一种基于时序信息智能模型的磨煤机堵塞预警方法技术

本发明专利技术提出一种基于时序信息智能模型的磨煤机堵塞预警方法，涉及磨煤机堵塞预警技术领域

【技术实现步骤摘要】
一种基于时序信息智能模型的磨煤机堵塞预警方法


[0001]本专利技术涉及磨煤机堵塞预警
，尤其涉及一种基于时序信息智能模型的磨煤机堵塞预警方法
。

技术介绍

[0002]随着可再生能源技术日趋成熟，大规模可再生能源参与电网并网，随之而来的是可再生能源的不确定性，迫使火电机组辅助设备的运行工况变化更加频繁，以维持电网的稳定
。
其中，电网负荷变化时，容易造成火电机组中的磨煤机堵塞，从而降低主蒸汽压力和机组负荷，严重堵塞会导致炉内燃烧不稳定，磨煤机完全停运，甚至熄火
。
[0003]目前，火电机组异常状态监测和早期堵塞预警的数字化和智能化已成为研究热点
。
针对火电机组辅机堵塞预警的研究越来越多
。
从机器学习模型到深度学习模型，研究者们将越来越多的智能模型应用到了辅机的堵塞预警任务中
。
但是针对磨煤机实际机理过程进行设计的智能模型十分缺乏，算法的更新迭代不能满足对磨煤机的针对性堵塞预警，导致磨煤机的堵塞预警效果不理想，极大影响了火电机组的运行安全
。

技术实现思路

[0004]本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一
。
[0005]为此，本专利技术的第一个目的在于提出一种基于时序信息智能模型的磨煤机堵塞预警方法，以实现磨煤机的及时预警
。
[0006]本专利技术的第二个目的在于提出一种基于时序信息智能模型的磨煤机堵塞预警装置
。
[0007]本专利技术的第三个目的在于提出另一种基于时序信息智能模型的磨煤机堵塞预警装置
。
[0008]本专利技术的第四个目的在于提出一种非临时性计算机可读存储介质
。
[0009]本专利技术的第五个目的在于提出一种计算机程序产品
。
[0010]为达上述目的，本专利技术第一方面实施例提出了一种基于时序信息智能模型的磨煤机堵塞预警方法，包括：
[0011]获取磨煤机运行过程中的第一运行数据和第二运行数据，所述第二运行数据是利用数据重构模型对所述第一运行数据进行数据重构得到；
[0012]确定所述第一运行数据和所述第二运行数据之间的目标重构误差；
[0013]在所述目标重构误差超出误差范围的情况下，进行堵塞预警；所述误差范围是基于参考重构误差确定；所述参考重构误差是数据重构模型在训练过程中的输入数据和输出数据之间的误差
。
[0014]在一些可能的实现方式中，所述误差范围是基于参考重构误差确定，包括：
[0015]基于各训练过程中的参考重构误差的特征参数确定所述误差范围；所述特征参数包括平均值和标准差
。
[0016]在一些可能的实现方式中，所述数据重构模型采用堆叠自编码器的编码方法，堆叠单元为时序信息神经网络模型；所述时序信息神经网络模型的训练方法为：
[0017]获取训练样本数据，所述训练样本数据为历史运行过程中的运行数据序列，所述运行数据序列中包括依照时序排列的历史运行数据；
[0018]提取所述训练样本数据的时序信息，并确定所述时序信息的状态量；
[0019]通过多个激活函数对所述训练样本数据进行过滤，得到多个参考样本数据；
[0020]基于所述状态量和多个所述参考样本数据，确定所述训练样本数据的重构数据；
[0021]根据所述训练样本数据和所述训练样本数据的重构数据之间的重构误差，对所述时序信息神经网络模型进行修正，直至训练完成
。
[0022]在一些可能的实现方式中，所述获取训练样本数据，包括：
[0023]通过对所述历史运行数据按照时序进行滑窗存取获取时序数据，任一所述训练样本数据包括一段所述时序数据
。
[0024]在一些可能的实现方式中，所述根据所述训练样本数据和所述训练样本数据的重构数据之间的重构误差，对所述时序信息神经网络模型进行修正，包括：
[0025]以所述训练样本数据和所述训练样本数据的重构数据之间的平均绝对值误差，作为时序信息神经网络模型的目标函数对所述时序信息神经网络模型进行修正
。
[0026]在一些可能的实现方式中，所述确定所述第一运行数据和所述第二运行数据之间的目标重构误差，包括：
[0027]以所述第二运行数据对应的目标函数值作为所述目标重构误差；所述目标函数值是通过将所述第一运行数据输入所述数据重构模型获取
。
[0028]在一些可能的实现方式中，所述第一运行数据为多种，在任一第一运行数据缺失的情况下，根据所述任一第一运行数据与其它第一运行数据之间的映射关系进行缺失数据补全
。
[0029]为达上述目的，本专利技术第二方面实施例提出了一种基于时序信息智能模型的磨煤机堵塞预警装置，包括：
[0030]数据获取模块，用于获取磨煤机运行过程中的第一运行数据和第二运行数据，所述第二运行数据是利用数据重构模型对所述第一运行数据进行数据重构得到；
[0031]误差确定模块，用于确定所述第一运行数据和所述第二运行数据之间的目标重构误差；
[0032]堵塞预警模块，用于在所述目标重构误差超出误差范围的情况下，进行堵塞预警；所述误差范围是基于参考重构误差确定；所述参考重构误差是数据重构模型在训练过程中的输入数据和输出数据之间的误差
。
[0033]为达上述目的，本专利技术第三方面实施例提出了另一种基于时序信息智能模型的磨煤机堵塞预警装置，包括存储器，收发机，处理器：
[0034]存储器，用于存储计算机程序；收发机，用于在所述处理器的控制下收发数据；处理器，用于读取所述存储器中的计算机程序并执行以下操作：
[0035]获取磨煤机运行过程中的第一运行数据和第二运行数据，所述第二运行数据是利用数据重构模型对所述第一运行数据进行数据重构得到；
[0036]确定所述第一运行数据和所述第二运行数据之间的目标重构误差；
[0037]在所述目标重构误差超出误差范围的情况下，进行堵塞预警；所述误差范围是基于参考重构误差确定；所述参考重构误差是数据重构模型在训练过程中的输入数据和输出数据之间的误差
。
[0038]为了实现上述目的，本专利技术第四方面实施例提出了一种非临时性计算机可读存储介质，当所述存储介质中的指令由电子设备的处理器被执行时，使得电子设备能够执行本专利技术第一方面实施例提出的一种基于时序信息智能模型的磨煤机堵塞预警方法
。
[0039]为了实现上述目的，本专利技术第五方面实施例提出了一种计算机程序产品，当所述计算机程序产品中的指令处理器执行时，执行本专利技术第一方面实施例提出的一种基于时序信息智能模型的磨煤机堵塞预警方法
。
[0040]本专利技术至少包括如下有益效果：
[0041]首先获取磨煤机的第一运行数据和第二运行数据，第二运行数据是利用数据重构模型对第一运行数据进行数据重构得到；通过数据重构模型本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于时序信息智能模型的磨煤机堵塞预警方法，其特征在于，包括以下步骤：获取磨煤机运行过程中的第一运行数据和第二运行数据，所述第二运行数据是利用数据重构模型对所述第一运行数据进行数据重构得到；确定所述第一运行数据和所述第二运行数据之间的目标重构误差；在所述目标重构误差超出误差范围的情况下，进行堵塞预警；所述误差范围是基于参考重构误差确定；所述参考重构误差是数据重构模型在训练过程中的输入数据和输出数据之间的误差
。2.
根据权利要求1所述的方法，其特征在于，所述误差范围是基于参考重构误差确定，包括：基于各训练过程中的参考重构误差的特征参数确定所述误差范围；所述特征参数包括平均值和标准差
。3.
根据权利要求1所述的方法，其特征在于，所述数据重构模型采用堆叠自编码器的编码方法，堆叠单元为时序信息神经网络模型；所述时序信息神经网络模型的训练方法为：获取训练样本数据，所述训练样本数据为历史运行过程中的运行数据序列，所述运行数据序列中包括依照时序排列的历史运行数据；提取所述训练样本数据的时序信息，并确定所述时序信息的状态量；通过多个激活函数对所述训练样本数据进行过滤，得到多个参考样本数据；基于所述状态量和多个所述参考样本数据，确定所述训练样本数据的重构数据；根据所述训练样本数据和所述训练样本数据的重构数据之间的重构误差，对所述时序信息神经网络模型进行修正，直至训练完成
。4.
根据权利要求3所述的方法，其特征在于，所述获取训练样本数据，包括：通过对所述历史运行数据按照时序进行滑窗存取获取时序数据，任一所述训练样本数据包括一段所述时序数据
。5.
根据权利要求3所述的方法，其特征在于，所述根据所述训练样本数据和所述训练样本数据的重构数据之间的重构误差，对所述时序信息神经网络模型进行修正，包括：以所述训练样本数据和所述训练样本数据的重构数据之间的平均绝对值误差，作为时序信息神经网络模型的目标函数对所述时序信息神经网络模型进行修正<...

【专利技术属性】
技术研发人员：付宁，刘畅，李杰，赵阳，王福晶，孙广庆，辛志波，杨春，张斌，陈湘，李银，
申请(专利权)人：西安热工研究院有限公司华能山东发电有限公司，
类型：发明
国别省市：