CN115063258B - 光字牌故障预警方法 - Google Patents
光字牌故障预警方法 Download PDFInfo
- Publication number
- CN115063258B CN115063258B CN202210668698.9A CN202210668698A CN115063258B CN 115063258 B CN115063258 B CN 115063258B CN 202210668698 A CN202210668698 A CN 202210668698A CN 115063258 B CN115063258 B CN 115063258B
- Authority
- CN
- China
- Prior art keywords
- point data
- target
- measuring point
- data
- target system
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/20—Ensemble learning
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/185—Electrical failure alarms
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00001—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by the display of information or by user interaction, e.g. supervisory control and data acquisition systems [SCADA] or graphical user interfaces [GUI]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Tourism & Hospitality (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Biomedical Technology (AREA)
- Marketing (AREA)
- Computational Linguistics (AREA)
- Power Engineering (AREA)
- General Business, Economics & Management (AREA)
- Molecular Biology (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- Emergency Management (AREA)
- Quality & Reliability (AREA)
- Human Computer Interaction (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Water Supply & Treatment (AREA)
- Physiology (AREA)
- Genetics & Genomics (AREA)
- Public Health (AREA)
Abstract
本申请提出一种光字牌故障预警方法,其中,该方法包括:采集电厂中多个系统的测点数据,并将测点数据传输至光字牌中;光字牌根据测点数据中的字符串信息,识别测点数据的来源系统;响应于测点数据的传输频率在第一目标范围内,通过光字牌对来源系统进行二级预警;响应于测点数据的传输频率在第二目标范围内,通过光字牌对来源系统进行一级预警。本申请采集电厂中多个系统的测点数据,并识别来源系统。根据测点信号的传输频率对目标系统进行相应预警,可有效监视测点数据的传输情况,对于测点数据的不良传输情况进行及时预警,提醒运行人员发现并处理,提高测点数据采集质量。
Description
技术领域
本申请涉及火力发电厂智能监视技术领域,尤其涉及一种光字牌故障预警方法及装置,和一种电厂系统运行异常数理模型的生成方法。
背景技术
光字牌是电厂监控系统中的重要组成之一,通过中央信号屏上的小灯照亮对应的字牌,监视各系统设备运行状态,及时预警故障信息,提醒运行人员发现并处理。在电厂的监控系统中,由于计算机系统的切换,可能会造成电厂系统的测点数据传输不良,影响测点数据质量,不利于电厂监控以及后续的测点数据处理。
发明内容
本申请旨在至少在一定程度上解决相关技术中的技术问题之一。
为此,本申请第一方面提出一种光字牌故障预警方法,以对测点数据的传输情况进行预警,该方法包括:
采集电厂中多个系统的测点数据,并将所述测点数据传输至光字牌中;
所述光字牌根据所述测点数据中的字符串信息,识别所述测点数据的来源系统;
响应于所述测点数据的传输频率在第一目标范围内,通过光字牌对所述来源系统进行二级预警;
响应于所述测点数据的传输频率在第二目标范围内,通过所述光字牌对所述来源系统进行一级预警。
在本申请的一些实施例中,所述采集电厂中多个系统的测点数据,并将所述测点数据传输至光字牌中,包括:采集所述电厂中多个系统的测点数据至DCS控制柜;所述DCS控制柜将所述测点数据通过OPC通讯技术传输到电厂大数据平台数据库中,并对所述测点数据进行存储;所述电厂大数据平台数据库将所述测点数据传输至光字牌中。
在本申请的一些实施例中,所述多个系统包括:汽机系统,锅炉系统,电气系统,化学系统,热控系统。
在本申请的一些实施例中,所述第一目标范围为大于1秒且小于等于10秒,所述第二目标范围为大于10秒。
在本申请的一些实施例中,所述方法还包括:将所述测点数据的数据传输预警信息存储至所述电厂大数据平台数据库中。
本申请第二方面提出一种电厂系统运行异常数理模型的生成方法,包括:
对电厂大数据平台数据库中的测点数据进行筛选,获得第一目标测点数据,并将所述第一目标测点数据放入数据专家库中;其中,所述第一目标测点数据为所述电厂大数据平台数据库中没有数据传输预警信息的测点数据;
在所述数据专家库中采集目标系统的第二目标测点数据;其中,所述目标系统的第二目标测点数据为所述目标系统测点数据中的正常运行测点数据;
利用所述目标系统的第二目标测点数据建立所述目标系统的第一运行异常数理模型;
利用所述数据专家库中目标系统的测点数据对所述目标系统的第一运行异常数理模型进行训练,获得所述目标系统的第二运行异常数理模型。
在本申请的一些实施例中,所述利用所述目标系统的第二目标测点数据建立所述目标系统的第一运行异常数理模型,包括:利用所述目标系统的第二目标测点数据,通过随机森林算法、全连接神经网络算法、遗传算法中的任一种算法,建立所述目标系统的第一运行异常数理模型。
在本申请的一些实施例中,所述目标系统为汽机系统,锅炉系统,电气系统,化学系统,热控系统中的任一种。
在本申请的一些实施例中,所述方法还包括:利用电厂各系统运行的历史趋势图,对所述目标系统的第二运行异常数理模型进行验证。
本申请第三方面提出一种光字牌故障预警装置,包括:
采集模块,用于采集电厂中多个系统的测点数据,并将所述测点数据传输至光字牌中;
识别模块,用于根据所述测点数据中的字符串信息,识别所述测点数据的来源系统;
第一预警模块,响应于所述测点数据的传输频率在第一目标范围内,用于通过光字牌对所述来源系统进行二级预警;
第二预警模块,响应于所述测点数据的传输频率在第二目标范围内,用于通过所述光字牌对所述来源系统进行一级预警。
根据本申请实施例的光字牌故障预警方法,采集电厂中多个系统的测点数据,并识别来源系统。根据测点信号的传输频率对目标系统进行相应预警,可有效监视测点数据的传输情况,对于测点数据的不良传输情况进行及时预警,提醒运行人员发现并处理,提高测点数据采集质量。
本申请附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为本申请实施例提供的一种光字牌故障预警方法的流程示意图;
图2为本申请实施例提供的一种电厂系统运行异常数理模型的生成方法的流程示意图;
图3为本申请实施例提供的一种光字牌故障预警装置的示意图。
具体实施方式
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本申请,而不能理解为对本申请的限制。
本申请提出一种光字牌故障预警方法及装置,和一种电厂系统运行异常数理模型的生成方法。具体地,下面参考附图描述本申请实施例的光字牌故障预警方法和电厂系统运行异常数理模型的生成方法。
图1为本申请实施例提供的一种光字牌故障预警方法的流程示意图。如图1所示,本申请实施例提供的光字牌故障预警方法可以包括以下步骤:
步骤101,采集电厂中多个系统的测点数据,并将测点数据传输至光字牌中。
需要说明的是,电厂中包括多个系统,例如汽机系统,锅炉系统,电气系统,化学系统,热控系统,均可通过光字牌对其状态进行监控。作为一种可能的实现方式,可采集电厂中多个系统的测点数据至DCS控制柜,DCS控制柜将该测点数据通过OPC通讯技术传输到电厂大数据平台数据库中,并对测点数据进行存储,电厂大数据平台数据库将测点数据传输至光字牌中。
步骤102,光字牌根据测点数据中的字符串信息,识别测点数据的来源系统。
步骤103,响应于测点数据的传输频率在第一目标范围内,通过光字牌对来源系统进行二级预警。
作为一种可能的实现方式,第一目标范围可设置为大于1秒且小于等于10秒。如果测点数据的传输频率在大于1秒且小于等于10秒的范围内,则通过光字牌对来源系统进行二级预警。
步骤104,响应于测点数据的传输频率在第二目标范围内,通过光字牌对来源系统进行一级预警。
作为一种可能的实现方式,第二目标范围可设置为大于10秒。如果测点数据的传输频率大于10秒,则通过光字牌对来源系统进行一级预警。
作为一种示例,假设测点数据的来源系统为汽机系统。若该测点数据的传输频率在大于1秒且小于等于10秒的范围内,可通过光字牌显示“汽机系统测点信号传输异常”的文字信息,并且显示与二级预警对应的光字牌显示颜色;若该测点数据的传输频率大于10秒,可通过光字牌显示“汽机系统测点信号传输异常”的文字信息,并且显示与一级预警对应的光字牌显示颜色,以此提醒运行人员汽机系统中测点信号的传输异常,及时检查处理。
作为一种示例,假设测点数据的来源系统为锅炉系统。若该测点数据的传输频率在大于1秒且小于等于10秒的范围内,可通过光字牌显示“锅炉系统测点信号传输异常”的文字信息,并且显示与二级预警对应的光字牌显示颜色;若该测点数据的传输频率大于10秒,可通过光字牌显示“锅炉系统测点信号传输异常”的文字信息,并且显示与一级预警对应的光字牌显示颜色,以此提醒运行人员锅炉系统中测点信号的传输异常,及时检查处理。
作为一种示例,假设测点数据的来源系统为电气系统。若该测点数据的传输频率在大于1秒且小于等于10秒的范围内,可通过光字牌显示“电气系统测点信号传输异常”的文字信息,并且显示与二级预警对应的光字牌显示颜色;若该测点数据的传输频率大于10秒,可通过光字牌显示“电气系统测点信号传输异常”的文字信息,并且显示与一级预警对应的光字牌显示颜色,以此提醒运行人员电气系统中测点信号的传输异常,及时检查处理。
作为一种示例,假设测点数据的来源系统为化学系统。若该测点数据的传输频率在大于1秒且小于等于10秒的范围内,可通过光字牌显示“化学系统测点信号传输异常”的文字信息,并且显示与二级预警对应的光字牌显示颜色;若该测点数据的传输频率大于10秒,可通过光字牌显示“化学系统测点信号传输异常”的文字信息,并且显示与一级预警对应的光字牌显示颜色,以此提醒运行人员化学系统中测点信号的传输异常,及时检查处理。
作为一种示例,假设测点数据的来源系统为热控系统。若该测点数据的传输频率在大于1秒且小于等于10秒的范围内,可通过光字牌显示“热控系统测点信号传输异常”的文字信息,并且显示与二级预警对应的光字牌显示颜色;若该测点数据的传输频率大于10秒,可通过光字牌显示“热控系统测点信号传输异常”的文字信息,并且显示与一级预警对应的光字牌显示颜色,以此提醒运行人员热控系统中测点信号的传输异常,及时检查处理。
需要说明的是,当测点数据的传输频率小于等于1秒时,即视为测点数据传输正常,无需预警。
为了更全面地采集测点数据,在本申请的一些实施例中,可将测点数据的数据传输预警信息(包括一级预警信息和二级预警信息)也存储至电厂大数据平台数据库中。
根据本申请实施例的光字牌故障预警方法,采集电厂中多个系统的测点数据,并识别来源系统。根据测点信号的传输频率对目标系统进行相应预警,可有效监视测点数据的传输情况,对于测点数据的不良传输情况进行及时预警,提醒运行人员发现并处理,提高测点数据采集质量。
图2为本申请实施例提供的一种电厂系统运行异常数理模型的生成方法的流程示意图。如图2所示,本申请实施例提供的电厂系统运行异常数理模型的生成方法可以包括以下步骤:
步骤201,对电厂大数据平台数据库中的测点数据进行筛选,获得第一目标测点数据,并将该第一目标测点数据放入数据专家库中。其中,第一目标测点数据为电厂大数据平台数据库中没有数据传输预警信息的测点数据。
需要说明的是,该数据传输预警信息包括上述有关光字牌故障预警方法实施例中的一级预警信息和二级预警信息。故第一目标测点数据为传输频率正常的测点数据,例如传输频率小于等于1秒的无预警测点数据。
步骤202,在数据专家库中采集目标系统的第二目标测点数据。其中,目标系统的第二目标测点数据为目标系统测点数据中的正常运行测点数据。
需要说明的是,目标系统可以是电厂中的汽机系统、锅炉系统,电气系统,化学系统,热控系统中的任一种。
其中,数据专家库中的测点数据可以分为正常运行测点数据、故障运行测点数据和未运行测点数据三种类型,故可对数据专家库中的测点数据进行筛选,筛选出目标系统的测点数据,再将目标系统测点数据中的正常运行测点数据确定为目标系统的第二目标测点数据。例如,目标系统为化学系统,在数据专家库中筛选出化学系统的测点数据,将化学系统中的正常运行测点数据确定为目标系统的第二目标测点数据。
作为一种可能的实现方式,可在数据专家库中采集目标系统的部分测点在一年内的正常运行测点数据,作为目标系统的第二目标测点数据。
步骤203,利用目标系统的第二目标测点数据建立目标系统的第一运行异常数理模型。
可选地,在本申请一些实施例中,可通过随机森林算法、全连接神经网络算法、遗传算法中的任一种算法,建立目标系统的第一运行异常数理模型。
步骤204,利用数据专家数据库中目标系统的测点数据对目标系统的第一运行异常数理模型进行训练,获得目标系统的第二运行异常数理模型。
通过目标系统的第二运行异常数理模型,可基于目标系统的测点信息判断目标系统的运行状态,并将该目标系统的第二运行异常数理模型实施到电厂光字牌中,若目标系统的第二运行异常数理模型判断目标系统当前为非正常运行状态,则可通过电厂光字牌进行预警。
可选地,在本申请一些实施例中,在获得目标系统的目标运行异常数理模型后,还可利用电厂各系统运行的历史趋势图,对目标系统的运行第二运行异常数理模型的模型效果进行验证。
根据本申请实施例的电厂系统运行异常数理模型的生成方法,利用电厂大数据平台数据库中目标系统的正常运行测点数据,建立目标系统的第一运行异常数理模型。利用数据专家库中目标系统的测点数据对目标系统的第一运行异常数理模型进行训练,获得目标系统的第二运行异常数理模型,该目标系统的第二运行异常数理模型可根据目标系统的测点数据,判断目标系统的运行状态,结合电厂光字牌对目标系统的非正常运行状态进行预警,从而有效地监视电厂系统的运行状态。
图3为本申请实施例提供的一种光字牌故障预警装置的示意图。如图3所示,本申请实施例提供的光字牌故障预警装置包括:采集模块301、识别模块302、第一预警模块303和第二预警模块304。
其中,采集模块301,用于采集电厂中多个系统的测点数据,并将测点数据传输至光字牌中。
识别模块302,用于根据测点数据中的字符串信息,识别测点数据的来源系统。
第一预警模块303,响应于测点数据的传输频率在第一目标范围内,用于通过光字牌对来源系统进行二级预警。
第二预警模块304,响应于测点数据的传输频率在第二目标范围内,用于通过光字牌对来源系统进行一级预警。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
根据本申请实施例的光字牌故障预警装置,采集电厂中多个系统的测点数据,并识别来源系统。根据测点信号的传输频率对目标系统进行相应预警,可有效监视测点数据的传输情况,对于测点数据的不良传输情况进行及时预警,提醒运行人员发现并处理,提高测点数据采集质量。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本申请的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本申请的实施例所属技术领域的技术人员所理解。
尽管上面已经示出和描述了本申请的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本申请的限制,本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (8)
1.一种光字牌故障预警方法,其特征在于,包括以下步骤:
采集电厂中多个系统的测点数据,并将所述测点数据传输至光字牌中;
所述光字牌根据所述测点数据中的字符串信息,识别所述测点数据的来源系统;
响应于所述测点数据的传输频率在第一目标范围内,通过光字牌对所述来源系统进行二级预警;
响应于所述测点数据的传输频率在第二目标范围内,通过所述光字牌对所述来源系统进行一级预警;
所述第一目标范围为大于1秒且小于等于10秒,所述第二目标范围为大于10秒;
对电厂大数据平台数据库中的测点数据进行筛选,获得第一目标测点数据,并将所述第一目标测点数据放入数据专家库中;其中,所述第一目标测点数据为所述电厂大数据平台数据库中没有数据传输预警信息的测点数据,所述预警信息包括:一级预警信息和二级预警信息;
在所述数据专家库中采集目标系统的第二目标测点数据;其中,所述目标系统的第二目标测点数据为所述目标系统测点数据中的正常运行测点数据;
利用所述目标系统的第二目标测点数据建立所述目标系统的第一运行异常数理模型;
利用所述数据专家库中目标系统的测点数据对所述目标系统的第一运行异常数理模型进行训练,获得所述目标系统的第二运行异常数理模型;
通过目标系统的第二运行异常数理模型,基于目标系统的测点信息判断目标系统的运行状态,并将所述目标系统的第二运行异常数理模型实施到光字牌中,若目标系统的第二运行异常数理模型判断目标系统当前为非正常运行状态,则通过光字牌进行预警。
2.根据权利要求1所述的方法,其特征在于,所述采集电厂中多个系统的测点数据,并将所述测点数据传输至光字牌中,包括:
采集所述电厂中多个系统的测点数据至DCS控制柜;
所述DCS控制柜将所述测点数据通过OPC通讯技术传输到电厂大数据平台数据库中,并对所述测点数据进行存储;
所述电厂大数据平台数据库将所述测点数据传输至光字牌中。
3.根据权利要求1所述的方法,其特征在于,所述多个系统包括:汽机系统,锅炉系统,电气系统,化学系统,热控系统。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:将所述测点数据的数据传输预警信息存储至所述电厂大数据平台数据库中。
5.根据权利要求1所述的方法,其特征在于,所述利用所述目标系统的第二目标测点数据建立所述目标系统的第一运行异常数理模型,包括:
利用所述目标系统的第二目标测点数据,通过随机森林算法、全连接神经网络算法、遗传算法中的任一种算法,建立所述目标系统的第一运行异常数理模型。
6.根据权利要求1所述的方法,其特征在于,所述目标系统为汽机系统,锅炉系统,电气系统,化学系统,热控系统中的任一种。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
利用电厂各系统运行的历史趋势图,对所述目标系统的第二运行异常数理模型进行验证。
8.一种光字牌故障预警装置,其特征在于,包括:
采集模块,用于采集电厂中多个系统的测点数据,并将所述测点数据传输至光字牌中;
识别模块,用于根据所述测点数据中的字符串信息,识别所述测点数据的来源系统;
第一预警模块,响应于所述测点数据的传输频率在第一目标范围内,用于通过光字牌对所述来源系统进行二级预警,所述第一目标范围为大于1秒且小于等于10秒;
第二预警模块,响应于所述测点数据的传输频率在第二目标范围内,用于通过所述光字牌对所述来源系统进行一级预警,所述第二目标范围为大于10秒;
运行异常数理模型训练模块,用于对电厂大数据平台数据库中的测点数据进行筛选,获得第一目标测点数据,并将所述第一目标测点数据放入数据专家库中;其中,所述第一目标测点数据为所述电厂大数据平台数据库中没有数据传输预警信息的测点数据,所述预警信息包括:一级预警信息和二级预警信息;
在所述数据专家库中采集目标系统的第二目标测点数据;其中,所述目标系统的第二目标测点数据为所述目标系统测点数据中的正常运行测点数据;
利用所述目标系统的第二目标测点数据建立所述目标系统的第一运行异常数理模型;
利用所述数据专家库中目标系统的测点数据对所述目标系统的第一运行异常数理模型进行训练,获得所述目标系统的第二运行异常数理模型;
通过目标系统的第二运行异常数理模型,基于目标系统的测点信息判断目标系统的运行状态,并将所述目标系统的第二运行异常数理模型实施到光字牌中,若目标系统的第二运行异常数理模型判断目标系统当前为非正常运行状态,则通过光字牌进行预警。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210668698.9A CN115063258B (zh) | 2022-06-14 | 2022-06-14 | 光字牌故障预警方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210668698.9A CN115063258B (zh) | 2022-06-14 | 2022-06-14 | 光字牌故障预警方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115063258A CN115063258A (zh) | 2022-09-16 |
| CN115063258B true CN115063258B (zh) | 2025-06-20 |
Family
ID=83200047
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210668698.9A Active CN115063258B (zh) | 2022-06-14 | 2022-06-14 | 光字牌故障预警方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115063258B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110365328A (zh) * | 2018-03-26 | 2019-10-22 | 宝山钢铁股份有限公司 | 一种同一光字牌下报警逻辑控制电路 |
| CN110570012A (zh) * | 2019-08-05 | 2019-12-13 | 华中科技大学 | 一种基于Storm的电厂生产设备故障预警方法及系统 |
| CN114017136A (zh) * | 2021-11-02 | 2022-02-08 | 浙江大唐国际绍兴江滨热电有限责任公司 | 一种联合循环发电机组的软光字牌报警方法及系统 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5121467A (en) * | 1990-08-03 | 1992-06-09 | E.I. Du Pont De Nemours & Co., Inc. | Neural network/expert system process control system and method |
| CN106094594B (zh) * | 2016-07-12 | 2018-09-28 | 中核控制系统工程有限公司 | 一种闪烁同步的光字牌控制方法 |
| CN110969375A (zh) * | 2019-12-27 | 2020-04-07 | 广东电科院能源技术有限责任公司 | 一种智能变电站告警处理方法、装置、终端及存储介质 |
| CN111934433B (zh) * | 2020-08-28 | 2021-11-02 | 中域高科(武汉)信息技术有限公司 | 一种变电站监控后台的自动复核方法、装置、设备和系统 |
-
2022
- 2022-06-14 CN CN202210668698.9A patent/CN115063258B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110365328A (zh) * | 2018-03-26 | 2019-10-22 | 宝山钢铁股份有限公司 | 一种同一光字牌下报警逻辑控制电路 |
| CN110570012A (zh) * | 2019-08-05 | 2019-12-13 | 华中科技大学 | 一种基于Storm的电厂生产设备故障预警方法及系统 |
| CN114017136A (zh) * | 2021-11-02 | 2022-02-08 | 浙江大唐国际绍兴江滨热电有限责任公司 | 一种联合循环发电机组的软光字牌报警方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115063258A (zh) | 2022-09-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8126679B2 (en) | Automatic remote monitoring and diagnostics system | |
| CN102529903B (zh) | 综合车辆故障检测系统 | |
| CN102568053B (zh) | 综合车辆故障检测系统的车载端及其数据处理方法 | |
| CN117675522A (zh) | 一种电力通信故障诊断及预防方法及系统 | |
| KR102095653B1 (ko) | 신경망 모델을 이용한 비정상 운전 상태 판단 장치 및 방법 | |
| CN118609339A (zh) | 电器电路火灾安全管理系统 | |
| CN111371180B (zh) | 变电站巡查监管与数据分析系统 | |
| CN114356460B (zh) | 一种基于医疗设备健康实时采集监控方法和系统 | |
| CN115848463A (zh) | 智能运维系统和方法 | |
| CN117390403A (zh) | 一种新能源灯塔发电站的电网故障检测方法及系统 | |
| CN120150354B (zh) | 一种电力状态稳定性监测系统及监测方法 | |
| US20230394301A1 (en) | Device and method for tracking basis of abnormal state determination by using neural network model | |
| CN112562276A (zh) | 一种设备故障报警方法及系统 | |
| CN114638380A (zh) | 多类型参量网络模型的电缆参数故障确定方法和装置 | |
| CN114527717A (zh) | 一种化工安全生产预警系统及其安全预警方法 | |
| CN118671503A (zh) | 一种基于物联网的高低压配电设备故障监测系统 | |
| CN119418464A (zh) | 基于漏电流温度检测的电气火灾预警方法、装置及设备 | |
| CN118354287A (zh) | 基于无线传感网络的异常报警方法及系统 | |
| CN114137302A (zh) | 一种电能计量器具检定全过程监控系统 | |
| CN115063258B (zh) | 光字牌故障预警方法 | |
| CN120180373A (zh) | 基于人工智能的电气设备智能故障预警分析系统及方法 | |
| EP2764597A1 (en) | Processing data of a technical system comprising several assets | |
| CN117081257A (zh) | 一种变电站设备运行管理系统及方法 | |
| CN114896096A (zh) | 基于图像识别算法的数据中心设备故障预测系统及方法 | |
| CN113487189A (zh) | 一种石化设备故障概率风险评估系统及评估方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |