燃气机组APS启动控制系统的优化方法及系统技术方案

本申请实施例提供一种燃气机组APS启动控制系统的优化方法及系统，将不同系统模拟测试策略下的系统故障特征集合分别编码输出为同一特征知识网络的故障知识表征变量，针对每种系统模拟测试策略设置故障知识表征变量的策略运行节点，依据策略运行节点对同一特征知识网络的故障知识表征变量进行融合，生成融合故障知识表征变量后对融合故障知识表征变量进行故障分类，由此对所述燃气机组APS启动控制系统进行优化。相较于基于单一系统模拟测试策略，通过将不同系统模拟测试策略下的测试反馈数据转换到同一特征知识网络进行向量表示，可以结合不同策略下测试反馈数据之间的关联，充分基于有限的测试反馈数据，提高故障分类准确性。性。性。

【技术实现步骤摘要】
燃气机组APS启动控制系统的优化方法及系统


[0001]本申请涉及燃气机组
，具体而言，涉及一种燃气机组APS启动控制系统的优化方法及系统。

技术介绍

[0002]燃气机组由压气机、燃烧室和透平组成。燃气
‑
蒸汽联合循环机组工作过程大致为，空气被吸入压气机经压缩后与天然气混合并在燃烧室内燃烧转变为热能，产生的高温高压燃气进入燃机的透平逐级膨胀做功，形成的机械能驱动发电机变为电能。在此过程中，需要通过APS启动控制系统进行辅机启动、燃机启动、汽机冲转和机组升负荷等，以便于提高运行可靠性。基于此，对于燃气机组APS启动控制系统而言，其运行稳定性关乎到燃气机组的稳定性。因此，需要及时排除燃气机组APS启动控制系统可能存在的故障，在相关技术中，通常是基于单一系统模拟测试策略对燃气机组APS启动控制系统进行模拟测试从而确定其潜在的故障，然而该方案的故障分类准确性非常有限。

技术实现思路

[0003]有鉴于此，本申请的目的在于提供一种燃气机组APS启动控制系统的优化方法及系统。
[0004]依据本申请的第一方面，提供一种燃气机组APS启动控制系统的优化方法，应用于云服务器，所述方法包括：获取燃气机组APS启动控制系统在不同系统模拟测试策略下的系统故障特征集合；基于训练完成的故障分类网络的特征编码单元，将不同系统模拟测试策略下的系统故障特征集合分别编码输出为同一特征知识网络的故障知识表征变量；针对每种系统模拟测试策略设置故障知识表征变量的策略运行节点，依据所述策略运行节点对所述同一特征知识网络的故障知识表征变量进行融合，生成融合故障知识表征变量；基于所述故障分类网络的全连接输出单元，对所述融合故障知识表征变量进行故障分类，生成燃气机组APS启动控制系统在不同故障标签上的命中系数，并基于所述燃气机组APS启动控制系统在不同故障标签上的命中系数对所述燃气机组APS启动控制系统进行优化。
[0005]在第一方面的一种可能的实施方式中，所述获取燃气机组APS启动控制系统在不同系统模拟测试策略下的系统故障特征集合的步骤，包括：通过对系统模拟测试软件中采集到燃气机组APS启动控制系统的测试反馈数据进行汇总，获取不同系统模拟测试策略下的测试反馈数据；针对不同系统模拟测试策略下的测试反馈数据进行拆分，将所述不同系统模拟测试策略下的测试反馈数据处理为相应系统模拟测试策略下的系统故障特征集合。
[0006]在第一方面的一种可能的实施方式中，所述不同系统模拟测试策略下的系统故障特征集合包括系统崩溃特征集合、系统死循环特征集合以及系统延时运行特征集合，所述基于训练完成的故障分类网络的特征编码单元，将不同系统模拟测试策略下的系统故障特征集合分别编码输出为同一特征知识网络的故障知识表征变量的步骤，包括：针对系统崩溃特征集合中的崩溃描述日志，基于崩溃特征编码网络的特征编码单元通过特征编码阵列将所述崩溃描述日志转换为第一编码知识表征向量，并叠加所述崩溃描述日志的故障触发节点，生成崩溃故障知识表征变量；针对系统死循环特征集合中的系统死循环描述日志，基于崩溃特征编码网络的特征编码单元通过特征映射空间将所述系统死循环描述日志转换为第二编码知识表征向量，并叠加所述系统死循环描述日志的故障触发节点，生成系统死循环故障知识表征变量；针对系统延时运行特征集合中的系统延时运行描述日志，基于崩溃特征编码网络的特征编码单元通过特征映射空间将所述系统延时运行描述日志转换为第三编码知识表征向量，并叠加所述系统死循环描述日志的故障触发节点，生成系统延时运行故障知识表征变量；依据空间域算法将所述崩溃故障知识表征变量、所述系统死循环故障知识表征变量以及所述系统延时运行故障知识表征变量映射到同一特征知识网络的故障知识表征变量。
[0007]在第一方面的一种可能的实施方式中，所述依据空间域算法将所述崩溃故障知识表征变量、所述系统死循环故障知识表征变量以及所述系统延时运行故障知识表征变量映射到同一特征知识网络的故障知识表征变量的步骤，包括：基于所述崩溃故障知识表征变量、所述系统死循环故障知识表征变量以及所述系统延时运行故障知识表征变量之间故障知识域的交互作用，计算故障知识域的映射向量；通过将所述故障知识域的映射向量所生成的映射位图，将所述崩溃故障知识表征变量、所述系统死循环故障知识表征变量以及所述系统延时运行故障知识表征变量映射到同一特征知识网络的故障知识表征变量。
[0008]在第一方面的一种可能的实施方式中，在所述基于训练完成的故障分类网络的特征编码单元，将不同系统模拟测试策略下的系统故障特征集合分别编码输出为同一特征知识网络的故障知识表征变量，并针对每种系统模拟测试策略设置故障知识表征变量的策略运行节点之前，所述方法还包括：基于目标燃气机组APS启动控制系统在不同系统模拟测试策略下的系统故障特征集合加载到神经网络中进行网络迭代学习更新，生成故障分类网络；所述神经网络包括针对有系统故障特征集合进行向量化表示的特征编码单元以及针对融合故障知识表征变量进行故障标签学习的全连接输出单元，所述全连接输出单元包括自注意力层和分类层，所述基于目标燃气机组APS启动控制系统在不同系统模拟测试策略下的系统故障特征集合加载到神经网络中进行网络迭代学习更新，生成故障分类网络的步骤，包括：基于所述特征编码单元将目标燃气机组APS启动控制系统在不同系统模拟测试策略下的系统故障特征集合处理为融合故障知识表征变量； 基于所述全连接输出单元的自注意力层基于所述策略运行节点对所述融合故障知识表征变量进行解析，获取融合故障知识表征变量之间的自注意力系数，并依据所述自注意力系数更新所述融合故障知识表征变
量；基于所述全连接输出单元的分类层对更新后的融合故障知识表征变量进行故障标签学习，预测目标燃气机组APS启动控制系统在不同故障标签上的命中系数值，构建故障分类网络。
[0009]在第一方面的一种可能的实施方式中，所述方法还包括：在所述神经网络网络的迭代学习更新流程中，基于掩模化处理的方式隐藏所述融合故障知识表征变量中的至少部分知识表征向量后，预测至少部分知识表征向量是否与所述融合故障知识表征变量相匹配，生成多个学习任务。
[0010]在第一方面的一种可能的实施方式中，所述方法还包括：设置学习代价计算单元，并基于所述学习代价计算单元计算得到的学习代价值，利用梯度下降法更新所述故障分类网络中的网络权重参数。
[0011]依据本申请的第二方面，提供一种云服务器，所述云服务器包括机器可读存储介质及处理器，所述机器可读存储介质存储有机器可执行指令，所述处理器在执行所述机器可执行指令时，该云服务器实现前述的燃气机组APS启动控制系统的优化方法。
[0012]依据本申请的第三方面，提供提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机可执行指令，当所述计算机可执行指令被执行时，实现前述的燃气机组APS启动控制系统的优化方法。
[0013]依据上述任一方面，本申请中，获取燃气机组APS启动控制系统在不同系统模拟测试策略下的系统故障特征集本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种燃气机组APS启动控制系统的优化方法，其特征在于，应用于云服务器，所述方法包括：获取燃气机组APS启动控制系统在所述不同系统模拟测试策略下的系统故障特征集合；基于训练完成的故障分类网络的特征编码单元，将不同系统模拟测试策略下的系统故障特征集合分别编码输出为同一特征知识网络的故障知识表征变量；针对每种系统模拟测试策略设置故障知识表征变量的策略运行节点，依据所述策略运行节点对所述同一特征知识网络的故障知识表征变量进行融合，生成融合故障知识表征变量；基于所述故障分类网络的全连接输出单元，对所述融合故障知识表征变量进行故障分类，生成燃气机组APS启动控制系统在不同故障标签上的命中系数，并基于所述燃气机组APS启动控制系统在不同故障标签上的命中系数对所述燃气机组APS启动控制系统进行优化。2.根据权利要求1所述的燃气机组APS启动控制系统的优化方法，其特征在于，所述获取燃气机组APS启动控制系统在不同系统模拟测试策略下的系统故障特征集合的步骤，包括：通过对系统模拟测试软件中采集到燃气机组APS启动控制系统的测试反馈数据进行汇总，获取不同系统模拟测试策略下的测试反馈数据；针对不同系统模拟测试策略下的测试反馈数据进行拆分，将所述不同系统模拟测试策略下的测试反馈数据处理为相应系统模拟测试策略下的系统故障特征集合。3.根据权利要求1所述的燃气机组APS启动控制系统的优化方法，其特征在于，所述不同系统模拟测试策略下的系统故障特征集合包括系统崩溃特征集合、系统死循环特征集合以及系统延时运行特征集合，所述基于训练完成的故障分类网络的特征编码单元，将不同系统模拟测试策略下的系统故障特征集合分别编码输出为同一特征知识网络的故障知识表征变量的步骤，包括：针对系统崩溃特征集合中的崩溃描述日志，基于崩溃特征编码网络的特征编码单元通过特征编码阵列将所述崩溃描述日志转换为第一编码知识表征向量，并叠加所述崩溃描述日志的故障触发节点，生成崩溃故障知识表征变量；针对系统死循环特征集合中的系统死循环描述日志，基于崩溃特征编码网络的特征编码单元通过特征映射空间将所述系统死循环描述日志转换为第二编码知识表征向量，并叠加所述系统死循环描述日志的故障触发节点，生成系统死循环故障知识表征变量；针对系统延时运行特征集合中的系统延时运行描述日志，基于崩溃特征编码网络的特征编码单元通过特征映射空间将所述系统延时运行描述日志转换为第三编码知识表征向量，并叠加所述系统死循环描述日志的故障触发节点，生成系统延时运行故障知识表征变量；依据空间域算法将所述崩溃故障知识表征变量、所述系统死循环故障知识表征变量以及所述系统延时运行故障知识表征变量映射到同一特征知识网络的故障知识表征变量。4.根据权利要求3所述的燃气机组APS启动控制系统的优化方法，其特征在于，所述依据空间域算法将所述崩溃故障知识表征变量、所述系统死循环故障知识表征变量以及所述
系统延时运行故障知识表征变量映射到同一特征知识网络的故障知识表征变量的步骤，包括：基于所述崩溃故障知识表征变量、所述系统死循环故障知识表征变量以及所述系统延时运行故障知识表征变量之间故障知识域的交互作用，计算故障知识域的映射向量；通过将所述故障知识域的映射向量所生成的映射位图，将所述崩溃故障知识表征变量、所述系统死循环故障知识表征变量以及所述系统延时运行故障知识表征变量映射到同一特征知识网络的故障知识表征变量。5.根据权利要...

【专利技术属性】
技术研发人员：禤朝捷，尹苡壑，廖国，胡玉剑，章振伟，王义邦，莫真荣，吴操宇，陆远立，方忠昉，游健，王艺，高健，
申请(专利权)人：广东粤电新会发电有限公司，
类型：发明
国别省市：