【技术实现步骤摘要】
本申请涉及人工智能，具体而言，涉及一种基于人工智能的工业燃气发电机组系统状态监测方法。
技术介绍
1、在现代工业生产过程中，尤其是对于复杂的大型设备如工业燃气发电机组系统，异常状态的及时准确诊断至关重要。传统的监控系统主要依赖设备的物理和化学参数，并且需要专业人员进行实时监测和处理。这种方式往往存在反应延迟、无法预知故障发生、难以处理大量数据等问题。
2、专利技术人认识到，工业燃气发电机组系统的稳定运行至关重要。对于任何可能的异常状态，需要尽早发现并进行诊断，以避免对设备造成更严重的损害或者导致生产过程中断。相关技术中，通过基于神经网络模型学习和预测效果往往不能达到理想状态，可能会导致对某些特定异常状态的诊断精度不高。
技术实现思路
1、为了至少克服现有技术中的上述不足，本申请的目的在于提供一种基于人工智能的工业燃气发电机组系统状态监测方法。
2、第一方面，本申请提供一种基于人工智能的工业燃气发电机组系统状态监测方法，应用于云平台系统，所述方法包括：
3、获取初始化的基础异常状态诊断模型和所述基础异常状态诊断模型对应的工业燃气发电机组系统的基础范例发电机组监控事件序列，其中，所述基础范例发电机组监控事件序列包括x个范例监控事件子序列，x≥2，每个所述范例监控事件子序列包括携带先验异常机组状态类别的多个范例发电机组监控事件；
4、依据每个所述范例监控事件子序列对所述基础异常状态诊断模型分别进行参数学习，生成x个第一异常状态诊断模型；p>
5、针对每个所述范例监控事件子序列，基于该范例监控事件子序列对应的x-1个第一异常状态诊断模型分别对该范例监控事件子序列中的每个范例发电机组监控事件进行异常状态诊断，生成每个范例发电机组监控事件的x-1个第一训练异常机组状态类别，每个所述范例监控事件子序列对应的x-1个第一异常状态诊断模型，用于反映所述x个第一异常状态诊断模型中除该范例监控事件子序列对应的第一异常状态诊断模型以外的x-1个神经网络；
6、针对每个所述范例发电机组监控事件，如果该范例发电机组监控事件的x-1个第一训练异常机组状态类别中与该范例发电机组监控事件的先验异常机组状态类别相同的状态类别的第一统计量不小于第一阈值，则将该范例发电机组监控事件输出为第一目标范例监控事件；
7、依据各个所述第一目标范例监控事件，配置所述基础异常状态诊断模型对应的目标范例发电机组监控事件序列，以基于所述目标范例发电机组监控事件序列继续对所述基础异常状态诊断模型进行参数更新，生成对应的目标异常状态诊断模型。
8、在第一方面的一种可能的实施方式中，所述方法还包括：
9、将确定出的所有第一目标范例监控事件作为第一目标范例监控事件簇，依据所述第一目标范例监控事件簇对所述基础异常状态诊断模型进行参数学习，生成第二异常状态诊断模型；
10、将所述基础范例发电机组监控事件序列中除第一目标范例监控事件以外的范例发电机组监控事件作为候选范例监控事件，依据所述第二异常状态诊断模型对每个所述候选范例监控事件进行异常状态诊断，生成每个所述候选范例监控事件的第二训练异常机组状态类别；
11、依据每个所述候选范例监控事件的第二训练异常机组状态类别，确定各所述候选范例监控事件中的第二目标范例监控事件；
12、所述依据各个所述第一目标范例监控事件，配置所述基础异常状态诊断模型对应的目标范例发电机组监控事件序列，包括：
13、依据各个所述第一目标范例监控事件和各第二目标范例监控事件，配置所述目标范例发电机组监控事件序列。
14、在第一方面的一种可能的实施方式中，所述依据所述第一目标范例监控事件簇对所述基础异常状态诊断模型进行参数学习，生成第二异常状态诊断模型，包括：
15、针对所述x个范例监控事件子序列中的每个范例监控事件子序列，将该范例监控事件子序列中的所有候选范例监控事件作为一个第一候选范例监控事件子序列；
16、将x个第一候选范例监控事件子序列分为y个第二候选范例监控事件子序列，其中，x≥y≥2，每个第二候选范例监控事件子序列包括至少一个第一候选范例监控事件子序列，每个所述第一候选范例监控事件子序列只属于一个第二候选范例监控事件子序列；
17、将所述第一目标范例监控事件簇与每个第二候选范例监控事件子序列分别进行融合，生成y个第一融合范例监控事件簇，依据每个所述第一融合范例监控事件簇对所述基础异常状态诊断模型分别进行参数学习，生成y个第二异常状态诊断模型；
18、所述依据所述第二异常状态诊断模型对每个所述候选范例监控事件进行异常状态诊断，生成每个所述候选范例监控事件的第二训练异常机组状态类别，包括：
19、针对每个所述候选范例监控事件，基于该候选范例监控事件对应的y-1个第二异常状态诊断模型分别对该候选范例监控事件进行异常状态诊断，生成该候选范例监控事件的y-1个第二训练异常机组状态类别，该候选范例监控事件对应的y-1个第二异常状态诊断模型，用于反映所述y个第二异常状态诊断模型中除第一神经网络以外的y-1个神经网络，所述第一神经网络是该候选范例监控事件所对应的第一融合范例监控事件簇对应的第二异常状态诊断模型；
20、所述依据每个所述候选范例监控事件的第二训练异常机组状态类别，确定各所述候选范例监控事件中的第二目标范例监控事件，包括：
21、依据每个所述候选范例监控事件的y-1个第二训练异常机组状态类别，确定各所述候选范例监控事件中的第二目标范例监控事件。
22、在第一方面的一种可能的实施方式中，所述依据每个所述候选范例监控事件的y-1个第二训练异常机组状态类别，确定各所述候选范例监控事件中的第二目标范例监控事件，包括：
23、针对每个所述候选范例监控事件，如果该候选范例监控事件的y-1个第二训练异常机组状态类别中与该候选范例监控事件的先验异常机组状态类别相同的状态类别的第二统计量不小于第二阈值，则将该候选范例监控事件输出为第二目标范例监控事件。
24、在第一方面的一种可能的实施方式中，所述方法还包括：
25、针对每个所述第一候选范例监控事件子序列，将该候选范例监控事件子序列中除第二目标范例监控事件以外的各候选范例监控事件作为关注范例监控事件，重新获取每个所述关注范例监控事件的迭代的先验异常机组状态类别，并将携带迭代的先验异常机组状态类别的关注范例监控事件作为第三目标范例监控事件； 所述依据各个所述第一目标范例监控事件和各第二目标范例监控事件，配置所述目标范例发电机组监控事件序列，包括：
26、依据所述各第一目标范例监控事件、各第二目标范例监控事件和各第三目标范例监控事件，配置所述目标范例发电机组监控事件序列；
27、所述重新获取每个所述关注范例监控事件的迭代的先验异常机组状态类别，包括：
28、将确定出的所有第一目标范例监控事件和所有第二本文档来自技高网...
【技术保护点】
1.一种基于人工智能的工业燃气发电机组系统状态监测方法，其特征在于，应用于云平台系统，所述方法包括：
2.根据权利要求1所述的基于人工智能的工业燃气发电机组系统状态监测方法，其特征在于，所述方法还包括：
3.根据权利要求2所述的基于人工智能的工业燃气发电机组系统状态监测方法，其特征在于，所述依据所述第一目标范例监控事件簇对所述基础异常状态诊断模型进行参数学习，生成第二异常状态诊断模型，包括：
4.根据权利要求3所述的基于人工智能的工业燃气发电机组系统状态监测方法，其特征在于，所述依据每个所述候选范例监控事件的y-1个第二训练异常机组状态类别，确定各所述候选范例监控事件中的第二目标范例监控事件，包括：
5.根据权利要求3所述的基于人工智能的工业燃气发电机组系统状态监测方法，其特征在于，所述方法还包括：
6.根据权利要求3所述的基于人工智能的工业燃气发电机组系统状态监测方法，其特征在于，所述依据每个所述候选范例监控事件的y-1个第二训练异常机组状态类别，确定各所述候选范例监控事件中的第二目标范例监控事件，包括：
8.根据权利要求1-7中任意一项所述的基于人工智能的工业燃气发电机组系统状态监测方法，其特征在于，所述基础异常状态诊断模型为初始异常状态诊断模型，每个所述范例发电机组监控事件的先验异常机组状态类别为标注的所述范例发电机组监控事件的实际异常状态标签；
9.根据权利要求1-7中任意一项所述的基于人工智能的工业燃气发电机组系统状态监测方法，其特征在于，所述方法包括：
10.一种云平台系统，其特征在于，所述云平台系统包括处理器和机器可读存储介质，该机器可读存储介质中存储有机器可执行指令，该机器可执行指令由该处理器加载并执行以实现权利要求1-9中任意一项所述的基于人工智能的工业燃气发电机组系统状态监测方法。
...【技术特征摘要】
1.一种基于人工智能的工业燃气发电机组系统状态监测方法，其特征在于，应用于云平台系统，所述方法包括：
2.根据权利要求1所述的基于人工智能的工业燃气发电机组系统状态监测方法，其特征在于，所述方法还包括：
3.根据权利要求2所述的基于人工智能的工业燃气发电机组系统状态监测方法，其特征在于，所述依据所述第一目标范例监控事件簇对所述基础异常状态诊断模型进行参数学习，生成第二异常状态诊断模型，包括：
4.根据权利要求3所述的基于人工智能的工业燃气发电机组系统状态监测方法，其特征在于，所述依据每个所述候选范例监控事件的y-1个第二训练异常机组状态类别，确定各所述候选范例监控事件中的第二目标范例监控事件，包括：
5.根据权利要求3所述的基于人工智能的工业燃气发电机组系统状态监测方法，其特征在于，所述方法还包括：
6.根据权利要求3所述的基于人工智能的工业燃气发电机组系统状态监测方法，其特征在于，所述依据每个所...
【专利技术属性】
技术研发人员：牛朝霞，袁力，
申请(专利权)人：骊阳广东节能科技股份有限公司，
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。