本发明专利技术提供了一种用于化学水处理系统的故障预警检测方法及设备，该方法通过采集化学水处理系统在水质监测过程中产生的汽水监测数据；构建用于化学水处理系统的水质监测预警模型，并将汽水监测数据输入水质监测预警模型；根据水质监测预警模型输出结果，确定化学水处理系统的故障类型，并进行故障预警。通过本发明专利技术，能够通过数据建模构建水质变化规律与故障类型之间的映射关系，显然可以提高故障诊断的精准度，进而降低电厂化学水处理系统的维修和保养的成本。
【技术实现步骤摘要】
本申请涉及机器学习，尤其涉及一种用于化学水处理系统的故障预警检测方法、装置、电子设备及存储介质。
技术介绍
1、随着火力发电厂单机容量的不断增大，系统越来越复杂性，出于机组安全性和使用寿命的考虑，对水汽品质的要求越来越严。实现化学水处理设备的自动化，是当今电厂化学技术发展的必然趋势。
2、传统的电厂化学水处理系统一般设有净水预处理、锅炉补水处理、凝结水精处理、汽水取样监测分析、加药系统、综合水泵房、循环水加氧、废水及污水处理等子系统。在上述子系统中，汽水取样监测分析子系统尤其是关键，因为其能够对水质进行监测，以确保电厂化学水处理系统的整体运营效果是正常的。但是如果电厂化学水处理系统发生故障，因其是一个庞大的系统，难以进行故障诊断和定位，影响电厂化学水处理系统的正常运行。
技术实现思路
1、本申请旨在至少在一定程度上解决相关技术中的技术问题之一。
2、为此，本申请的第一个目的在于提出一种用于化学水处理系统的故障预警方法，旨在通过数据建模构建水质变化规律与故障类型之间的映射关系，提高故障诊断的精准度，降低化学水处理系统的维修和保养的成本。
3、本申请的第二个目的在于提出一种用于化学水处理系统的故障预警检测装置。
4、本申请的第三个目的在于提出一种电子设备。
5、本申请的第四个目的在于提出一种计算机可读存储介质。
6、为达上述目的，本申请第一方面实施例提出了一种用于化学水处理系统的故障预警检测方法，包括：
>7、采集化学水处理系统在水质监测过程中产生的汽水监测数据；8、构建用于化学水处理系统的水质监测预警模型，并将汽水监测数据输入水质监测预警模型；
9、根据水质监测预警模型输出结果，确定化学水处理系统的故障类型，并进行故障预警。
10、其中，水质监测预警模型包括：
11、单点水质特征向量提取器，用于捕捉汽水监测数据中的高维隐含内部关联模式特征，以得到汽水监测数据中的单点水质特征向量；
12、水质特征关联特征向量提取器，用于捕捉相邻的单点水质特征向量之间的水质特征关联特征向量；
13、多标签分类器，用于对水质特征关联特征向量进行分类，得到分类标签。
14、其中，单点水质特征向量提取器为多层感知机模型，多层感知机模型包含输入层和输出层，及位于输入层和输出层之间的多个隐含层；其中，多个感知机模型的所有层基于全连接层来构建；在多层感知机模型的单点水质特征向量的编码过程中，对汽水监测数据进行深度全连接编码，以捕捉水质监测数据中参数的高维隐含信息。
15、其中，水质特征关联特征向量提取器使用具有不同尺度的一维卷积核的一维卷积神经网络模型；将多个单点水质特征向量沿着样本维度排列为一维特征向量，使用具有第一尺度的一维卷积核的第一一维卷积神经网络模型，对一维特征向量进行一维卷积编码，以得到第一尺度水质特征关联特征向量；同时，使用具有第二尺度的一维卷积核的第二一维卷积神经网络模型，对一维特征向量进行一维卷积编码，以得到第二尺度水质特征关联特征向量；融合第一尺度水质特征关联特征向量和第二尺度水质特征关联特征向量，以得到水质特征关联特征向量。
16、其中，融合第一尺度水质特征关联特征向量和第二尺度水质特征关联特征向量时，对第一尺度水质特征关联特征向量和第二尺度水质特征关联特征向量进行域自适应类图拓扑融合，以得到尺度水质特征关联特征向量。
17、其中，对第一尺度水质特征关联特征向量和第二尺度水质特征关联特征向量进行域自适应类图拓扑融合，包括：
18、以特征分布中各个位置的特征值为节点且以特征分布间相应位置之间的空间距离的信息化解释作为边；
19、沿着特征分布的预定方向实现不同特征域图之间的信息鲁棒性交互和传播，以使得融合得到的水质特征关联特征向量不仅具有像素级别的特征稀疏性和非网络属性，同时还具有相对较优的特征稠密性；
20、最大化将第一尺度水质特征关联特征向量和第二尺度水质特征关联特征向量中同类目标分布进行对齐和聚合，以提高水质特征关联特征向量的分类精准度。
21、其中，对水质监测预警模型进行训练的步骤包括：
22、模型输入为化学水处理系统在水质监测过程中产生的汽水监测历史数据；
23、模型输出为故障分类标签；
24、将汽水监测历史数据输入水质监测预警模型的初始模型中，通过调整模型的函数和参数，使模型输出结果的故障分类标签与汽水监测历史数据对应的故障分类标签一致，认为模型训练完成。
25、为达上述目的，本申请第二方面实施例提出了一种用于化学水处理系统的故障预警检测装置，包括：
26、数据采集模块，用于采集化学水处理系统在水质监测过程中产生的汽水监测数据；
27、模型构建模块，用于构建用于化学水处理系统的水质监测预警模型，并将汽水监测数据输入水质监测预警模型；
28、故障预警模块，用于根据水质监测预警模型输出结果，确定化学水处理系统的故障类型，并进行故障预警。
29、为达上述目的，本申请第三方面实施例提出了一种电子设备，包括：处理器，以及与处理器通信连接的存储器；
30、存储器存储计算机执行指令；
31、处理器执行存储器存储的计算机执行指令，以实现如前述技术方案的方法。
32、为达上述目的，本申请第四方面实施例提出了一种计算机可读存储介质，计算机可读存储介质中存储有计算机执行指令，计算机执行指令被处理器执行时用于实现如前述技术方案的方法。
33、区别于现有技术，本专利技术提供的一种用于化学水处理系统的故障预警检测方法、装置、电子设备及存储介质，该方法通过采集化学水处理系统在水质监测过程中产生的汽水监测数据；构建用于化学水处理系统的水质监测预警模型，并将汽水监测数据输入水质监测预警模型；根据水质监测预警模型输出结果，确定化学水处理系统的故障类型，并进行故障预警。通过本专利技术，能够通过数据建模构建水质变化规律与故障类型之间的映射关系，显然可以提高故障诊断的精准度，进而降低电厂化学水处理系统的维修和保养的成本。
34、本申请附加的方面和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，或通过本申请的实践了解到。
本文档来自技高网...
【技术保护点】
1.一种用于化学水处理系统的故障预警方法，其特征在于，包括：
2.根据权利要求1所述的用于化学水处理系统的故障预警方法，其特征在于，所述水质监测预警模型包括：
3.根据权利要求2所述的用于化学水处理系统的故障预警方法，其特征在于，所述单点水质特征向量提取器为多层感知机模型，所述多层感知机模型包含输入层和输出层，及位于所述输入层和所述输出层之间的多个隐含层；其中，所述多个感知机模型的所有层基于全连接层来构建；在所述多层感知机模型的单点水质特征向量的编码过程中，对所述汽水监测数据进行深度全连接编码，以捕捉水质监测数据中参数的高维隐含信息。
4.根据权利要求2所述的用于化学水处理系统的故障预警方法，其特征在于，所述水质特征关联特征向量提取器使用具有不同尺度的一维卷积核的一维卷积神经网络模型；将所述多个单点水质特征向量沿着样本维度排列为一维特征向量，使用具有第一尺度的一维卷积核的第一一维卷积神经网络模型，对所述一维特征向量进行一维卷积编码，以得到第一尺度水质特征关联特征向量；同时，使用具有第二尺度的一维卷积核的第二一维卷积神经网络模型，对所述一维特征向量进行一维卷积编码，以得到第二尺度水质特征关联特征向量；融合所述第一尺度水质特征关联特征向量和所述第二尺度水质特征关联特征向量，以得到所述水质特征关联特征向量。
5.根据权利要求4所述的用于化学水处理系统的故障预警方法，其特征在于，融合所述第一尺度水质特征关联特征向量和所述第二尺度水质特征关联特征向量时，对所述第一尺度水质特征关联特征向量和所述第二尺度水质特征关联特征向量进行域自适应类图拓扑融合，以得到所述尺度水质特征关联特征向量。
6.根据权利要求5所述的用于化学水处理系统的故障预警方法，其特征在于，对所述第一尺度水质特征关联特征向量和所述第二尺度水质特征关联特征向量进行域自适应类图拓扑融合，包括：
7.根据权利要求1所述的用于化学水处理系统的故障预警方法，其特征在于，对所述水质监测预警模型进行训练的步骤包括：
8.一种用于化学水处理系统的故障预警装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括：处理器，以及与所述处理器通信连接的存储器；
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1-7中任一项所述的方法。
...
【技术特征摘要】
1.一种用于化学水处理系统的故障预警方法，其特征在于，包括：
2.根据权利要求1所述的用于化学水处理系统的故障预警方法，其特征在于，所述水质监测预警模型包括：
3.根据权利要求2所述的用于化学水处理系统的故障预警方法，其特征在于，所述单点水质特征向量提取器为多层感知机模型，所述多层感知机模型包含输入层和输出层，及位于所述输入层和所述输出层之间的多个隐含层；其中，所述多个感知机模型的所有层基于全连接层来构建；在所述多层感知机模型的单点水质特征向量的编码过程中，对所述汽水监测数据进行深度全连接编码，以捕捉水质监测数据中参数的高维隐含信息。
4.根据权利要求2所述的用于化学水处理系统的故障预警方法，其特征在于，所述水质特征关联特征向量提取器使用具有不同尺度的一维卷积核的一维卷积神经网络模型；将所述多个单点水质特征向量沿着样本维度排列为一维特征向量，使用具有第一尺度的一维卷积核的第一一维卷积神经网络模型，对所述一维特征向量进行一维卷积编码，以得到第一尺度水质特征关联特征向量；同时，使用具有第二尺度的一维卷积核的第二一维卷积神经网络模型，对所述一维特征向量进行一维卷积编码，以得到第二尺度水质特征关联特征向量...
【专利技术属性】
技术研发人员：崔逸群，朱博迪，牛利涛，刘迪，肖力炀，刘骁，刘鹏飞，匡竹，王文庆，邓楠轶，刘超飞，毕玉冰，
申请(专利权)人：华能国际电力股份有限公司，
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。