CN117994955A - 水电机组温度报警模型建立和报警方法及装置 - Google Patents
水电机组温度报警模型建立和报警方法及装置 Download PDFInfo
- Publication number
- CN117994955A CN117994955A CN202410146386.0A CN202410146386A CN117994955A CN 117994955 A CN117994955 A CN 117994955A CN 202410146386 A CN202410146386 A CN 202410146386A CN 117994955 A CN117994955 A CN 117994955A
- Authority
- CN
- China
- Prior art keywords
- target
- generating set
- hydroelectric generating
- temperature alarm
- data
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 71
- 238000012847 principal component analysis method Methods 0.000 claims abstract description 24
- 238000012545 processing Methods 0.000 claims abstract description 20
- 238000001514 detection method Methods 0.000 claims description 27
- 239000011159 matrix material Substances 0.000 claims description 21
- 230000004044 response Effects 0.000 claims description 14
- 230000005856 abnormality Effects 0.000 claims description 13
- 230000002159 abnormal effect Effects 0.000 claims description 10
- 238000000513 principal component analysis Methods 0.000 claims description 10
- 230000009467 reduction Effects 0.000 claims description 8
- 238000011946 reduction process Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 abstract description 10
- 238000010586 diagram Methods 0.000 description 14
- 230000000875 corresponding effect Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000003491 array Methods 0.000 description 2
- 238000013475 authorization Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B29/00—Checking or monitoring of signalling or alarm systems; Prevention or correction of operating errors, e.g. preventing unauthorised operation
- G08B29/18—Prevention or correction of operating errors
- G08B29/185—Signal analysis techniques for reducing or preventing false alarms or for enhancing the reliability of the system
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Emergency Management (AREA)
- Computing Systems (AREA)
- Business, Economics & Management (AREA)
- Computer Security & Cryptography (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本公开提出了一种水电机组温度报警模型建立和报警方法及装置，涉及水电机组温度报警技术领域，该方法包括：获取目标水电机组的历史运行数据；基于所述历史运行数据确定影响所述目标水电机组温度的多个候选影响因素；基于主成分分析法对所述历史运行数据进行处理，以从所述多个候选影响因素中选取目标影响因素；基于所述目标影响因素建立所述目标水电机组的温度报警模型。由此，基于主成分分析法对历史运行数据进行处理，以从多个候选影响因素中选取对目标水电机组的温度影响最大的目标影响因素，并以此建立温度报警模型，从而可以对不同的工况下的目标水电机组进行温度预警，相较于传统的基于一维数据的分析，可以提升预警的准确性。
Description
技术领域
本公开涉及电机组温度报警技术领域，尤其涉及一种水电机组温度报警模型建立和报警方法及装置。
背景技术
温度是水电机组在线监测的一个重要参数指标，水电机组的高效率运行跟温度息息相关。目前，关于水电机组温度已有相关国家标准，如轴承温度、定子线棒温度、定子铁心温度等。通常，我们会通过国家标准阈值与实时温度比较，是否超标来判断是否异常。也有通过设置一级报警值、二级报警值来对温度进行预警。但随着机组的高性能运行和预测性维护检修管理，实际上机组的运行温度远远低于国家标准。
而温度又是一个缓变量，不是一个快变量，不会像振动摆度出现突增的情况，如何对温度进行全面的科学的预警是一个难题。本文将围绕温度预警这个主题进行阐述。实际上，水电机组温度的影响参数多种多样，有环境温度、机组负荷、冷却器性能、励磁电流等，温度的评估分析应该是多维的。因此，一维的的温度趋势分析不科学也不全面。
发明内容
本公开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，本公开的一个目的在于提出一种水电机组温度报警模型建立方法。
本公开的第二个目的在于提出一种水电机组温度报警方法。
本公开的第三个目的在于提出一种水电机组温度报警模型建立装置。
本公开的第四个目的在于提出一种水电机组温度报警装置。
本公开的第五个目的在于提出一种电子设备。
本公开的第六个目的在于提出一种非瞬时计算机可读存储介质。
本公开的第七个目的在于提出一种计算机程序产品。
为达上述目的，本公开第一方面实施方式提出了一种水电机组温度报警模型建立方法，包括：获取目标水电机组的历史运行数据；基于所述历史运行数据确定影响所述目标水电机组温度的多个候选影响因素；基于主成分分析法对所述历史运行数据进行处理，以从所述多个候选影响因素中选取目标影响因素；基于所述目标影响因素建立所述目标水电机组的温度报警模型。
根据本公开的一个实施方式，所述基于主成分分析法对所述历史运行数据进行处理，以从所述多个候选影响因素中选取目标影响因素，包括：基于所述历史运行数据，生成预设数量的包括所述多个候选影响因素的运行样本；基于所有所述运行样本，生成样本矩阵；基于主成分分析法对所述样本矩阵进行降维处理，以从所述多个候选影响因素中选取目标影响因素。
根据本公开的一个实施方式，所述基于主成分分析法对所述样本矩阵进行降维处理，以从所述多个候选影响因素中选取目标影响因素，包括：获取预设的目标影响因素数量；基于主成分分析法将所述样本矩阵降维至所述目标影响因素数量维度，以获取所述目标影响因素数量的目标影响因素。
根据本公开的一个实施方式，所述基于所述目标影响因素建立所述目标水电机组的温度报警模型，包括：针对任一目标影响因素，计算所述目标影响因素在所述历史运行数据中的平均值；基于所述平均值计算所述目标影响因素在所述历史运行数据中的标准差；基于所有目标影响因素的平均值以及标准差。
根据本公开的一个实施方式，所述获取目标水电机组的历史运行数据之后，包括：将所述历史运行数据输入至时序数据异常检测算法检测模型中，以确定所述历史运行数据是否存在时序异常；响应于检测到存在时序异常的历史运行数据，将所述时序异常的历史运行数据从所述历史运行数据中删除。
为达上述目的，本公开第二方面实施例提出了一种水电机组温度报警方法，包括：获取目标水电机组的实时运行数据；将所述实时运行数据输入至时序数据异常检测算法检测模型中，以确定所述实时运行数据是否存在异常数据；响应于所述实时运行数据不存在异常数据，将所述实时运行数据输入至温度报警模型中，以确定所述目标水电机组是否满足温度报警条件，其中，所述温度报警模型为通过如第一方面实施例所述的水电机组温度报警模型建立方法建立的。
根据本公开的一个实施方式，所述将所述实时运行数据输入至温度报警模型中，以确定所述目标水电机组是否满足温度报警条件，包括：将所述实时运行数据输入至温度报警模型中，以获取所述实时运行数据与所述温度报警模型对应的目标影响因素的马氏距离；响应于所述马氏距离大于距离阈值，确定所述目标水电机组满足温度报警条件。
为达上述目的，本公开第三方面实施例提出了一种水电机组温度报警模型建立装置，包括：获取模块，用于获取目标水电机组的历史运行数据；确定模块，用于基于所述历史运行数据确定影响所述目标水电机组温度的多个候选影响因素；处理模块，用于基于主成分分析法对所述历史运行数据进行处理，以从所述多个候选影响因素中选取目标影响因素；建立模块，用于基于所述目标影响因素建立所述目标水电机组的温度报警模型。
为达上述目的，本公开第四方面实施例提出了一种水电机组温度报警装置，包括：采集模块，用于获取目标水电机组的实时运行数据；输入模块，用于将所述实时运行数据输入至时序数据异常检测算法检测模型中，以确定所述实时运行数据是否存在异常数据；报警模块，用于响应于所述实时运行数据不存在异常数据，将所述实时运行数据输入至温度报警模型中，以确定所述目标水电机组是否满足温度报警条件，其中，所述温度报警模型为通过如第一方面实施例所述的水电机组温度报警模型建立方法建立的。
为达上述目的，本公开第五方面实施例提出了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以实现如本公开第一方面实施例所述的水电机组温度报警模型建立方法，或者如本公开第二方面实施例所述的水电机组温度报警方法。
为达上述目的，本公开第六方面实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于实现如本公开第一方面实施例所述的水电机组温度报警模型建立方法，或者如本公开第二方面实施例所述的水电机组温度报警方法。
为达上述目的，本公开第七方面实施例提出了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时用于实现如本公开第一方面实施例所述的水电机组温度报警模型建立方法，或者如本公开第二方面实施例所述的水电机组温度报警方法。
由此，基于主成分分析法对历史运行数据进行处理，以从多个候选影响因素中选取对目标水电机组的温度影响最大的目标影响因素，并以此建立温度报警模型，从而可以对不同的工况下的目标水电机组进行温度预警，相较于传统的基于一维数据的分析，可以提升预警的准确性。
附图说明
图1是本公开一个实施方式的一种水电机组温度报警模型建立方法的示意图；
图2是本公开一个实施方式的另一种水电机组温度报警模型建立方法的示意图；
图3是本公开一个实施方式的一种水电机组温度报警模型建立方法的3维模型示意图；
图4是本公开一个实施方式的一种水电机组温度报警模型建立方法的1维模型示意图；
图5是本公开一个实施方式的一种水电机组温度报警方法的示意图；
图6是本公开一个实施方式的一种水电机组温度报警模型建立装置的示意图；
图7是本公开一个实施方式的一种水电机组温度报警装置的示意图；
图8是本公开一个实施方式的一种电子设备的示意图。
具体实施方式
下面详细描述本公开的实施例，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，旨在用于解释本公开，而不能理解为对本公开的限制。
本公开技术方案中对数据的获取、存储、使用、处理等均符合相关法律法规的相关规定。
图1是本公开一个实施方式的一种水电机组温度报警模型建立方法的示意图，如图1所示，该水电机组温度报警模型建立方法包括以下步骤：
S101，获取目标水电机组的历史运行数据。
目标水电机组为当前需要将进行预警的水电机组。在本公开实施例中，由于地理位置、工况等的差异，不同的水电机组对应的温度预警和报警可能存在差异，因此在建立模型时，需要根据当前需要进行预警的水电机组的历史运行数据作为依据或者参考，以此可以保证最终生成模型更加适配当前的水电机组，从而提升预警效果。
本申请实施例的水电机组温度报警模型建立方法可应用于水电机组温度预测报警的场景中，本申请实施例的水电机组温度报警模型建立的执行主体可为本申请实施例的水电机组温度报警模型建立装置，该水电机组温度报警模型建立装置可以设置在电子设备上。
需要说明的是，历史运行数据包括目标水电机组的温度数据，还可包括其他多种数据，此处不作任何限定。举例来说，还可包括目标水电机组工况数据、环境数据和设备运行数据。
在本公开实施例中，获取目标水电机组的历史运行数据的方法可为多种，此处不作任何限定。
可选地，可通过预设的传感器获取历史运行数据，举例来说，可通过温度传感器获取目标输电机组的温度数据，通过湿度传感器获取目标输电机组的湿度数据等。
可选地，还可通过采集水电机组内设备的设备数据来作为历史运行数据。
S102，基于历史运行数据确定影响目标水电机组温度的多个候选影响因素。
在本公开实施例中，基于历史运行数据确定影响目标水电机组温度的多个候选影响因素的方法可为多种，此处不作任何限定。
在一种可能实现的方式中，可通过相关性算法，来计算所有影响因素与目标水电机组温度的相关度。并基于相关度从所有影响因素中确定多个候选影响因素。
需要说明的是，影响因素可为提前设计好的，也可为基于历史运行数据进行分析获取的，此处不作任何限定。可以理解的是，由于地理位置、工况等的差异，不同的水电机组对应的影响因素可为不同，此处不作任何限定。
S103，基于主成分分析法对历史运行数据进行处理，以从多个候选影响因素中选取目标影响因素。
主成分分析(Principal Component Analysis，PCA)算法是一种统计方法。通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量，转换后的这组变量叫主成分。主成分分析法(PCA)是一种无监督高维数据降维方法，其通过在降维过程中保留重要的多个分量来实现最大化原数据方差。
在水电机组温度分析过程中，为了全面分析问题，往往需要找出与温度变化有关的影响因素，因为每个影响因素都在不同程度上反映温度变化的信息。
通过PCA算法，可从所有候选影响因素中，选出对目标水电机组影响最大的候选影响因素作为目标影响因素。
S104，基于目标影响因素建立目标水电机组的温度报警模型。
在本公开实施例中，温度报警模型的种类可为多种，此处不作任何限定。
在一种可能实现的方式中，本公开中的温度报警模型可为三维物理模型。
需要说明的是，本公开实施例中的温度报警模型的输出可为多种，此处不作任何限定。举例来说，温度报警模型的输出可为是否进行报警，还可为目标水电机组的预测温度值，方便后续基于预测温度值进行温度报警。
在本公开实施例中，首先获取目标水电机组的历史运行数据，然后基于历史运行数据确定影响目标水电机组温度的多个候选影响因素，而后基于主成分分析法对历史运行数据进行处理，以从多个候选影响因素中选取目标影响因素，最后基于目标影响因素建立目标水电机组的温度报警模型。由此，基于主成分分析法对历史运行数据进行处理，以从多个候选影响因素中选取对目标水电机组的温度影响最大的目标影响因素，并以此建立温度报警模型，从而可以对不同的工况下的目标水电机组进行温度预警，相较于传统的基于一维数据的分析，可以提升预警的准确性。
在本公开实施例中，在获取目标水电机组的历史运行数据之后，还可首先将历史运行数据输入至时序数据异常检测算法检测模型中，以确定历史运行数据是否存在时序异常，响应于检测到存在时序异常的历史运行数据，将时序异常的历史运行数据从历史运行数据中删除。
需要说明的是，时序数据异常检测算法检测模型为检测运行数据时序是否存在异常的模型，为提前训练好的，并存储在电子设备的存储空间中，以便在需要时调取使用。
通过时序数据异常检测算法检测模型对历史运行数据进行筛选，可以提升历史运行数据的准确性，从而提升后续建立模型的准确性。
上述实施例中，基于主成分分析法对历史运行数据进行处理，以从多个候选影响因素中选取目标影响因素，还可通过图2进一步解释，该方法包括：
S201，基于历史运行数据，生成预设数量的包括多个候选影响因素的运行样本。
S202，基于所有运行样本，生成样本矩阵。
在本公开实施例中，以定子线棒温度为例进行多维机理模型，选取6维特征，举例来说，以有功功率P、励磁电流I、环境温度T、绝缘性能QI、空冷器性能QA、线棒温度TB六个维度进行模型建立，根据水电机组检修前的历史运行数据选取10000个样本{x1、x2、x3、...x10000}，每个样本有6维特征组成矩阵X100006，可如下矩阵所示。矩阵中每一行代表一个样本，例如第二行中的x21代表第二个样本的第一个候选影响因素对应的数据，x22代表第二个样本的第二个候选影响因素对应的数据等。
需要说明的是，样本最好是包括各种工况，不同季节，数据越离散越好,以此可以提升模型建立和后续训练的效果。
S203，基于主成分分析法对样本矩阵进行降维处理，以从多个候选影响因素中选取目标影响因素。
在本公开实施例中，可首先获取预设的目标影响因素数量，然后基于主成分分析法将样本矩阵降维至目标影响因素数量维度，以获取目标影响因素数量的目标影响因素。
需要说明的是，目标影响因素数量为提前设计好的，并可根据实际的设计需要进行变更，此处不作任何限定。
通过对多维机理模型的样本数据进行PCA降维处理，从6维降至1维，降维过程中不会产生信息量丢失，对模型进行特征提取得到关键特征。举例来说，可通过PCA降维处理将如图3所述的模型降维至如图4所示的模型，其中，图3是本公开一个实施方式的一种水电机组温度报警模型建立方法的3维模型示意图，图4是本公开一个实施方式的一种水电机组温度报警模型建立方法的1维模型示意图。
在本公开实施例中，首先基于历史运行数据，生成预设数量的包括多个候选影响因素的运行样本，然后基于所有运行样本，生成样本矩阵，最后基于主成分分析法对样本矩阵进行降维处理，以从多个候选影响因素中选取目标影响因素。
在本公开实施例中，基于目标影响因素建立目标水电机组的温度报警模型，可首先针对任一目标影响因素，计算目标影响因素在历史运行数据中的平均值，然后基于平均值计算目标影响因素在历史运行数据中的标准差，最后基于平均值和标准差，建立温度报警模型。
具体地，可首先计算关键矩阵特征的均值中心点，得到运行状态的均值μ0；再根据关键矩阵特征中个点与均值中心点的马式距离，计算健康模型的方差σ0。至此，基于检修前的历史数据模型的关键值μ0和σ0已确定。
图5是本公开一个实施方式的一种水电机组温度报警方法的示意图，如图5所示，该水电机组温度报警模型建立方法包括以下步骤：
S501，获取目标水电机组的实时运行数据。
S502，将实时运行数据输入至时序数据异常检测算法检测模型中，以确定实时运行数据是否存在异常数据。
需要说明的是，时序数据异常检测算法检测模型为检测运行数据时序是否存在异常的模型，为提前训练好的，并存储在电子设备的存储空间中，以便在需要时调取使用。
当时序数据异常检测算法检测模型检测到实时运行数据异常时，则可直接进行报警。
S503，响应于实时运行数据不存在异常数据，将实时运行数据输入至温度报警模型中，以确定目标水电机组是否满足温度报警条件。
需要说明的是，本公开实施例中的温度报警模型为如图1和图2所示的水电机组温度报警模型建立方法建立的。
需要说明的是，报警条件可为多种，此处不作任何限定。
在本公开实施例中，可将实时运行数据输入至温度报警模型中，以获取实时运行数据与温度报警模型对应的目标影响因素的马氏距离，响应于马氏距离大于距离阈值，确定目标水电机组满足温度报警条件。
需要说明的是，距离阈值为提前设计好的，并可根据实际的设计需要进行变更，此处不作任何限定。
由此，通过如图1和图2所示的水电机组温度报警模型建立方法建立的温度报警模型对实时运行数据进行报警预测，可以对不同的工况下的目标水电机组进行温度预警，相较于传统的基于一维数据的分析，可以提升预警的准确性。
与上述几种实施例提供的水电机组温度报警模型建立方法相对应，本公开的一个实施例还提供了一种水电机组温度报警模型建立装置，由于本公开实施例提供的水电机组温度报警模型建立装置与上述几种实施例提供的水电机组温度报警模型建立方法相对应，因此上述水电机组温度报警模型建立方法的实施方式也适用于本公开实施例提供的水电机组温度报警模型建立装置，在下述实施例中不再详细描述。
图6是本公开一个实施方式的一种水电机组温度报警模型建立装置的示意图，如图6所示，该水电机组温度报警模型建立装置600，包括：获取模块610、确定模块620、处理模块630和建立模块640。
获取模块610，用于获取目标水电机组的历史运行数据。
确定模块620，用于基于历史运行数据确定影响目标水电机组温度的多个候选影响因素。
处理模块630，用于基于主成分分析法对历史运行数据进行处理，以从多个候选影响因素中选取目标影响因素。
建立模块640，用于基于目标影响因素建立目标水电机组的温度报警模型。
在本公开的一个实施例中，确定模块620，还用于：基于历史运行数据，生成预设数量的包括多个候选影响因素的运行样本；基于所有运行样本，生成样本矩阵；基于主成分分析法对样本矩阵进行降维处理，以从多个候选影响因素中选取目标影响因素。
在本公开的一个实施例中，确定模块620，还用于：获取预设的目标影响因素数量；基于主成分分析法将样本矩阵降维至目标影响因素数量维度，以获取目标影响因素数量的目标影响因素。
在本公开的一个实施例中，建立模块640，还用于：针对任一目标影响因素，计算目标影响因素在历史运行数据中的平均值；基于平均值计算目标影响因素在历史运行数据中的标准差；基于所有目标影响因素的平均值以及标准差，建立温度报警模型。
在本公开的一个实施例中，获取模块610，还用于：将历史运行数据输入至时序数据异常检测算法检测模型中，以确定历史运行数据是否存在时序异常；响应于检测到存在时序异常的历史运行数据，将时序异常的历史运行数据从历史运行数据中删除。
由此，基于主成分分析法对历史运行数据进行处理，以从多个候选影响因素中选取对目标水电机组的温度影响最大的目标影响因素，并以此建立温度报警模型，从而可以对不同的工况下的目标水电机组进行温度预警，相较于传统的基于一维数据的分析，可以提升预警的准确性。
与上述几种实施例提供的水电机组温度报警方法相对应，本公开的一个实施例还提供了一种水电机组温度报警装置，由于本公开实施例提供的水电机组温度报警装置与上述几种实施例提供的水电机组温度报警方法相对应，因此上述水电机组温度报警方法的实施方式也适用于本公开实施例提供的水电机组温度报警装置，在下述实施例中不再详细描述。
图7是本公开一个实施方式的一种水电机组温度报警装置的示意图，如图7所示，该水电机组温度报警装置700，包括：采集模块710、输入模块720和报警模块730。
采集模块710，用于获取目标水电机组的实时运行数据。
输入模块720，用于将实时运行数据输入至时序数据异常检测算法检测模型中，以确定实时运行数据是否存在异常数据。
报警模块730，用于响应于实时运行数据不存在异常数据，将实时运行数据输入至温度报警模型中，以确定目标水电机组是否满足温度报警条件，其中，温度报警模型为通过如图1和图2的水电机组温度报警模型建立方法建立的。
在一种可能实现的方式中，报警模块730，还用于：将所述实时运行数据输入至温度报警模型中，以获取所述实时运行数据与所述温度报警模型对应的目标影响因素的马氏距离；响应于所述马氏距离大于距离阈值，确定所述目标水电机组满足温度报警条件。
由此，通过如图1和图2所示的水电机组温度报警模型建立方法建立的温度报警模型对实时运行数据进行报警预测，可以对不同的工况下的目标水电机组进行温度预警，相较于传统的基于一维数据的分析，可以提升预警的准确性。
为了实现上述实施例，本公开实施例还提出一种电子设备800，图8是本公开一个实施方式的一种电子设备的示意图，如图8所示，该电子设备800包括：处理器801和处理器通信连接的存储器802，存储器802存储有可被至少一个处理器执行的指令，指令被至少一个处理器801执行，以实现如本公开图1-图2实施例的水电机组温度报警模型建立方法，或者如图5实施例的水电机组温度报警方法。
为了实现上述实施例，本公开实施例还提出一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机实现如本公开图1-图2实施例的水电机组温度报警模型建立方法，或者如图5实施例的水电机组温度报警方法。
为了实现上述实施例，本公开实施例还提出一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现如本公开图1-图2实施例的水电机组温度报警模型建立方法，或者如图5实施例的水电机组温度报警方法。
需要说明的是，来自用户的个人信息应当被收集用于合法且合理的用途，并且不在这些合法使用之外共享或出售。此外，应在收到用户知情同意后进行此类采集/共享，包括但不限于在用户使用该功能前，通知用户阅读用户协议/用户通知，并签署包括授权相关用户信息的协议/授权。此外，还需采取任何必要步骤，保卫和保障对此类个人信息数据的访问，并确保有权访问个人信息数据的其他人遵守其隐私政策和流程。
本申请预期可提供用户选择性阻止使用或访问个人信息数据的实施方案。即本公开预期可提供硬件和/或软件，以防止或阻止对此类个人信息数据的访问。一旦不再需要个人信息数据，通过限制数据收集和删除数据可最小化风险。此外，在适用时，对此类个人信息去除个人标识，以保护用户的隐私。
在前述各实施例描述中，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。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。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 (10)
1.一种水电机组温度报警模型建立方法，其特征在于，包括：
获取目标水电机组的历史运行数据；
基于所述历史运行数据确定影响所述目标水电机组温度的多个候选影响因素；
基于主成分分析法对所述历史运行数据进行处理，以从所述多个候选影响因素中选取目标影响因素；
基于所述目标影响因素建立所述目标水电机组的温度报警模型。
2.根据权利要求1所述的方法，其特征在于，所述基于主成分分析法对所述历史运行数据进行处理，以从所述多个候选影响因素中选取目标影响因素，包括：
基于所述历史运行数据，生成预设数量的包括所述多个候选影响因素的运行样本；
基于所有所述运行样本，生成样本矩阵；
基于主成分分析法对所述样本矩阵进行降维处理，以从所述多个候选影响因素中选取目标影响因素。
3.根据权利要求2所述的方法，其特征在于，所述基于主成分分析法对所述样本矩阵进行降维处理，以从所述多个候选影响因素中选取目标影响因素，包括：
获取预设的目标影响因素数量；
基于主成分分析法将所述样本矩阵降维至所述目标影响因素数量维度，以获取所述目标影响因素数量的目标影响因素。
4.根据权利要求1-3中任一项所述的方法，其特征在于，所述基于所述目标影响因素建立所述目标水电机组的温度报警模型，包括：
针对任一目标影响因素，计算所述目标影响因素在所述历史运行数据中的平均值；
基于所述平均值计算所述目标影响因素在所述历史运行数据中的标准差；
基于所有目标影响因素的平均值以及标准差，建立所述温度报警模型。
5.根据权利要求4所述的方法，其特征在于，所述获取目标水电机组的历史运行数据之后，包括：
将所述历史运行数据输入至时序数据异常检测算法检测模型中，以确定所述历史运行数据是否存在时序异常；
响应于检测到存在时序异常的历史运行数据，将所述时序异常的历史运行数据从所述历史运行数据中删除。
6.一种水电机组温度报警方法，其特征在于，包括：
获取目标水电机组的实时运行数据；
将所述实时运行数据输入至时序数据异常检测算法检测模型中，以确定所述实时运行数据是否存在异常数据；
响应于所述实时运行数据不存在异常数据，将所述实时运行数据输入至温度报警模型中，以确定所述目标水电机组是否满足温度报警条件，其中，所述温度报警模型为通过如权利要求1-5中任一项所述的水电机组温度报警模型建立方法建立的。
7.根据权利要求6所述的方法，其特征在于，所述将所述实时运行数据输入至温度报警模型中，以确定所述目标水电机组是否满足温度报警条件，包括：
将所述实时运行数据输入至温度报警模型中，以获取所述实时运行数据与所述温度报警模型对应的目标影响因素的马氏距离；
响应于所述马氏距离大于距离阈值，确定所述目标水电机组满足温度报警条件。
8.一种水电机组温度报警模型建立装置，其特征在于，包括：
获取模块，用于获取目标水电机组的历史运行数据；
确定模块，用于基于所述历史运行数据确定影响所述目标水电机组温度的多个候选影响因素；
处理模块，用于基于主成分分析法对所述历史运行数据进行处理，以从所述多个候选影响因素中选取目标影响因素；
建立模块，用于基于所述目标影响因素建立所述目标水电机组的温度报警模型。
9.一种水电机组温度报警装置，其特征在于，包括：
采集模块，用于获取目标水电机组的实时运行数据；
输入模块，用于将所述实时运行数据输入至时序数据异常检测算法检测模型中，以确定所述实时运行数据是否存在异常数据；
报警模块，用于响应于所述实时运行数据不存在异常数据，将所述实时运行数据输入至温度报警模型中，以确定所述目标水电机组是否满足温度报警条件，其中，所述温度报警模型为通过如权利要求1-5中任一项所述的水电机组温度报警模型建立方法建立的。
10.一种电子设备，其特征在于，包括存储器、处理器；
其中，所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序，以用于实现如权利要求1-5中任一项所述的水电机组温度报警模型建立方法，或者如权利要求6或7所述的水电机组温度报警方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410146386.0A CN117994955A (zh) | 2024-02-01 | 2024-02-01 | 水电机组温度报警模型建立和报警方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410146386.0A CN117994955A (zh) | 2024-02-01 | 2024-02-01 | 水电机组温度报警模型建立和报警方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117994955A true CN117994955A (zh) | 2024-05-07 |
Family
ID=90896931
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410146386.0A Pending CN117994955A (zh) | 2024-02-01 | 2024-02-01 | 水电机组温度报警模型建立和报警方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117994955A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118535862A (zh) * | 2024-07-25 | 2024-08-23 | 三峡金沙江云川水电开发有限公司 | 一种水电数据智能预警模型构建方法及系统 |
-
2024
- 2024-02-01 CN CN202410146386.0A patent/CN117994955A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118535862A (zh) * | 2024-07-25 | 2024-08-23 | 三峡金沙江云川水电开发有限公司 | 一种水电数据智能预警模型构建方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112254972B (zh) | 挖掘机油温预警方法、装置、服务器及挖掘机 | |
| KR101948604B1 (ko) | 센서 군집화 기반의 설비 건강 모니터링 방법 및 장치 | |
| KR101960755B1 (ko) | 미취득 전력 데이터 생성 방법 및 장치 | |
| CN117937768B (zh) | 智能电气柜远程监控系统 | |
| CN117131110B (zh) | 一种基于关联分析的容性设备介质损耗监测方法及系统 | |
| CN112668870B (zh) | 一种核电厂设备状态在线智能监测方法及计算机终端 | |
| KR102212022B1 (ko) | 양수 수차의 건전성 자동 판정 방법 및 이를 위한 시스템 | |
| CN110688617A (zh) | 风机振动异常检测方法及装置 | |
| CN111626360B (zh) | 用于检测锅炉故障类型的方法、装置、设备和存储介质 | |
| CN117010601B (zh) | 数据处理方法、装置、计算机设备及计算机可读存储介质 | |
| CN117994955A (zh) | 水电机组温度报警模型建立和报警方法及装置 | |
| CN111024147A (zh) | 基于CNNs的元件安装检测方法、装置、电子设备及存储介质 | |
| CN117910999A (zh) | 一种智能电厂设备检修方法及系统 | |
| CN117331790A (zh) | 一种用于数据中心的机房故障检测方法及装置 | |
| CN117216048A (zh) | 机电设备监测数据筛选方法、装置、设备及存储介质 | |
| CN118091409A (zh) | 一种基于数据分析的伺服电机故障诊断方法及系统 | |
| CN113123955B (zh) | 柱塞泵异常检测方法、装置、存储介质及电子设备 | |
| CN119494064A (zh) | 一种微服务架构的指标异常检测的方法及系统 | |
| CN119494754A (zh) | 一种智慧电厂的环境异常监测告警方法及系统 | |
| CN119502355A (zh) | 一种光固化3d打印异常运行的处理方法及系统 | |
| CN117726053B (zh) | 应用于数字化平台系统的碳排放监测方法及系统 | |
| CN117690087B (zh) | 一种基于空间合并的智能管理方法及系统 | |
| CN107956731A (zh) | 电站空冷风机频率变化对机组背压参数影响的预测方法 | |
| CN115792476B (zh) | 充电桩整流模块异常预警方法、装置、终端及存储介质 | |
| CN116071053A (zh) | 基于数字孪生的往复式压缩机状态预警系统 |
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 |