【技术实现步骤摘要】
本专利技术涉及机组设备，具体而言，涉及一种机组设备安全隐患管理方法。
技术介绍
1、随着城市化的发展和建设速度的加快，电厂机组设备的使用也迎来了井喷式的增长，因此，保障机组设备安全稳定的运行是当前都比较关注的问题，特别是对机组设备安全隐患的提前排查，防止安全隐患的进一步恶化，造成不可估量的生命财产的损失。
2、当前的机组设备都是通过工作人员进行人工排查、定期排查，当发现机组设备存在安全隐患时，才进行上报维修，这种传统的方式效率低，且无法实现对机组设备的实时管理，甚至有的机组设备已经发生安全隐患，工作人员却没有实时上报处理，这就导致机组设备发生进一步损坏，造成经济损失，影响机组设备的正常运行。
技术实现思路
1、本专利技术实施例提供一种机组设备安全隐患管理方法，用以解决现有技术中无法对机组设备进行智能化管理，无法实时消除设备安全隐患的技术问题。
2、为了实现上述目的，本专利技术提供了一种机组设备安全隐患管理方法，包括：
3、获取所有待管理机组设备的历史管理数据，并根据历史管理数据确定每一个待管理机组设备的安全隐患概率；
4、基于安全隐患概率对所有的待管理机组设备进行排序，并确定高危待管理机组设备和低危待管理机组设备；
5、采集高危待管理机组设备的第一图像，并将第一图像输入至预先训练的图像分割模型，基于图像分割模型得到第二图像，其中，第二图像上标注有若干分割线；
6、将第二图像输入至预先训练的隐患目标检测模型，确定
7、从隐患目标图像上提取安全隐患特征，并得到多个候选特征因子，从多个候选特征因子中确定最相关特征因子，其中，候选特征因子表示产生安全隐患的影响因素，最相关特征因子表示影响程度最大的影响因素；
8、基于候选特征因子和最相关特征因子构建安全隐患管理模型，并根据安全隐患管理模型输出对应待管理机组设备的安全隐患值；
9、根据安全隐患值判断对应的待管理机组设备是否存在安全隐患，并当待管理机组设备存在安全隐患时，实时发出预警提醒。
10、进一步地，在获取所有待管理机组设备的历史管理数据，并根据历史管理数据确定每一个待管理机组设备的安全隐患概率时，包括：
11、根据历史管理数据构建历史管理数据集合，并确定每一个历史管理数据对应的历史数据数值；
12、根据所有的历史数据数值计算每一个待管理机组设备的安全隐患概率；
13、根据下式计算待管理机组设备的安全隐患概率：
14、
15、其中，pi为第i个待管理机组设备的安全隐患概率，ki为第i个历史管理数据对应的历史数据数值，qi为第i个历史管理数据对应的权重，w为预设值，n为历史管理数据的数量。
16、进一步地，在基于安全隐患概率对所有的待管理机组设备进行排序，并确定高危待管理机组设备和低危待管理机组设备时，包括：
17、获取与待管理机组设备对应的预设安全隐患概率；
18、将所有的安全隐患概率进行数值大小排序，并构建安全隐患概率集合，其中，安全隐患概率集合中的头数据为最大的安全隐患概率，安全隐患集合中的尾数据为最小的安全隐患概率；
19、将预设安全隐患概率插值到安全隐患概率集合中；
20、将安全隐患概率集合中的头数据和预设安全隐患概率之间的所有安全隐患概率作为高危待管理机组设备；
21、将安全隐患概率集合中的尾数据和预设安全隐患概率之间的所有安全隐患概率作为低危待管理机组设备。
22、进一步地，在基于候选特征因子和最相关特征因子构建安全隐患管理模型时，包括：
23、提取每一个隐患目标图像对应的候选特征因子和最相关特征因子；
24、将所有的候选特征因子和最相关特征因子按照预设的比例分为训练集和测试集；
25、搭建神经网络架构；
26、将训练集输入至预先搭建的神经网络架构，直至神经网络收敛，得到初始安全隐患管理模型；
27、将测试集输入初始安全隐患管理模型进行测试，并获取对应的测试集准确率；
28、当测试集准确率达到准确率阈值时，得到安全隐患管理模型；
29、当测试集准确率未达到准确率阈值时，对初始安全隐患管理模型进行二次训练。
30、进一步地，在对初始安全隐患管理模型进行二次训练时，包括：
31、基于初始安全隐患管理模型对每一个隐患目标图像进行检测，将能够准确检测的隐患目标图像丢弃；
32、统计无法准确检测的隐患目标图像对应的图像数量，并将图像数量与第一阈值进行比较，当无法检测的图像数量大于第一阈值时，从无法检测的图像中随机选取与第一阈值数量相等的隐患目标图像；
33、当无法检测的图像数量小于或等于第一阈值时，选取所有无法检测的隐患目标图像；
34、对所有选取的隐患目标图像生成标签，并得到第二训练集，并基于第二训练集对初始安全隐患管理模型进行训练，直至测试集准确率达到准确率阈值，得到安全隐患管理模型。
35、进一步地，在根据安全隐患值判断对应的待管理机组设备是否存在安全隐患时，包括：
36、获取与待管理机组设备对应的安全隐患阈值；
37、根据安全隐患值和安全隐患阈值之间的关系判断对应的待管理机组设备是否存在安全隐患；
38、当安全隐患值小于安全隐患阈值时，则判断对应的待管理机组设备不存在安全隐患；
39、当安全隐患值大于或等于安全隐患阈值时，则判断对应的待管理机组设备存在安全隐患。
40、进一步地，在实时发出预警提醒时，包括：
41、计算安全隐患值和安全隐患值阈值之间的安全隐患比值；
42、根据安全隐患比值设定不同的预警等级；
43、当安全隐患比值≥85％时，则设定一级预警等级；
44、当65％≤安全隐患比值<85％时，则设定二级预警等级；
45、当安全隐患比值<65％时，则设定三级预警等级；
46、其中，一级预警等级>二级预警等级>三级预警等级。
47、进一步地，在判断机组设备不存在安全隐患之后，还包括：
48、获取预先确定的工作项目计划，并对工作项目计划进行模拟仿真；
49、基于模拟仿真结果确定待管理机组设备的工作损耗因子；
50、根据工作损耗因子对待管理机组设备的隐患管理周期t进行修正，得到目标隐患管理周期；
51、基于目标隐患管理周期对待管理机组设备进行安全隐患管理。
52、进一步地，在根据工作损耗因子对待管理机组设备的隐患管理周期t进行修正，得到目标隐患管理周期时，包括：
53、预先设定第一预设工作损耗因子和第二预设工作损耗因子；
54、根据本文档来自技高网...
【技术保护点】
1.一种机组设备安全隐患管理方法，其特征在于，包括：
2.根据权利要求1的机组设备安全隐患管理方法，其特征在于，在获取所有待管理机组设备的历史管理数据，并根据历史管理数据确定每一个待管理机组设备的安全隐患概率时，包括：
3.根据权利要求1的机组设备安全隐患管理方法，其特征在于，在基于安全隐患概率对所有的待管理机组设备进行排序，并确定高危待管理机组设备和低危待管理机组设备时，包括：
4.根据权利要求1的机组设备安全隐患管理方法，其特征在于，在基于候选特征因子和最相关特征因子构建安全隐患管理模型时，包括：
5.根据权利要求4的机组设备安全隐患管理方法，其特征在于，在对初始安全隐患管理模型进行二次训练时，包括：
6.根据权利要求1的机组设备安全隐患管理方法，其特征在于，在根据安全隐患值判断对应的待管理机组设备是否存在安全隐患时，包括：
7.根据权利要求1的机组设备安全隐患管理方法，其特征在于，在实时发出预警提醒时，包括：
8.根据权利要求6的机组设备安全隐患管理方法，其特征在于，在判断机组设备不存在安全
9.根据权利要求8的机组设备安全隐患管理方法，其特征在于，在根据工作损耗因子对待管理机组设备的隐患管理周期T进行修正，得到目标隐患管理周期时，包括：
...【技术特征摘要】
1.一种机组设备安全隐患管理方法，其特征在于，包括：
2.根据权利要求1的机组设备安全隐患管理方法，其特征在于，在获取所有待管理机组设备的历史管理数据，并根据历史管理数据确定每一个待管理机组设备的安全隐患概率时，包括：
3.根据权利要求1的机组设备安全隐患管理方法，其特征在于，在基于安全隐患概率对所有的待管理机组设备进行排序，并确定高危待管理机组设备和低危待管理机组设备时，包括：
4.根据权利要求1的机组设备安全隐患管理方法，其特征在于，在基于候选特征因子和最相关特征因子构建安全隐患管理模型时，包括：
5.根据权利要求4的机组设备安全...
【专利技术属性】
技术研发人员：姚劼敏，张燚骋，田博文，陈晓艳，郭冲，
申请(专利权)人：华能上海燃机发电有限责任公司，
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。