一种超参数双层优化的综合能源系统故障诊断方法及系统技术方案

本发明专利技术公开一种超参数双层优化的综合能源系统故障诊断方法及系统，包括：获取综合能源系统中设备的故障样本集，并对故障特征赋初始权重，得到带权重的故障样本集；构建超参数双层优化的故障诊断模型；其中，内层优化以故障诊断准确率最高为目标，根据带权重的故障样本集，对故障诊断模型中的超参数进行优化；外层优化以故障诊断时间最小为目标，对故障特征的权重进行优化；基于得到的最优超参数构建最优故障诊断模型，采用最优故障诊断模型对赋予最优权重的待测数据集进行故障诊断。对故障特征设置二值权重以进行数据降维，通过构建超参数双层优化的故障诊断模型，在实现最高诊断准确率的同时，缩短诊断时间。缩短诊断时间。缩短诊断时间。

【技术实现步骤摘要】
一种超参数双层优化的综合能源系统故障诊断方法及系统


[0001]本专利技术涉及综合能源系统故障诊断
，特别是涉及一种超参数双层优化的综合能源系统故障诊断方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]综合能源系统作为一种新兴的能源系统，其将电、冷、热、气多种不同形式的能源耦合在一起，提高能源的利用率。
[0004]不同于其他单一系统或单一设备，综合能源系统不仅包括发电、制热、制冷等能源生产设备，还包括热电联产机组、热泵等能源转换设备，系统结构的复杂性导致故障诊断不能进行单一设备的研究，而是要从整体系统中提取关键影响因素。
[0005]另外，由于设备多、数据维度高，针对基于深度学习的综合能源故障诊断模型，模型所处理的数据量大，由此导致诊断时间长、效率低，那么目前需要对模型超参数的选取和特征维数的降低做进一步优化。

技术实现思路

[0006]为了解决上述问题，本专利技术提出了一种超参数双层优化的综合能源系统故障诊断方法及系统，对故障特征设置二值权重以进行数据降维，通过构建超参数双层优化的故障诊断模型，在实现最高诊断准确率的同时，缩短诊断时间。
[0007]为了实现上述目的，本专利技术采用如下技术方案：
[0008]第一方面，本专利技术提供一种超参数双层优化的综合能源系统故障诊断方法，包括：
[0009]获取综合能源系统中设备的故障样本集，并对故障特征赋初始权重，得到带权重的故障样本集；
[0010]构建超参数双层优化的故障诊断模型；其中，内层优化以故障诊断准确率最高为目标，根据带权重的故障样本集，对故障诊断模型中的超参数进行优化；外层优化以故障诊断时间最小为目标，对故障特征的权重进行优化；
[0011]基于得到的最优超参数构建最优故障诊断模型，采用最优故障诊断模型对赋予最优权重的待测数据集进行故障诊断。
[0012]作为可选择的实施方式，对故障特征设置二值权重，所述二值权重为0时代表该故障特征不作为故障诊断模型的输入，所述二值权重为1时代表该故障特征作为故障诊断模型的输入，且对故障样本集中的故障特征的权重均初始化为1。
[0013]作为可选择的实施方式，优化的超参数包括输入层与隐藏层间的权重、输入层的偏置、隐藏层的偏置、学习率、网络层数和各层神经元个数。
[0014]作为可选择的实施方式，所述内层优化采用基于半数均匀分布的金豺算法对超参数进行优化。
[0015]作为可选择的实施方式，所述基于半数均匀分布的金豺算法为将在种群位置空间内的随机采样改进为半数均匀分布采样。
[0016]作为可选择的实施方式，搭建综合能源系统仿真模型，设置典型设备的故障场景，通过模拟典型设备的运行状况，获取故障样本集；所述典型设备包括热电联产机组、热泵机组、光伏发电机组、风机机组和冷水机组。
[0017]作为可选择的实施方式，所述故障特征包括：热电联产机组的发电功率、供热功率、烟气温度、热水供水温度、输出三相电压和三相电流；热泵机组的用电功率、制热量、供水压力、供水温度、冷端入口温度、输出三相电压和三相电流；光伏发电机组输出的三相电压和三相电流；风电机组输出的三相电压和三相电流；冷水机组的制冷功率、用电功率、压缩机制冷量与消耗电功率的比值、制冷量、冷冻水供水温度和冷却水回水温度。
[0018]第二方面，本专利技术提供一种超参数双层优化的综合能源系统故障诊断系统，包括：
[0019]样本获取模块，被配置为获取综合能源系统中设备的故障样本集，并对故障特征赋初始权重，得到带权重的故障样本集；
[0020]双层优化模块，被配置为构建超参数双层优化的故障诊断模型；其中，内层优化以故障诊断准确率最高为目标，根据带权重的故障样本集，对故障诊断模型中的超参数进行优化；外层优化以故障诊断时间最小为目标，对故障特征的权重进行优化；
[0021]故障诊断模块，被配置为基于得到的最优超参数构建最优故障诊断模型，采用最优故障诊断模型对赋予最优权重的待测数据集进行故障诊断。
[0022]第三方面，本专利技术提供一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成第一方面所述的方法。
[0023]第四方面，本专利技术提供一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述的方法。
[0024]与现有技术相比，本专利技术的有益效果为：
[0025]本专利技术通过搭建综合能源系统仿真模型，以模拟典型设备的运行状况，并通过设置典型故障场景，得到仿真的故障样本集，然后对故障样本集中的故障特征设置二值权重，以进行数据降维处理，缩短模型诊断时间。
[0026]本专利技术构建超参数双层优化的故障诊断模型，内层优化以故障诊断准确率最高为目标，减小收敛时的振荡，优化模型超参数，外层优化以故障诊断时间最小为目标，通过确定输入模型的各故障特征的权重，进而确定维数来进一步优化模型，同时进一步缩短模型诊断时间。
[0027]本专利技术利用半数均匀分布改进传统金豺算法，将种群位置空间内的随机采样改为半数均匀分布采样，解决传统金豺算法初始阶段在种群位置空间随机采样而导致的个体过于密集的问题，提高故障诊断准确率。
[0028]本专利技术附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
附图说明
[0029]构成本专利技术的一部分的说明书附图用来提供对本专利技术的进一步理解，本专利技术的示
意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。
[0030]图1为本专利技术实施例1提供的超参数双层优化的综合能源系统故障诊断方法流程图；
[0031]图2为本专利技术实施例1提供的故障诊断模型结构图；
[0032]图3为本专利技术实施例1提供的基于半数均匀分布的金豺算法流程图。
具体实施方式
[0033]下面结合附图与实施例对本专利技术做进一步说明。
[0034]应该指出，以下详细说明都是示例性的，旨在对本专利技术提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本专利技术所属
的普通技术人员通常理解的相同含义。
[0035]需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本专利技术的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0036]在不冲突的情况下，本专利技术中的实施例及实施例中的特征可以相互组合。
[0037]实施例1
[003本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种超参数双层优化的综合能源系统故障诊断方法，其特征在于，包括：获取综合能源系统中设备的故障样本集，并对故障特征赋初始权重，得到带权重的故障样本集；构建超参数双层优化的故障诊断模型；其中，内层优化以故障诊断准确率最高为目标，根据带权重的故障样本集，对故障诊断模型中的超参数进行优化；外层优化以故障诊断时间最小为目标，对故障特征的权重进行优化；基于得到的最优超参数构建最优故障诊断模型，采用最优故障诊断模型对赋予最优权重的待测数据集进行故障诊断。2.如权利要求1所述的一种超参数双层优化的综合能源系统故障诊断方法，其特征在于，对故障特征设置二值权重，所述二值权重为0时代表该故障特征不作为故障诊断模型的输入，所述二值权重为1时代表该故障特征作为故障诊断模型的输入，且对故障样本集中的故障特征的权重均初始化为1。3.如权利要求1所述的一种超参数双层优化的综合能源系统故障诊断方法，其特征在于，优化的超参数包括输入层与隐藏层间的权重、输入层的偏置、隐藏层的偏置、学习率、网络层数和各层神经元个数。4.如权利要求1所述的一种超参数双层优化的综合能源系统故障诊断方法，其特征在于，所述内层优化采用基于半数均匀分布的金豺算法对超参数进行优化。5.如权利要求4所述的一种超参数双层优化的综合能源系统故障诊断方法，其特征在于，所述基于半数均匀分布的金豺算法为将在种群位置空间内的随机采样改进为半数均匀分布采样。6.如权利要求1所述的一种超参数双层优化的综合能源系统故障诊断方法，其特征在于，搭建综合能源系统仿真模型，设置典型设备的故障场景，通过模拟典型设备的运行状况，获取故障样本集；所述典型设备包...

【专利技术属性】
技术研发人员：王瑞琪，马文骁，刘松，荣以平，李岩，彭嘉怡，刘玉娇，胡鹤龄，李丹，
申请(专利权)人：华北电力大学国网山东省电力公司枣庄供电公司，
类型：发明
国别省市：