【技术实现步骤摘要】
本专利技术涉及化工生产自动化相关，特别是一种气化炉故障诊断方法、电子设备及存储介质。
技术介绍
1、在气化炉的生产运行中，由于煤种的质量差异及操作人员的操作水平参差不齐，气化炉渣口处容易堆积灰渣，形成堵渣现象。目前常用的检测堵渣方法是监测气化炉渣口压差的波动，堵渣发生后，气化炉渣口压差出现明显波动。传统的气化炉堵渣检测方法依赖于渣口压差仪表的检测，存在时延性问题，检测结果在堵渣发生之后，无法进行预测性堵渣故障诊断。
技术实现思路
1、基于此，有必要针对现有技术的技术问题，提供一种气化炉故障诊断方法、电子设备及存储介质。
2、本专利技术提供一种气化炉故障诊断方法，包括：
3、获取并筛选气化炉历史运行数据；
4、根据所述历史运行数据和基于强化搜索策略的鲸鱼优化算法，建立自编码器，并对所述自编码器进行变量寻优得到关键变量；
5、基于所述关键变量，建立故障预警模型；
6、采集气化炉实时运行数据，将所述实时运行数据输入所述故障预警模型得到预警信号，根据所述预警信号进行故障预处理。
7、进一步地，所述获取并筛选气化炉历史运行数据，包括：
8、从数据库中获取气化炉历史运行数据；
9、利用傅里叶变换的方法对所述历史运行数据进行异常数据筛选。
10、进一步地，所述利用傅里叶变换的方法对所述历史运行数据进行异常数据筛选，包括：
11、将所述历史运行数据中的时域数据利用傅里叶变换变换成
12、设置过滤器频率范围，将位于所述过滤器频率范围以外的所述频域数据所对应的所述历史运行数据作为异常数据删除。
13、进一步地，所述强化搜索策略的鲸鱼优化算法，包括：
14、构建强化搜索策略的鲸鱼优化算法的数学模型为：
15、
16、
17、
18、
19、
20、其中，j表示鲸鱼样本的维度，i表示种群里的鲸鱼序号，代表第j维的序号为i的鲸鱼，代表第j维最优鲸鱼个体，代表第j维随机选择的鲸鱼个体，表示第j维的跳跃因子，表示鲸鱼的全局勘测距离，表示鲸鱼的局部开发距离，和分别表示服从正态分布和均匀分布的随机数，a表示跳跃因子，rwj表示第j维的跳跃因子步长，t表示当前迭代次数，tmax为最大迭代次数。
21、进一步地，所述根据所述历史运行数据和基于强化搜索策略的鲸鱼优化算法，建立自编码器，并对所述自编码器进行变量寻优得到关键变量，包括：
22、建立包括编码过程和解密过程的自编码器，所述编码过程包括将输入的第一维度的输入数据经过编码后输出第二维度的编码数据，所述解码过程包括将所述编码数据通过解码得到所述第一维度的解码数据，所述第一维度和所述第二维度对应不同的变量，且所述第一维度所对应的变量数量大于所述第二维度对应的变量数量；
23、根据所述鲸鱼优化算法建立所述自编码器的重构损失模型；
24、将所述历史数据数据输入所述自编码器，将所述重构损失模型输出的重构损失值最小时的第二维度作为最优维度，所述最优维度对应的变量作为关键变量。
25、进一步地，所述重构损失模型为：
26、
27、其中，rloss(f,g)为所述重构损失值，f为所述自编码器的编码过程，g为所述自编码器的解码过程，n为样本数，i为样本数取值,rwoa表示利用改进鲸鱼优化算法对所述自编码器参数进行全局搜索优化，为损失函数，xi为损失函数输入的真实值，为损失函数输出的预测值。
28、进一步地，所述将所述历史数据数据输入所述自编码器，将所述重构损失模型输出的重构损失值最小时的第二维度作为最优维度，包括：
29、初始化所述自编码器参数；
30、执行如下迭代操作：
31、将所述历史数据数据输入所述自编码器，得到所述自编码器输出的解码数据，将所述解码数据与所述历史运行数据输入所述重构损失模型，得到所述重构损失模型输出的重构损失值，在所述重构损失值最小时，停止迭代操作，将所述重构损失模型输出的重构损失值最小时的第二维度作为最优维度。
32、进一步地，所述基于所述关键变量，建立故障预警模型，包括：
33、利用随机森林算法对所述关键变量的趋势特征基于重要性度量从大到小排序；
34、采用所述重要性度量大于设定阈值的所述关键变量的趋势特征，建立故障预警模型。
35、本专利技术提供一种电子设备，包括：
36、至少一个处理器；以及，
37、与至少一个所述处理器通信连接的存储器；其中，
38、所述存储器存储有可被至少一个所述处理器执行的指令，所述指令被至少一个所述处理器执行，以使至少一个所述处理器能够执行如前所述的气化炉故障诊断方法。
39、本专利技术提供一种存储介质，所述存储介质存储计算机指令，当计算机执行所述计算机指令时，用于执行如前所述的气化炉故障诊断方法的所有步骤。
40、本专利技术通过根据所述历史运行数据和基于强化搜索策略的鲸鱼优化算法，建立自编码器，并对自编码器进行变量寻优得到关键变量；再根据关键变量，建立故障预警模型；最后将采集气化炉生产运行过程中的实时运行数据，输入所述故障预警模型得到预警信号，根据所述预警信号进行故障预处理。从而实现预测性堵渣故障诊断，及时采取相应措施，保障气化炉系统的稳定运行。
本文档来自技高网...【技术保护点】
1.一种气化炉故障诊断方法，其特征在于，包括：
2.根据权利要求1所述的气化炉故障诊断方法，其特征在于，所述获取并筛选气化炉历史运行数据，包括：
3.根据权利要求2所述的气化炉故障诊断方法，其特征在于，所述利用傅里叶变换的方法对所述历史运行数据进行异常数据筛选，包括：
4.根据权利要求1所述的气化炉故障诊断方法，其特征在于，所述强化搜索策略的鲸鱼优化算法，包括：
5.根据权利要求1所述的气化炉故障诊断方法，其特征在于，所述根据所述历史运行数据和基于强化搜索策略的鲸鱼优化算法，建立自编码器，并对所述自编码器进行变量寻优得到关键变量，包括：
6.根据权利要求5所述的气化炉故障诊断方法，其特征在于，所述重构损失模型为：
7.根据权利要求5所述的气化炉故障诊断方法，其特征在于，所述将所述历史数据数据输入所述自编码器，将所述重构损失模型输出的重构损失值最小时的第二维度作为最优维度，包括：
8.根据权利要求1所述的气化炉故障诊断方法，其特征在于，所述基于所述关键变量，建立故障预警模型，包括：
9.
10.一种存储介质，其特征在于，所述存储介质存储计算机指令，当计算机执行所述计算机指令时，用于执行如权利要求1至8任一项所述的气化炉故障诊断方法的所有步骤。
...【技术特征摘要】
1.一种气化炉故障诊断方法，其特征在于，包括：
2.根据权利要求1所述的气化炉故障诊断方法，其特征在于，所述获取并筛选气化炉历史运行数据，包括：
3.根据权利要求2所述的气化炉故障诊断方法，其特征在于，所述利用傅里叶变换的方法对所述历史运行数据进行异常数据筛选，包括：
4.根据权利要求1所述的气化炉故障诊断方法，其特征在于，所述强化搜索策略的鲸鱼优化算法，包括：
5.根据权利要求1所述的气化炉故障诊断方法，其特征在于，所述根据所述历史运行数据和基于强化搜索策略的鲸鱼优化算法，建立自编码器，并对所述自编码器进行变量寻优得到关键变量，包括：
...【专利技术属性】
技术研发人员：许中华，边潇潇，马芳芳，张宏科，华卫琦，
申请(专利权)人：万华化学集团股份有限公司，
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。