【技术实现步骤摘要】
本专利技术涉及发电机组预警，具体为一种基于dcs数据的发电机组预警方法及系统。
技术介绍
1、现有技术中的，公开号为cn115239058a公开了基于dcs数据深度挖掘的发电机状态检测评价方法及系统，方法包括：采集各电厂的发电机dcs数据并实时镜像至服务器；抓取发电机监控数据，统一发电机监控数据的格式并存储；设置不少于2个的发电机状态评价子模块，用以处理发电机监控数据，以得到发电机状态检测评价数据；获取预警层级数据，据以处理发电机状态检测评价数据，以得到发电机状态检测层级预警数据，将发电机状态检测层级预警数据发送至预置分级区域发电机状态检测中心；从预置分级区域发电机状态检测中心获取发电机的历史工况数据，据以处理得到发电机的运维方案数据，以生成并输出运维建议信息。本专利技术解决了适用性低、依赖人工操作及发电机运维检修效率低的技术问题。
2、但是还存在如下不足，由上述的陈述可知，上述的方案并没有采集对发电机输出数据有重要影响的冷却水温度和机油温度，从而获得的发电机的状态就不准确，继而预警精度下降，且没有将表征发电机组的异常状态的振动值和异响值量化，直观表达发电机组的状态。
3、在所述
技术介绍
部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
1、本专利技术的目的在于提供一种基于dcs数据的发电机组预警方法及系统，以解决上述
技术介绍
中提出的问题。
2、为实现上述目的，本专利技术
3、一种基于dcs数据的发电机组预警方法，具体步骤包括：
4、s1.将dcs采集端设置于发电机组，利用所述dcs采集端从发电机组中采集历史n次和当前发电机组的测试参数、影响参数和故障参数，所述测试参数包括发电机的输出电压、输出电流和输出频率，所述影响参数包括冷却水温度和机油温度，所述故障参数包括发电机组振动值和异响值；
5、s2.将历史n次采集的所述发电机组的测试参数进行数据处理，并进行相关性分析，生成发电机组的测试系数，将历史n次采集的所述发电机组的影响参数进行数据处理，并进行相关性分析，生成发电机组的影响系数；
6、s3.将生成的历史n次的所述发电机组的测试系数和影响系数作为训练集，对应的历史n次的发电机组的故障系数作为标签，输入至深度学习网络中进行训练；
7、s4.将当前所述发电机组的测试系数和影响系数输入到模型中，获取当前发电机组的故障系数；
8、s5.将获取的当前发电机组的故障系数进行数据处理，生成故障系数的均值和标准偏差，并依据故障系数的均值和标准偏差，获取发电机组的故障系数阈值；
9、s6.将生成的当前发电机组的故障系数和故障系数阈值比较，判断电机组的故障程度，并根据电机组的故障程度，发出不同的预警信号。
10、进一步地，将历史n次采集的所述发电机组的测试参数进行数据处理，并进行相关性分析，生成发电机组的测试系数，依据的公式如下：
11、
12、其中，cx为发电机组的测试系数，dl为发电机组的输出电流，pl为发电机组的输出频率，dy为发电机组的输出电压，α为发电机组的输出电流的因子系数，β为发电机组的输出频率的因子系数，γ为发电机组的输出电压的因子系数，α＝β>γ>0，且α+β+γ＝1。
13、进一步地，将历史n次采集的所述发电机组的影响参数进行数据处理，并进行相关性分析，生成发电机组的影响系数，依据的公式如下：
14、yx＝b0+b1sw+b2yw+b3(sw·yw)+ε1
15、其中，yx为发电机组的影响系数，sw为发电机组的冷却水温度，yw为发电机组的机油温度，b0为截距，b1为冷却水温度的因子系数，b2为机油温度的因子系数，b3为冷却水温度和机油温度交互作用的因子系数，ε1为误差项，b1>b2>b3>0，且b1+b2+b3＝1。
16、进一步地，所述深度学习网络采用基于多层感知器的深度神经网络构成，所述多层感知器的深度神经网络包括输入层、第一隐藏层、第二隐藏层、第三隐藏层和输出层，所述第一隐藏层、第二隐藏层和第三隐藏层均具有至少两个神经元，且均采用relu作为激活函数。
17、进一步地，将获取的n次发电机组的故障系数进行数据处理，生成故障系数的均值，依据的公式如下：
18、
19、其中，μ为故障系数的均值，n为采集的次数，xi为第i次的故障系数；
20、将获取的n次发电机组的故障系数进行数据处理，生成故障系数的标准偏差，依据的公式如下：
21、
22、其中，σ为故障系数的标准偏差；
23、依据故障系数的均值μ和标准偏差σ，获取发电机组的故障系数阈值，依据的公式如下：
24、yz＝μ+k×σ
25、其中，yz为发电机组的故障系数阈值，k为调节故障系数阈值的调节量，k的取值为2≤k≤3。
26、进一步地，将生成的发电机组的故障系数和预设的故障系数阈值比较，判断电机组的故障程度的过程如下：
27、当0<故障系数≤阈值yz，则发电机组运行正常，
28、当阈值yz<故障系数≤1.2阈值yz，则发电机组存在轻微故障；
29、当1.2阈值yz<故障系数，则发电机组存在严重故障；
30、根据电机组的故障程度，发出不同的预警信号的过程如下：
31、当发电机组运行正常，则不发送任何预警信号；
32、当发电机组存在轻微故障，则发送警告信号；
33、当发电机组存在严重故障，则发送紧急警告信号。
34、一种基于dcs数据的发电机组预警系统，所述系统用于执行上述的基于dcs数据的发电机组预警方法，包括：
35、数据采集模块，用于将dcs采集端分布设置于发电机组，利用所述dcs采集端从发电机组中采集历史n次和当前发电机组的测试参数、影响参数和故障参数，所述测试参数包括发电机的输出电压、输出电流和输出频率，所述影响参数包括冷却水温度和机油温度，所述故障参数包括发电机组振动值和异响值；
36、数据处理模块，用于将历史n次采集的所述发电机组的测试参数进行数据处理，并进行相关性分析，生成发电机组的测试系数，将历史n次采集的所述发电机组的影响参数进行数据处理，并进行相关性分析，生成发电机组的影响系数；
37、模型构建模块，用于将生成的历史n次的所述发电机组的测试系数和影响系数作为训练集，对应的历史n次的发电机组的故障系数作为标签，输入至深度学习网络中进行训练；
38、故障系数获取模块，用于将当前所述发电机组的测试系数和影响系数输入到模型中，获取当前发电机组的故障系数；
39、阈值获取模块，用于将获取的当前发电机组的故障系数进行数据处理，生成故障系数的均值和标准偏差本文档来自技高网...
【技术保护点】
1.一种基于DCS数据的发电机组预警方法，其特征在于，具体步骤包括：
2.根据权利要求1所述的一种基于DCS数据的发电机组预警方法，其特征在于：将历史N次采集的所述发电机组的测试参数进行数据处理，并进行相关性分析，生成发电机组的测试系数，依据的公式如下：
3.根据权利要求1所述的一种基于DCS数据的发电机组预警方法，其特征在于：将历史N次采集的所述发电机组的影响参数进行数据处理，并进行相关性分析，生成发电机组的影响系数，依据的公式如下：
4.根据权利要求1所述的一种基于DCS数据的发电机组预警方法，其特征在于：所述深度学习网络采用基于多层感知器的深度神经网络构成，所述多层感知器的深度神经网络包括输入层、第一隐藏层、第二隐藏层、第三隐藏层和输出层，所述第一隐藏层、第二隐藏层和第三隐藏层均具有至少两个神经元，且均采用ReLU作为激活函数。
5.根据权利要求1所述的一种基于DCS数据的发电机组预警方法，其特征在于：将获取的当前发电机组的故障系数进行数据处理，生成故障系数的均值，依据的公式如下：
6.根据权利要求1所述的一种基于
7.一种基于DCS数据的发电机组预警系统，其特征在于：所述系统用于执行权利要求1-6任一项所述的基于DCS数据的发电机组预警方法，包括：
...【技术特征摘要】
1.一种基于dcs数据的发电机组预警方法，其特征在于，具体步骤包括：
2.根据权利要求1所述的一种基于dcs数据的发电机组预警方法，其特征在于：将历史n次采集的所述发电机组的测试参数进行数据处理，并进行相关性分析，生成发电机组的测试系数，依据的公式如下：
3.根据权利要求1所述的一种基于dcs数据的发电机组预警方法，其特征在于：将历史n次采集的所述发电机组的影响参数进行数据处理，并进行相关性分析，生成发电机组的影响系数，依据的公式如下：
4.根据权利要求1所述的一种基于dcs数据的发电机组预警方法，其特征在于：所述深度学习网络采用基于多层感知器的深度神经网络构成，所述多层感知器的深度神经网络包...
【专利技术属性】
技术研发人员：阚俊超，甄诚，雷志伟，郭宝，章佳威，曲晓荷，周海雁，
申请(专利权)人：中国大唐集团科学技术研究总院有限公司华东电力试验研究院，
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。