【技术实现步骤摘要】
本专利技术涉及发电，特别涉及一种发电设备故障诊断方法和系统。
技术介绍
1、目前发电设备种类不仅限于火力发电和水力发电等传统的发电设备，现有的新发电设备还包括但不仅限于光伏发电、风力发电和潮汐能等清洁能源发电。然而上述不同类型的发电设备的构成组件不同，且发电效果也存在一定的差异，但在现有的市电网络中，上述发电设备均普遍接入市电网络，因此需要检测不同发电设备故障类型是比较困难的。也就是说现有技术中发电设备的故障检测均是单一类型的发电故障检测，需要单独设备或系统进行数据采集和分析并得到单独类型的发电设备故障检测。
技术实现思路
1、本专利技术其中一个专利技术目的在于提供一种发电设备故障诊断方法和系统，所述方法和系统构建了多类型发电设备故障诊断方法，其中本专利技术利用分段序数构建不同类型发电设备故障类型的样本编号，其中所述样本编号作为样本的特征参数之一，对每个样本编号构建对应类型发电设备电力特征参数的样本元素集，并将所述样本元素集输入到深度学习分类模型中进行训练，得到发电设备故障类型，并基于所述样本元素集的随机数的分段值进行发电设备类型的判断。从而可以实现多类型发电设备的故障类型的快速识别。
2、本专利技术另一个专利技术目的在于提供一种发电设备故障诊断方法和系统，所述方法和系统通过键值对的方式将对应类型发电设备的电力特征相关传感器数据和对应的设备类型自动填入到对应键名和键值中，构建包括对应键名和键值的映射关系表，基于所述映射关系表构建所述对应类型发电设备电力特征参数的样本元素
3、本专利技术另一个专利技术目的在于提供一种发电设备故障诊断方法和系统，所述方法和系统将基于所述分段序数作为样本编号的样本元素集进行包数据预处理，将报考样本元素中不同类型发电设备电力特征参数按照自身的类型数据进行数据标准化处理，其中所述标准化处理包括数值的归一化处理，有利于深度学习分类模型对不同类型发电设备电力特征参数的分析能力，从而提高所述深度学习分类模型对不同类型发电设备电力特征参数故障的判断准确性。
4、为了实现至少一个上述专利技术目的，本专利技术进一步提供一种发电设备故障诊断方法，所述方法包括：
5、基于发电设备mac地址判断当前发电设备类型，并预先配置所述发电设备类型的分段序数，其中不同发电设备类型不同，则对应的分段序数范围不同；
6、构建所述发电设备类型和电力参数的键值对列表，获取对应发电设备类型和对应电力参数后将所述电力参数进行数据处理并进行统一标准的特征转换，得到电力特征参数；
7、将所述电力特征参数按照所述分段序数依次填充到对应的键值对列表中，构建统一标准的电力特征参数键值对列表，并根据所述键值对列表作为随机搜索列表生成不同类型发电设备的样本集；
8、将所述样本集输入到深度神经网络分类模型中进行训练，训练好后用于输出对应故障类型判断和该故障类型所属的发电设备类型。
9、根据本专利技术其中一个较佳实施例，所述发电设备类型和电力参数的键值对列表的构建方法包括：根据预设的发电设备类型和分段序数，在对应的分段序数中随机生成一个第一随机数作为所述键值对列表的键名，并获取该第一随机数匹配发电设备类型的电力参数，并将匹配发电设备类型的电力参数按照同一检测时间得到的电力参数填入所述键值对列表中作为键值，用于构建所述发电设备类型和电力参数的键值对列表。
10、根据本专利技术另一个较佳实施例，所述电力参数的统一标准的特征转换方法包括：获取对应发电设备类型的电力参数，并对所有发电设备类型的电力参数按照同一参数类型进行归一化处理，并对不存在的发电设备电力参数类型，则采用线性插值法进行补充，其中所述归一化处理方法包括：获取对应电力参数类型的最大值fmax，n和最小值fmin,n，其中下标n表示电力参数类型，max表示最大值，min表示最小值，f表示电力参数值，则归一化处理后的电力参数fn=，将所述归一化处理后的电力参数fn作为所述键值对列表中对应键值。
11、根据本专利技术另一个较佳实施例，所述电力特征参数还包括：根据对应发电设备类型获取对应电力参数获取对应的第一随机数m后，将所述第一随机数m按照如下公式进行特征转换：fn=lgm，并对所述lgm进行取整计算，得到对应电力参数的位阶值，将所述电力参数的位阶值fn=lgm作为电力特征参数输入到对应键值对列表的键值中。
12、根据本专利技术另一个较佳实施例，所述电力特征参数还包括：在同一检测时间下获取的对应类型发电设备的电力参数后，还包括基于同一检测时间下对应类型发电设备的故障状态值，其中所述故障状态值包括不同等级和类型的故障，其中所述对应类型发电设备的故障状态值通过预设的赋值规则赋值处理得到，并将所述对应类型发电设备的故障状态值存储到对应键值对列表的键值中。
13、根据本专利技术另一个较佳实施例，所述深度神经网络分类模型的训练方法包括：根据所述分段序数的范围依次从不同范围中随机生成总数为x的第二随机数，其中第二随机数在不同范围内的取值数量分别为xj，j为对应发电设备类型，且x=，其中所述第二随机数在不同范围内的取值数量xj之间相同或相近，定义对应的第二随机数为pj，则根据所述第二随机数pj作为键名进行键值查找。
14、根据本专利技术另一个较佳实施例，根据所述第二随机数pj输入到发电设备类型和电力参数的键值对列表中进行键名匹配，若所述第二随机数pj在所述键值对列表存在相同键名，则查找该相同键名下对应的键值，并判断该键值是否为空值，若该键值为空值，则返回重新在对应的范围内生成一个新的第二随机数pj，直到当前第二随机数pj在对应范围内查找到xj个键值数据。
15、根据本专利技术另一个较佳实施例，获取每个分段序数范围内的xj个键值数据集合作为样本集，并将所述样本集随机划分为训练集和测试集，预先配置dnn网络的初始化网络层权重和偏置，并设置初始化学习率，通过所述训练集训练所述dnn并调整所述网络层权重、偏置和学习率，根据损失函数的收敛情况判断dnn模型的训练效果，并通过所述测试集验证所述dnn模型的训练效果。
16、为了实现至少一个上述专利技术目的，本专利技术进一步提供一种发电设备故障诊断系统，所述系统执行上述一种发电设备故障诊断方法。
17、本专利技术进一步提供一种计算机可读存储介质，所述计算可读存储介质存储有计算机程序，所述计算机程序被处理器执行以实现上述一种发电设备故障诊断方法。
本文档来自技高网...【技术保护点】
1.一种发电设备故障诊断方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种发电设备故障诊断方法，其特征在于，所述发电设备类型和电力参数的键值对列表的构建方法包括：根据预设的发电设备类型和分段序数，在对应的分段序数中随机生成一个第一随机数作为所述键值对列表的键名，并获取该第一随机数匹配发电设备类型的电力参数，并将匹配发电设备类型的电力参数按照同一检测时间得到的电力参数填入所述键值对列表中作为键值，用于构建所述发电设备类型和电力参数的键值对列表。
3.根据权利要求1所述的一种发电设备故障诊断方法，其特征在于，所述电力参数的统一标准的特征转换方法包括：获取对应发电设备类型的电力参数，并对所有发电设备类型的电力参数按照同一参数类型进行归一化处理，并对不存在的发电设备电力参数类型，则采用线性插值法进行补充，其中所述归一化处理方法包括：获取对应电力参数类型的最大值fmax，n和最小值fmin,n，其中下标n表示电力参数类型，max表示最大值，min表示最小值，f表示电力参数值，则归一化处理后的电力参数Fn=，将所述归一化处理后的电力参数Fn作为所述键值对列
4.根据权利要求3所述的一种发电设备故障诊断方法，其特征在于，所述电力特征参数还包括：根据对应发电设备类型获取对应电力参数获取对应的第一随机数m后，将所述第一随机数m按照如下公式进行特征转换：Fn=lgm，并对所述lgm进行取整计算，得到对应电力参数的位阶值，将所述电力参数的位阶值Fn=lgm作为电力特征参数输入到对应键值对列表的键值中。
5.根据权利要求3所述的一种发电设备故障诊断方法，其特征在于，所述电力特征参数还包括：在同一检测时间下获取的对应类型发电设备的电力参数，还包括基于同一检测时间下对应类型发电设备的故障状态值，其中所述故障状态值包括不同等级和类型的故障，其中所述对应类型发电设备的故障状态值通过预设的赋值规则赋值处理得到，并将所述对应类型发电设备的故障状态值存储到对应键值对列表的键值中。
6.根据权利要求1所述的一种发电设备故障诊断方法，其特征在于，所述深度神经网络分类模型的训练方法包括：根据所述分段序数的范围依次从不同范围中随机生成总数为x的第二随机数，其中第二随机数在不同范围内的取值数量分别为xj，j为对应发电设备类型，且x=，其中所述第二随机数在不同范围内的取值数量xj之间相同或相近，定义对应的第二随机数为Pj，则根据所述第二随机数Pj作为键名进行键值查找。
7.根据权利要求6所述的一种发电设备故障诊断方法，其特征在于，根据所述第二随机数Pj输入到发电设备类型和电力参数的键值对列表中进行键名匹配，若所述第二随机数Pj在所述键值对列表存在相同键名，则查找该相同键名下对应的键值，并判断该键值是否为空值，若该键值为空值，则返回重新在对应的范围内生成一个新的第二随机数Pj，直到当前第二随机数Pj在对应范围内查找到xj个键值数据。
8.根据权利要求6所述的一种发电设备故障诊断方法，其特征在于，获取每个分段序数范围内的xj个键值数据集合作为样本集，并将所述样本集随机划分为训练集和测试集，预先配置DNN网络的初始化网络层权重和偏置，并设置初始化学习率，通过所述训练集训练所述DNN并调整所述网络层权重、偏置和学习率，根据损失函数的收敛情况判断DNN模型的训练效果，并通过所述测试集验证所述DNN模型的训练效果。
9.一种发电设备故障诊断系统，其特征在于，所述系统执行权利要求1-8中任意一项所述的一种发电设备故障诊断方法。
10.一种计算机可读存储介质，其特征在于，所述计算机读存储介质存储有计算机程序，所述计算机程序被处理器执行以实现权利要求1-8中任意一项所述的一种发电设备故障诊断方法。
...【技术特征摘要】
1.一种发电设备故障诊断方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种发电设备故障诊断方法，其特征在于，所述发电设备类型和电力参数的键值对列表的构建方法包括：根据预设的发电设备类型和分段序数，在对应的分段序数中随机生成一个第一随机数作为所述键值对列表的键名，并获取该第一随机数匹配发电设备类型的电力参数，并将匹配发电设备类型的电力参数按照同一检测时间得到的电力参数填入所述键值对列表中作为键值，用于构建所述发电设备类型和电力参数的键值对列表。
3.根据权利要求1所述的一种发电设备故障诊断方法，其特征在于，所述电力参数的统一标准的特征转换方法包括：获取对应发电设备类型的电力参数，并对所有发电设备类型的电力参数按照同一参数类型进行归一化处理，并对不存在的发电设备电力参数类型，则采用线性插值法进行补充，其中所述归一化处理方法包括：获取对应电力参数类型的最大值fmax，n和最小值fmin,n，其中下标n表示电力参数类型，max表示最大值，min表示最小值，f表示电力参数值，则归一化处理后的电力参数fn=，将所述归一化处理后的电力参数fn作为所述键值对列表中对应键值。
4.根据权利要求3所述的一种发电设备故障诊断方法，其特征在于，所述电力特征参数还包括：根据对应发电设备类型获取对应电力参数获取对应的第一随机数m后，将所述第一随机数m按照如下公式进行特征转换：fn=lgm，并对所述lgm进行取整计算，得到对应电力参数的位阶值，将所述电力参数的位阶值fn=lgm作为电力特征参数输入到对应键值对列表的键值中。
5.根据权利要求3所述的一种发电设备故障诊断方法，其特征在于，所述电力特征参数还包括：在同一检测时间下获取的对应类型发电设备的电力参数，还包括基于同一检测时间下对应类型发电设备的故障状态值，其中所述故障状态值包括不同等级和类型的故障，...
【专利技术属性】
技术研发人员：朱玉良，
申请(专利权)人：浙江华科同安监控技术有限公司，
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。