一种基于自编码器的汽动给水泵设备异常状态预警方法

    公开(公告)号:CN111720296A

    公开(公告)日:2020-09-29

    申请号:CN202010527007.4

    申请日:2020-06-11

    Abstract: 本发明涉及一种基于自编码器的汽动给水泵设备异常状态预警方法,包括:步骤1、选取汽动给水泵设备关键部件的全部状态参数,并把部分状态参数进行扩维处理;步骤2、数据预处理。本发明的有益效果是:本发明基于自编码器深度学习模型对汽动给水泵运行中各测点的异常状态进行识别并预警。通过建立基于自编码器的汽动给水泵深度学习模型,计算评估值与置信区间,监测汽动给水泵运行状态并对异常状态进行预警。这将给随后的设备维护计划制定提供坚实的支撑,对于对可靠性要求严格的设备维护管理大有裨益,在工程实际应用方面具有广阔前景。本发明可以有效得辨识设备运行中的异常状况,为汽动给水泵状态异常预警研究提供了一种崭新的思路。

    一种基于供电煤耗和投资收益率关联性的燃煤发电机组冷端优化统计分析方法

    公开(公告)号:CN111720178A

    公开(公告)日:2020-09-29

    申请号:CN202010527098.1

    申请日:2020-06-11

    Abstract: 本发明涉及一种基于供电煤耗和投资收益率关联性的燃煤发电机组冷端优化统计分析方法,包括步骤:步骤1、从机组PI系统中读取数据测点,并进行数据预处理;步骤2、对选出的每一次循环水泵运行方式变化前后半小时内相关测点进行供电煤耗和投资收益率计算。本发明的有益效果是:本发明可用于1050MW燃煤发电机组的冷端优化问题,基于机组PI数据统计分析,给出了计算公式并推导出供电煤耗和投资收益率两个优化指标的内在关系,基于此内在关系给出了机组冷端优化的指标选择方法,可以指导业务人员快速进行冷端优化操作并得到更优的优化结果,可为发电企业提供优化建议,对燃煤发电机组的经济运行具有重要意义。

    一种基于供电煤耗和投资收益率关联性的燃煤发电机组冷端优化统计分析方法

    公开(公告)号:CN111720178B

    公开(公告)日:2022-04-19

    申请号:CN202010527098.1

    申请日:2020-06-11

    Abstract: 本发明涉及一种基于供电煤耗和投资收益率关联性的燃煤发电机组冷端优化统计分析方法,包括步骤:步骤1、从机组PI系统中读取数据测点,并进行数据预处理;步骤2、对选出的每一次循环水泵运行方式变化前后半小时内相关测点进行供电煤耗和投资收益率计算。本发明的有益效果是:本发明可用于1050MW燃煤发电机组的冷端优化问题,基于机组PI数据统计分析,给出了计算公式并推导出供电煤耗和投资收益率两个优化指标的内在关系,基于此内在关系给出了机组冷端优化的指标选择方法,可以指导业务人员快速进行冷端优化操作并得到更优的优化结果,可为发电企业提供优化建议,对燃煤发电机组的经济运行具有重要意义。

    一种基于CNN-SVDD的引风机故障识别方法

    公开(公告)号:CN111753889B

    公开(公告)日:2022-04-12

    申请号:CN202010526996.5

    申请日:2020-06-11

    Abstract: 本发明涉及一种基于CNN‑SVDD的引风机故障识别方法,包括:步骤1:采集足量训练数据,进行数据预处理;步骤2:利用预处理后的训练数据构建CNN‑SVDD模型,利用CNN算法对时间序列数据进行降维,然后通过SVDD算法进行数据单分类;步骤3:采集足量实时数据,用基于已构建的CNN‑SVDD模型对实时数据对应的引风机故障进行识别。本发明的有益效果是:本发明利用深度学习先进行特征提取,大量减少特征维度后,再使用SVDD进行单分类分析,这样可以节省SVDD的时间和内存开销。另外由于引风机数据具有时间序列特性,可以充分利用时间序列数据时间维度上的局部相关性,使用一维卷积网络减少学习参数,进一步减少计算开销。

    一种基于关联参数挖掘的工业过程故障融合预测方法

    公开(公告)号:CN112801426A

    公开(公告)日:2021-05-14

    申请号:CN202110364925.4

    申请日:2021-04-06

    Abstract: 本发明涉及一种基于关联参数挖掘的工业过程故障融合预测方法,包括步骤:基于关联规则挖掘算法对工业过程运行参数进行关联性挖掘;利用训练样本提取关联参数的参数特征,基于参数特征和故障时间构造训练集;利用训练集构造BP神经网络模型,作为基于关联参数的故障时间预测模型。本发明的有益效果是:构建了多参数多模型融合预测模型,将关联规则引入参数选取中,挖掘参数关联性进而筛选出用以建模的运行参数;进一步针对不同参数构建了不同预测模型,进一步将关联规则挖掘结果引入模型融合中实现预测模型的融合,从而获得了覆盖状态信息全面且具有强鲁棒性的故障时间预测模型。对于工程上的故障预测和健康管理有重大应用价值。

Patent Agency Ranking