障工况下的部分运行参数作为学习样本以及预测样本，以主管段处压力、流量作为节点输入层，以故障管段位置编号为节点输出层，分别对两种故障进行定位，但是却存在以下技术问题：
[0004]1、未考虑对运行参数数据进行筛选，在实际的供热管网的故障诊断中，供热管网的测点的传感器由于运行环境较...
【技术保护点】
【技术特征摘要】
1.一种基于机器学习算法的供热管网异常诊断方法，其特征在于，具体包括：S11实时获取供热管网的回水温度，并采用基于Kmeans聚类算法的异常辨识模型对所述回水温度进行辨识，并当所述回水温度中存在异常回水温度时，进入步骤S12；S12获取所述异常回水温度所对应的温度传感器，并基于所述温度传感器的历史温度数据，判断所述异常回水温度是否为不良数据，若是，则输出温度传感器存在异常，若否，则进入步骤S13；S13获取所述异常回水温度所对应的回水管道的回水管道压力、回水管道流量，以及所述回水管道所连接的供水管道的供水管道压力、供水管道流量、供水温度，并结合历史数据，对所述回水管道压力、回水管道流量、供水管道压力、供水管道流量、供水温度进行不良数据的辨识，并当所述回水管道压力、回水管道流量、供水管道压力、供水管道流量、供水温度均不属于不良数据时，进入步骤S14；S14以所述回水管道压力、回水管道流量、供水管道压力、供水管道流量、供水温度构建输入集，并将所述输入集传输至基于PSO
‑
GA
‑
SVM算法的故障诊断模型中，得到故障诊断结果。2.如权利要求1所述的一种基于机器学习算法的供热管网异常诊断方法，其特征在于，所述异常回水温度确认的具体步骤为：实时获取所述供热管网的回水温度，并将所述回水温度送入到基于Kmeans聚类算法的异常辨识模型中；基于所述异常辨识模型，确定所述回水温度中是否存在离群点，若是，则进入下一步骤；将所述离群点作为异常回水温度。3.如权利要求1所述的一种基于机器学习算法的供热管网异常诊断方法，其特征在于，在进行所述供热管网的回水温度的获取之前，还需要基于所述供热管网的不同回水管道的运行时间、所述回水管道所对应的供热地区的投诉率、所述回水管道的故障次数确定所述回水管网的回水温度的获取频率，其中所述回水管道的运行时间越长、所述回水管道所对应的供热地区的投诉率越高、所述回水管道的故障次数越多，则所述供热管网的回水管道的回水温度的获取频率越高。4.如权利要求3所述的一种基于机器学习算法的供热管网异常诊断方法，其特征在于，当所述回水管道的故障次数大于第一故障次数阈值时，所述回水温度的获取频率的计算公式为：其中P1为基础获取频率，T
S
为所述回水管道所对应的供热地区的投诉率，T
slimit
为投诉率阈值，[]为取整函数。当所述回水管道的故障次数小于或者等于第一故障次数阈值时，所述回水温度的获取频率的计算公式为：
5.如权利要求1所述的一种基于机器学习算法的供热管网异常诊断方法，其特征在于，进行异常回水温度的不良数据确认的具体步骤为：获取所述温度传感器所对应的历史温度数据，并将所述温度传感器所对应的前日的历史温度数据的平均值作为温度平均值，并判断所述温度平均值与所述异常回水温度的差值是否大于第一阈值，若是，则进入下一步骤，若否，判断所...
【专利技术属性】
技术研发人员：潘国传，程箭，龚苏平，陈连军，
申请(专利权)人：浙江英集众工科技有限公司，
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。