【技术实现步骤摘要】
本专利技术涉及水利，具体是涉及一种智慧水利漏水检测和预警系统。
技术介绍
1、定期对水利设备进行检修，是水利系统中非常重要环节。状态检修是按照水利设备实际的运行状态，来决定设备是否需要进行检修。一旦发现设备有潜在问题，可能会对设备造成一定影响，就要立即对其进行维修同时，对没有问题的设备还可以适当延长检修时间，等到下次需要检修的时候再进行统一检修。就水利系统实际运行状况来看，致使水利设备出现故障的影响因素有很多，通常情况下，较小的安全隐患在一般性的试验中很难被发现，但是，随着水利设备运行时间延长，并且设备长期处在电磁交融的环境下，就使得安全隐患慢慢转变成设备故障，最终导致水利系统出现随时停止运行的故障现象，进而影响水利系统的供电质量。因此，对水利设备监测能够进一步保证水利系统整体的稳定运行。
2、但采用人力检测需要长时间不间断的检测，作业强度大，而使用一般的算法驱动电脑监测，存在监测识别不够智能，会忽略一些故障的可能性，且对于可能存在故障的情况，无法作出提前预警，导致不能提前作出检修。
技术实现思路
1、为解决上述技术问题，提供一种智慧水利漏水检测和预警系统，本技术方案解决了上述
技术介绍
中提出的但采用人力检测需要长时间不间断的检测，作业强度大，而使用一般的算法驱动电脑监测，存在监测识别不够智能，会忽略一些故障的可能性，且对于可能存在故障的情况，无法作出提前预警，导致不能提前作出检修的问题。
2、为达到以上目的，本专利技术采用的技术方案为：
3、一种
4、数据获取模块，所述数据获取模块获取水利设备的历史故障数据表；
5、参数特征提取模块，所述参数特征提取模块提取历史故障数据表中的故障特征，确立至少一个主要监测参数特征，关联至少一个主要监测参数特征为监测参数特征序列；
6、参数阙值获取模块，所述参数阙值获取模块根据历史故障数据表，使用回归分析法，对于至少一个主要监测参数特征得出至少一个正常阙值范围，关联至少一个正常阙值范围得到参数特征正常阙值序列；
7、参数特征监测模块，所述参数特征监测模块实时监测水利设备的监测参数特征序列中的主要监测参数特征；
8、趋势建立模块，所述趋势建立模块根据主要监测参数特征随时间的变化，使用时间分布顺序监测法，建立监测参数特征序列的变化趋势；
9、模糊预测模块，所述模糊预测模块模糊预测法通过数据之间的有机结合，形成模糊规则数据库，使用线性贴近非线性的方式对设备运行状态进行预测，根据预测结果，选择出重点监测的至少一个主要监测参数特征，关联至少一个主要监测参数特征为重点监测参数序列，对预计超出参数特征正常阙值序列的主要监测参数特征，作出预警，产生超出参数特征正常阙值序列的预估时间。
10、优选的，所述提取历史故障数据表中的故障特征包括以下步骤：
11、识别历史故障数据表中的故障数据，对故障数据进行溯源，获取故障数据对应的水利性能项目；
12、对于水利性能项目进行关键词提取，统计关键词出现的次数，剔除出现次数小于第一预设值的关键词，保留出现次数大于等于第一预设值的关键词；
13、对于出现次数大于等于第一预设值的关键词进行分类，分类根据关键词所对应的水利性能项目，使用模式识别，将同类的关键词聚类，合并关键词为故障特征，形成至少一个主要监测参数特征。
14、优选的，所述使用模式识别包括以下步骤：
15、从历史故障数据表中收集样本数据，建立输入层、隐藏层和输出层；
16、输入层输入关键词，输出层输出关键词的分类；
17、训练样本数据更新在隐藏层模型的参数，优化隐藏层模型策略性能；
18、循环上一步骤，直到输出层输出的关键词的分类与关键词匹配为止；
19、输入层、隐藏层和输出层共同组成卷积神经网络，使用卷积神经网络作为模式识别的识别主体网络。
20、优选的，所述使用回归分析法，对于至少一个主要监测参数特征得出至少一个正常阙值范围包括以下步骤：
21、任取至少一个主要监测参数特征中的其中一个主要监测参数特征；
22、从历史故障数据表中，获取主要监测参数特征的至少一个故障数据，绘制故障数据的坐标图，横坐标为第二预设值，第二预设值为固定值，纵坐标为故障数据的数值，得到至少一个坐标点；
23、计算每个坐标点上侧的坐标点数目和下侧的坐标点数目；
24、选取上侧的坐标点数目与下侧的坐标点数目的差的绝对值最小的坐标点一的纵坐标作为正常阙值边界一；
25、若坐标点一上侧的坐标点数目大于下侧的坐标点数目，则选择与坐标点一相邻的在坐标点一上侧的坐标点的纵坐标作为正常阙值边界二；
26、若坐标点一上侧的坐标点数目小于下侧的坐标点数目，则选择与坐标点一相邻的在坐标点一下侧的坐标点的纵坐标作为正常阙值边界二；
27、若坐标点一上侧的坐标点数目等于下侧的坐标点数目，则在与坐标点一相邻的两个点中，选择距离与坐标点一距离最远的坐标点的纵坐标作为正常阙值边界二；
28、正常阙值边界一和正常阙值边界二按大小排布，构成正常阙值范围；
29、遍历至少一个主要监测参数特征中的所有主要监测参数特征，得到至少一个正常阙值范围，每个正常阙值范围与其中一个主要监测参数特征对应。
30、优选的，所述使用时间分布顺序监测法，建立监测参数特征序列的变化趋势包括以下步骤：
31、实时获取监测参数特征序列的数据，绘制监测参数特征序列的数据的总曲线图像；
32、均匀分割总曲线图像为至少一个标识点，相邻所述标识点之间的曲线为标识曲线；
33、使用最小二乘法对标识曲线进行拟合，得到拟合函数；
34、合并所有标识曲线的拟合函数，得到监测参数特征序列的总拟合函数f(x)；
35、最小二乘法如下：
36、设标识曲线的拟合函数为y＝kx+b，取标识曲线上n个点，获得n个点的坐标(xi，yi)，i取1到n，代入所有(xi，yi)，
37、
38、
39、求得k和b的值，代入y＝kx+b中，求得拟合函数。
40、优选的，所述使用线性贴近非线性的方式对设备运行状态进行预测包括以下步骤：
41、获取监测参数特征序列随时间变化的总拟合函数f(x)；
42、获取前一分钟设备到当前设备运行状态的监测参数特征序列的数据，绘制一分钟曲线；
43、在总曲线图像上分析寻找与一分钟曲线拟合度最高的第一分时曲线作为一分钟曲线的拟合曲线；
44、将总曲线图像上与第一分时曲线连接的后续曲线，作为一分钟曲线的预测曲线；
45、获取预测曲线的起始点的横坐标t，t为时间；
46、以当前时刻为0时刻，则可以预测a时刻的预测状态。
4本文档来自技高网...
【技术保护点】
1.一种智慧水利漏水检测和预警系统，其特征在于，包括：
2.根据权利要求1所述的一种智慧水利漏水检测和预警系统，其特征在于，所述提取历史故障数据表中的故障特征包括以下步骤：
3.根据权利要求2所述的一种智慧水利漏水检测和预警系统，其特征在于，所述使用模式识别包括以下步骤：
4.根据权利要求3所述的一种智慧水利漏水检测和预警系统，其特征在于，所述使用回归分析法，对于至少一个主要监测参数特征得出至少一个正常阙值范围包括以下步骤：
5.根据权利要求4所述的一种智慧水利漏水检测和预警系统，其特征在于，所述使用时间分布顺序监测法，建立监测参数特征序列的变化趋势包括以下步骤：
6.根据权利要求5所述的一种智慧水利漏水检测和预警系统，其特征在于，所述使用线性贴近非线性的方式对设备运行状态进行预测包括以下步骤：
7.根据权利要求6所述的一种智慧水利漏水检测和预警系统，其特征在于，所述选择出重点监测的至少一个主要监测参数特征包括以下步骤：
8.根据权利要求7所述的一种智慧水利漏水检测和预警系统，其特征在于，所述产生
...【技术特征摘要】
1.一种智慧水利漏水检测和预警系统，其特征在于，包括：
2.根据权利要求1所述的一种智慧水利漏水检测和预警系统，其特征在于，所述提取历史故障数据表中的故障特征包括以下步骤：
3.根据权利要求2所述的一种智慧水利漏水检测和预警系统，其特征在于，所述使用模式识别包括以下步骤：
4.根据权利要求3所述的一种智慧水利漏水检测和预警系统，其特征在于，所述使用回归分析法，对于至少一个主要监测参数特征得出至少一个正常阙值范围包括以下步骤：
5.根据权利要求4所述的一种智慧水利漏水检测...
【专利技术属性】
技术研发人员：张丹丹，汪冬松，
申请(专利权)人：安徽丹凤缘科技有限公司，
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。