【技术实现步骤摘要】
本申请涉及燃气—蒸汽联合循环机组智能监盘系统，特别是涉及一种燃气—蒸汽联合循环机组智能监盘系统。
技术介绍
1、在现有的发电企业中，机组运行数据的采集和处理通常是依赖于人工操作和传统的监控手段。一般情况下，运行人员需要定期巡检和记录机组的运行状态，如温度、压力等参数，并根据经验和规定的运行指标进行判断和决策。
2、运行人员会通过人工观察、仪表读数和设备运行记录等方式来获取机组的运行数据。这些数据通常以纸质或电子表格的形式进行记录和存储。在需要分析或判断机组运行情况时，运行人员会参考历史数据和经验，进行初步的分析和决策。
3、然而，这种传统的方法存在以下局限性：
4、人工操作存在一定的主观性和局限性，无法完全准确地捕捉机组运行的细节和变化。
5、数据采集和记录依赖于运行人员的时间和精力，存在一定的延迟和不完整性。
6、对于大量的数据，人工分析和判断效率较低，难以发现隐藏的关联关系和异常情况。
技术实现思路
1、本申请提供一种燃气—蒸汽联合循环机组智能监盘系统，旨在解决现有技术人工操作存在一定的主观性和局限性，无法完全准确地捕捉机组运行的细节和变化的问题。
2、基于此，本专利技术提供一种燃气—蒸汽联合循环机组智能监盘系统，所述系统包括现场设备层、数据源层、数据整合层、混合深度学习服务层和应用层，其中，所述现场设备层、智能监盘系统数据源层、智能监盘系统数据整合层、智能监盘系统混合深度学习服务层、智能监盘系统应用层依次
3、所述现场设备层用于获取目标燃机设备组件的状态参数数据，其中，所述目标燃机设备组件包括燃气轮发电机组单元、余热锅炉单元和汽轮发电机组单元；
4、所述数据源层用于存储所述目标燃机设备组件的状态参数数据和相关系统的结构化和非结构数据；
5、所述数据整合层采用bf算法对所述数据源层的多源数据进行整合，按照预设规则进行时间对齐，并删除冗余数据；
6、所述混合深度学习服务层采用改进mset技术和gpr混合深度融合的动态辨识算法对所述数据整合层中的数据进行建模，所述建模包括改进mset监盘建模单元和gpr监盘回归分析单元；
7、所述应用层用于将所述混合深度学习服务层的输出结果进行展示，所述应用层包括主监视区单元、报警列表区单元、报警处理单元和后台管理单元。
8、上述方案中，可选的，所述现场设备层包括：
9、燃气轮发电机组单元用于对空气压缩机、燃烧室、燃气透平部件进行监测；
10、余热锅炉单元用于对上升管、汽包、下降管部件进行监测；
11、汽轮发电机组单元用于对汽轮机、发电机、加热器、凝汽器、凝结水泵、除氧器、给水泵部件进行监测。
12、上述方案中，可选的，所述数据源层包括设备运行状态数据单元和其它系统数据单元：
13、所述设备运行状态数据单元存储的数据包括振动信号、负载、油温、液压、电压及电流、功率、效率数据；
14、所述其它系统数据单元存储的数据包括型号、外形参数、故障案例、技术标准、专家经验数据。
15、上述方案中，可选的，所述数据整合层采用bf算法对所述数据源层的多源数据进行整合，按照预设规则进行时间对齐，并删除冗余数据包括：
16、所述bf算法将待匹配字符串和所需匹配模版从左端对齐，从左往右逐个比较字符串与模版串中的字符是否全部相同，若两者所有字符相同则匹配成功，若模版中的某一个字符匹配失败，则将模版串首位向右移动一位，重新开始匹配，如此循环，直至模版串右移动到文本末尾结束；
17、所述bf算法通过以下公式实现：
18、shift[1]＝{t[i]≠m[j]}；
19、式中，t为待匹配字符串，t[i]代表其中第i位字符；m为匹配模版字符串，m[j]代表其中第j位字符，shift[1]代表整个模版向右移动1位。
20、上述方案中，可选的，所述改进mset监盘建模单元通过以下方式实现：
21、传统历史记忆矩阵d的构建：
22、式中，行数k代表选取的k个状态监测参数，列数m代表某一状态参数的m个样本点，dkm代表历史记忆矩阵d中第k行第m列的元素；
23、精细化历史记忆矩阵d1的构建：
24、计算k个状态参数的最大值kmax和最小值kmin；
25、将间隔[kmin，kmax]划分为n0等间隔[k1，k2，…，ki，…，kn0]；
26、将每个等间隔的概率密度进行积分，得到k个状态参数在负载间隔ki内的概率ei，概率ei乘以历史记忆矩阵d中的状态向量数k，得到每个关键变量间隔中的状态向量数hi；
27、筛选关键变量在间隔内的历史状态向量xi，将选定的状态向量xi添加到历史记忆矩阵d，形成新的历史记忆矩阵d1；
28、最优估计向量xest的求解：
29、xest＝d1·w
30、＝d1·[w1 w2...wk]t；
31、式中w代表权值向量矩阵，表征历史记忆矩阵d1与最优估计向量xest一种相似性测度，wk表示权值向量矩阵中第k个元素，t表示转置运算符；
32、权值向量p的求解：w＝(d1t·d1)-1·(d1t·xobs)，式中，xobs表示观测向量，t表示转置运算符；
33、得到最优估计向量xest：
34、上述方案中，可选的，所述gpr监盘回归分析单元通过以下方式实现：
35、回归函数f(x)通过协方差函数和均值函数确定：
36、f(x)～gp(m(x),k(x,x'))；
37、式中，m(x)为均值函数，k(x,x')为x和x’的协方差函数，gp()为高斯过程函数，x和x’为输入变量；
38、引入噪声的回归模型为：
39、式中，y为模型输出值，ε为独立的高斯白噪声，σ2为方差。
40、上述方案中，可选的，所述的主监视区单元展示各生产系统配置的所有测点的实时状态和实时监盘报警情况，按照参数的内在关系和所关联的分析对象、系统、设备等，分别设置监视组，对监视的测点参数区分。
41、上述方案中，可选的，所述的智能监盘报警列表区单元提供相关的入口对监盘报警的配置进行临时调整，实现对监盘报警从轻微到严重的整个过程的持续跟踪。
42、上述方案中，可选的，所述报警处理单元提供监盘报警列表处理页面，用于查看多条报警信息，并逐个或批量对其进行确认，在对监盘报警信息进行确认时，用户输入分析意见控制计算机自动跟踪。
43、上述方案中，可选的，所述后台管理单元用于进行监盘报警信息模板配置和报警信息即时修改更新。
44、相比现有技术，本申请至少具有以下有益效果：
45、本申请基于对现有技术问题的进一步分析和研究，认识到现有技术人工操作存在一定的主观性和本文档来自技高网...
【技术保护点】
1.一种燃气—蒸汽联合循环机组智能监盘系统，其特征在于，所述系统包括现场设备层、数据源层、数据整合层、混合深度学习服务层和应用层，所述现场设备层、所述数据源层、所述数据整合层、所述混合深度学习服务层、和所述应用层依次相连；
2.根据权利要求1所述的一种燃气—蒸汽联合循环机组智能监盘系统，其特征在于，所述现场设备层包括：
3.根据权利要求1所述的一种燃气—蒸汽联合循环机组智能监盘系统，其特征在于，所述数据源层包括设备运行状态数据单元和其它系统数据单元；
4.根据权利要求1所述的一种燃气—蒸汽联合循环机组智能监盘系统，其特征在于，所述数据整合层采用BF算法对所述数据源层的多源数据进行整合，按照预设规则进行时间对齐，并删除冗余数据，包括：
5.根据权利要求1所述的一种燃气—蒸汽联合循环机组智能监盘系统，其特征在于，所述改进MSET监盘建模单元通过以下方式实现：
6.根据权利要求1所述的一种燃气—蒸汽联合循环机组智能监盘系统，其特征在于，所述GPR监盘回归分析单元通过以下方式实现：
7.根据权利要求1所述的一种燃气—
8.根据权利要求1所述的一种燃气—蒸汽联合循环机组智能监盘系统，其特征在于，所述的智能监盘报警列表区单元用于提供相关的入口对监盘报警的配置进行临时调整，实现对监盘报警从轻微到严重的整个过程的持续跟踪。
9.根据权利要求1所述的一种燃气—蒸汽联合循环机组智能监盘系统，其特征在于，所述报警处理单元用于提供监盘报警列表处理页面，用于查看多条报警信息，并逐个或批量对其进行确认，在对监盘报警信息进行确认时，用户输入分析意见控制计算机自动跟踪。
10.根据权利要求1所述的一种燃气—蒸汽联合循环机组智能监盘系统，其特征在于，所述后台管理单元用于进行监盘报警信息模板配置和报警信息即时修改更新。
...【技术特征摘要】
1.一种燃气—蒸汽联合循环机组智能监盘系统，其特征在于，所述系统包括现场设备层、数据源层、数据整合层、混合深度学习服务层和应用层，所述现场设备层、所述数据源层、所述数据整合层、所述混合深度学习服务层、和所述应用层依次相连；
2.根据权利要求1所述的一种燃气—蒸汽联合循环机组智能监盘系统，其特征在于，所述现场设备层包括：
3.根据权利要求1所述的一种燃气—蒸汽联合循环机组智能监盘系统，其特征在于，所述数据源层包括设备运行状态数据单元和其它系统数据单元；
4.根据权利要求1所述的一种燃气—蒸汽联合循环机组智能监盘系统，其特征在于，所述数据整合层采用bf算法对所述数据源层的多源数据进行整合，按照预设规则进行时间对齐，并删除冗余数据，包括：
5.根据权利要求1所述的一种燃气—蒸汽联合循环机组智能监盘系统，其特征在于，所述改进mset监盘建模单元通过以下方式实现：
6.根据权利要求1所述的一种燃气—蒸汽联合循环机组智能监盘系统，其特征在于，所述gpr监...
【专利技术属性】
技术研发人员：席亚宾，帅博宇，李亚文，陈言，李玉珍，段新平，杨琼宇，尤胜蒋，杜森，郭文海，
申请(专利权)人：广东粤电大亚湾综合能源有限公司，
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。