一种面向用户的动态阈值模型训练系统及方法技术方案

本发明专利技术具体涉及一种面向用户的网页端动态阈值模型训练系统，包括系统界面，以及与系统界面连接的数据导入模块、数据选择模块和模型训练模块；所述数据导入模块用于导入不同数据源的测点数据，并将不同数据源的测点数据进行同源处理，生成原始数据并输入至数据选择模块；所述数据选择模块用于从原始数据中选择模型训练所需的数据，生成正常样本集并输入至模型训练模块；所述模型训练模块用于生成验证样本集和健康样本矩阵，以及用于用户在系统界面选择健康样本矩阵后，进行模型训练，将完成训练的模型以多组数组的方式向用户展示。本发明专利技术提供的动态阈值模型训练系统，能够满足用户通过简单的配置操作，完成动态阈值模型的训练，实现使用动态阈值模型对设备进行更有效的监管。管。管。

【技术实现步骤摘要】
一种面向用户的动态阈值模型训练系统及方法


[0001]本专利技术涉及动态阈值模型训练
，特别是涉及一种面向用户的动态阈值模型训练系统及方法。

技术介绍

[0002]在工业领域，对振动、温度、压力、流量、电流、电压、液位等表征设备运行状态的参数进行采集，并通过固定报警阈值的设定，实现设备状态的在线监督，是避免设备故障、缓解事故后果的有效手段。目前，设备在线监督的方式主要对单个参数设置报警阈值，当测点实时数据达到报警阈值时，发出报警信号。随着设备复杂程度的提高，这种监督方式的弊端逐渐显现出来，突出表现为：无法对设备停运、机组降功率等运行状态的变化作出响应，设备运行状态变化频繁时容易产生误报警或漏报警；无法感知设备的劣化趋势，报警信息容易滞后，不利于制定及时有效地决策；无法反映设备参数之间的内在关联，报警信息片面、孤立。
[0003]针对这些问题，工业领域逐步引入动态阈值算法实现多参数联合报警，称之为“动态阈值报警”。当动态阈值算法相对统一时，动态阈值报警有效性主要取决于动态阈值模型。动态阈值模型是使用特定动态阈值算法，对多个具有一定相关性的设备参数的原始数据进行训练而获得的一组特征值，在完成动态阈值模型训练后，将设备实时参数导入模型，便可实现动态阈值报警。动态阈值报警的应用场合非常广泛，然而，制约其推广应用的一个重要因素是动态阈值模型训练往往需要使用人员具备一定的算法、编程能力，设备工程师通常并不具备这种能力，因而无法有效使用动态阈值报警对所负责的设备进行更有效的监管。

技术实现思路

[0004]基于此，有必要针对现有的动态阈值模型训练限制不具备软件开发能力的设备工程师使用动态阈值报警对所负责的设备进行更有效的监管的问题，提供一种面向用户的动态阈值模型训练系统及方法，能够满足用户通过简单的配置操作，便可实现动态阈值模型的构建、训等工作，从而实现使用动态阈值模型对设备进行更有效的监管。
[0005]为了实现上述目的，本专利技术提供如下技术方案：
[0006]一种面向用户的网页端动态阈值模型训练系统，包括系统界面，以及与系统界面连接的数据导入模块、数据选择模块和模型训练模块；
[0007]所述数据导入模块用于导入不同数据源的测点数据，并将不同数据源的测点数据进行同源处理，生成原始数据并输入至数据选择模块；
[0008]所述数据选择模块用于从原始数据中选择模型训练所需的数据，生成正常样本集并输入至模型训练模块；
[0009]所述模型训练模块用于生成验证样本集和健康样本矩阵，以及用于用户在系统界面选择健康样本矩阵后，进行模型训练，将完成训练的模型以多组数组的方式向用户展示。
[0010]进一步地，所述模型训练所需的数据是在时间范围上不少于一个大修周期的数据，所述正常样本集是通过用户对原始数据进行异常运行工况的剔除和正常运行工况的选取后获得的，所述健康样本矩阵是通过样本选择算法从正常样本集中获取的，所述验证样本集是在正常样本集中剔除掉健康样本矩阵后对剩下的样本进行降采样和过滤样本合并后获得的。
[0011]进一步地，所述模型训练模块上集成三点样本提取算法、五点样本提取算法和等间隔采样算法。
[0012]进一步地，所述面向用户的网页端动态阈值模型训练系统，还包括与系统界面连接的模型基础信息配置模块和关联测点选择模块；
[0013]所述模型基础信息配置模块用于用户在系统界面配置模型基础信息后，将模型基础信息输入至数据导入模块；
[0014]所述关联测点选择模块用于用户在系统界面选择模型训练所需关联的测点后，将关联测点信息输入至数据导入模块；
[0015]所述数据导入模块用于用户在系统界面配置时间范围和采样间隔后，从测点数据库中导入关联测点在配置时间范围和采样间隔内的测点数据，并将不同数据源的测点数据进行同源处理，生成原始数据并输入至数据选择模块；所述配置时间范围不少于一个大修周期。
[0016]进一步地，所述用户在系统界面配置模型基础信息包括用户在系统界面填写或修改模型的名称、编码、版本信息、对象信息和健康样本矩阵最大向量数；所述对象信息包括对象类型、对象名称和对象编码；所述对象类型包括设备和系统。
[0017]进一步地，对于支持对外接口的测点数据库，所述数据导入模块通过与测点数据库的接口，从测点数据库中导入关联测点在配置时间范围和采样间隔内的测点数据；对于不支持对外接口的测点数据库，所述数据导入模块通过向测点数据库进行部署，从测点数据库中导入关联测点在配置时间范围和采样间隔内的测点数据。
[0018]进一步地，所述关联测点选择模块还用于用户在系统界面选择还用于用户在系统界面选择模型训练所需关联的测点时以对话框的形式给出提示，所述提示包括测点的选择方式和测点的关联程度，所述测点的选择方式通过分析对象实际机理与测点之间关联程度给出，所述测点的关联程度通过相似性算法给出。
[0019]进一步地，所述面向用户的网页端动态阈值模型训练系统，还包括与系统界面连接的模型验证模块，所述模型验证模块上集成相似度匹配算法；
[0020]所述数据选择模块还用于将过滤掉的数据输入至模型验证模块；
[0021]所述模型训练模块还用于将完成训练的模型、健康样本矩阵以及验证样本集输入至模型验证模块；
[0022]所述模型验证模块用于用户在系统界面从验证样本集中手动选择数据后，生成部分验证样本集并输入至模型评价模块；以及用于用户在系统界面选择相似度匹配算法后，验证所选择的验证样本集在完成训练的模型中的预测效果，并将验证结果以界面形式向用户展示。
[0023]进一步地，所述验证结果为模型验证样本集的实际值、预测值和残差值，残差值为预测值与实际值的残差，可以评估训练模型的精度；所述相似度匹配算法包括曼哈顿距离、
欧氏距离和余弦相似度。
[0024]进一步地，所述模型验证模块还用于通过自动或手动的方式生成动态阈值的上下限来确定动态阈值的报警范围。
[0025]进一步地，所述动态阈值的上下限基于三西格玛法则进行自动计算。更进一步地，所述动态阈值的上下限由有经验的专家基于自身经验并结合数学模型分析结果进行二次修正。
[0026]进一步地，所述面向用户的网页端动态阈值模型训练系统，还包括与系统界面连接的模型评价模块；
[0027]所述模型验证模块还用于将验证样本集和完成验证的模型输入至模型评价模块；
[0028]所述模型评价模块用于计算验证样本集在完成验证的模型中的误差值，并将所述误差值以界面形式向用户展示，用户根据所述误差值评价完成验证的模型的准确性。
[0029]进一步地，所述误差值包括可释方差、确定系数、平均绝对误差、均方根误差、最大误差和平均相对误差，用于评价模型准确性。
[0030]进一步地，所述面向用户的网页端动态阈值模型训练系统，还包括与系统界面连接的模型发布模块；
[0031]所述模型评价模块还用于将完成评价的模型输入至模型发布模块；
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向用户的网页端动态阈值模型训练系统，其特征在于，包括系统界面，以及与系统界面连接的历史数据导入模块、数据选择模块和模型训练模块；所述数据导入模块用于导入不同数据源的测点数据，并将不同数据源的测点数据进行同源处理，生成原始数据并输入至数据选择模块；所述数据选择模块用于从原始数据中选择模型训练所需的数据，生成正常样本集并输入至模型训练模块；所述模型训练模块用于生成验证样本集和健康样本矩阵，以及用于用户在系统界面选择健康样本矩阵后，进行模型训练，将完成训练的模型以多组数组的方式向用户展示。2.根据权利要求1所述的面向用户的网页端动态阈值模型训练系统，其特征在于，所述模型训练所需的数据是在时间范围上不少于一个大修周期的数据，所述正常样本集是通过用户对原始数据进行异常运行工况的剔除和正常运行工况的选取后获得的，所述健康样本矩阵是通过样本选择算法从正常样本集中获取的，所述验证样本集是在正常样本集中剔除掉健康样本矩阵后对剩下的样本进行降采样和过滤样本合并后获得的。3.根据权利要求1所述的面向用户的网页端动态阈值模型训练系统，其特征在于，所述模型训练模块上集成三点样本提取算法、五点样本提取算法和等间隔采样算法。4.根据权利要求1所述的面向用户的网页端动态阈值模型训练系统，其特征在于，所述面向用户的网页端动态阈值模型训练系统，还包括与系统界面连接的模型基础信息配置模块和关联测点选择模块；所述模型基础信息配置模块用于用户在系统界面配置模型基础信息后，将模型基础信息输入至数据导入模块；所述关联测点选择模块用于用户在系统界面选择模型训练所需关联的测点后，将关联测点信息输入至数据导入模块；所述数据导入模块用于用户在系统界面配置时间范围和采样间隔后，从测点数据库中导入关联测点在配置时间范围和采样间隔内的测点数据，并将不同数据源的测点数据进行同源处理，生成原始数据并输入至数据选择模块；所述配置时间范围不少于一个大修周期。5.根据权利要求4所述的面向用户的网页端动态阈值模型训练系统，其特征在于，所述关联测点选择模块还用于用户在系统界面选择还用于用户在系统界面选择模型训练所需关联的测点时以对话框的形式给出提示，所述提示包括测点的选择方式和测点的关联程度，所述测点的选择方式通过分析对象实际机理与测点之间关联程度给出，所述测点的关联程度通过相似性算法给出。6.根据权利要求1
‑
5任意一项所述的面向用户的网页端动态阈值模型训练系统，其特征在于，所述面向用户的网页端动态阈值模型训练系统，还包括与系统界面连接的模型验证模块，所述模型验证模块上集成相似度匹配算法；所述数据选择模块还用于将过滤掉的数据输入至模型验证模块；所述模型训练模块还用于将完成训练的模型、健康样本矩阵以及验证样本集输入至模型验证模块；所述模型验证模块用于用户在系统界面从验证样本集中手动选择数据后，生成部分验证样本集并输入至模型评价模块；以及用于用户在系统界面选择相似度匹配算法后，验证所选择的验证样本集在完成训练的模型中的预测效果，并将验证结果以界面形式向用户展
示。7.根据权利要求6所述的面向用户的网页端动态阈值模型训练系统，其特征在于，所述模型验证模块还用于生成动态阈值的上下限来确定动态阈值的报警范围,所述动态阈值的上下限基于三西格玛法则进行自动计算，并由有经验的专家基于自身经验并结合数学模型分析结果进行二次修正。8.根据权利要求6所述的面向用户的网...

【专利技术属性】
技术研发人员：凌世情，王欣，张福海，昌正科，曹双华，陶佳林，喻松，彭瑞华，刘峰，刘双，
申请(专利权)人：核电运行研究上海有限公司，
类型：发明
国别省市：