锅炉运行设备控制方法、装置、电子设备和可读介质与流程

本公开的实施例涉及计算机，具体涉及锅炉运行设备控制方法、装置、电子设备和可读介质。

背景技术：

1、工业锅炉是一种体型较为庞大的特种设备，也是一种重要的热能动力设备，广泛应用于工厂动力、建筑采暖和人民生活的各个方面。目前，在对锅炉进行维修操作时，通常采用的方式为：对通过传感器采集的锅炉信息进行信息预处理，并通过通用锅炉运行预测模型(反向传播神经网络)对锅炉运行状况进行预测(包括全局特征统一提取处理、展平处理，分类预测)，以及根据预测结果对锅炉进行人工维修操作。

2、然而，发明人发现，当采用上述方式对锅炉进行维修操作时，经常会存在如下技术问题：

3、第一，在对锅炉运行状况进行预测的过程中，在对特征进行展平处理之后，模型参数较多，导致模型训练速度较慢，模型容易过拟合。当模型训练速度较慢时，导致计算机cpu处理器占用较多，占用时间较长，从而导致计算机处理器资源的浪费；当模型容易过拟合时，导致锅炉运行状况预测的准确率较低，甚至锅炉运行状况预测错误，从而导致锅炉故障得不到解决，减少锅炉的使用寿命，需再次更换锅炉，造成锅炉资源的浪费。

4、第二，在对锅炉运行状况进行预测时，对特征进行全局统一提取，导致重点特征的比重占比较小，导致锅炉运行状况预测的准确率较低，甚至锅炉运行状况预测错误，从而导致锅炉故障得不到解决，减少锅炉的使用寿命，需再次更换锅炉，造成锅炉资源的浪费。

5、第三，在对锅炉运行状况进行预测的过程中，采用传感器采集数据并进行特征的单独特征提取，以及基于单独特征进行运行状况预测，导致预测的运行状况问题覆盖范围较小，从而导致锅炉运行状况预测的准确率较低，甚至锅炉运行状况预测错误，从而导致锅炉故障得不到解决，减少锅炉的使用寿命，需再次更换锅炉，造成锅炉资源的浪费。

6、该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解，并因此，其可包含并不形成本国的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、本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

2、本公开的一些实施例提出了锅炉运行设备控制方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。

3、第一方面，本公开的一些实施例提供了一种锅炉运行设备控制方法，该方法包括：获取锅炉的运行影响因素数字信号组集合和运行影响因素模拟信号组集合，其中，上述运行影响因素数字信号组集合中的各个运行影响因素数字信号组对应各个数字信号传感器，上述运行影响因素模拟信号组集合中的各个运行影响因素模拟信号组对应各个模拟信号传感器，上述各个数字信号传感器包括但不限于：尾气排放管、引风机和鼓风机，上述各个模拟信号传感器包括但不限于：空气电极探头、炉膛内热电偶温度计、固体燃料料斗进料电机和液体燃料料斗进料电机；对上述运行影响因素模拟信号组集合进行数字转换处理，以生成运行影响因素转换数字信号组集合；对上述运行影响因素数字信号组集合和上述运行影响因素转换数字信号组集合进行组合处理，得到组合处理后的运行影响因素数字信号组集合和运行影响因素转换数字信号组集合作为运行影响因素信息组集合；根据上述运行影响因素信息组集合，生成运行影响因素信息序列集合；根据上述运行影响因素信息序列集合，生成运行影响因素融合特征向量；根据上述运行影响因素融合特征向量，生成运行影响因素权重融合特征向量；将上述运行影响因素权重融合特征向量输入至预先训练的锅炉运行预测模型的双向门控循环单元层，得到运行影响因素时间特征向量，其中，上述锅炉运行预测模型还包括：展平层、全连接层和分类层；根据预设特征输出维度信息和上述运行影响因素时间特征向量，生成运行影响因素降维特征向量；将上述运行影响因素降维特征向量输入至上述展平层，得到展平特征向量；将上述展平特征向量输入至上述全连接层，得到全连接向量；将上述全连接向量输入至上述分类层，得到锅炉运行预测结果；响应于确定上述锅炉运行预测结果表征锅炉有故障，控制相关联的锅炉运行设备对上述锅炉进行维修操作，其中，上述锅炉运行设备为使上述锅炉正常运行的维修设备。

4、第二方面，本公开的一些实施例提供了一种锅炉运行设备控制装置，装置包括：获取单元，被配置成获取锅炉的运行影响因素数字信号组集合和运行影响因素模拟信号组集合，其中，上述运行影响因素数字信号组集合中的各个运行影响因素数字信号组对应各个数字信号传感器，上述运行影响因素模拟信号组集合中的各个运行影响因素模拟信号组对应各个模拟信号传感器，上述各个数字信号传感器包括但不限于：尾气排放管、引风机和鼓风机，上述各个模拟信号传感器包括但不限于：空气电极探头、炉膛内热电偶温度计、固体燃料料斗进料电机和液体燃料料斗进料电机；转换单元，被配置成对上述运行影响因素模拟信号组集合进行数字转换处理，以生成运行影响因素转换数字信号组集合；组合单元，被配置成对上述运行影响因素数字信号组集合和上述运行影响因素转换数字信号组集合进行组合处理，得到组合处理后的运行影响因素数字信号组集合和运行影响因素转换数字信号组集合作为运行影响因素信息组集合；第一生成单元，被配置成根据上述运行影响因素信息组集合，生成运行影响因素信息序列集合；第二生成单元，被配置成根据上述运行影响因素信息序列集合，生成运行影响因素融合特征向量；第三生成单元，被配置成根据上述运行影响因素融合特征向量，生成运行影响因素权重融合特征向量；第一输入单元，被配置成将上述运行影响因素权重融合特征向量输入至预先训练的锅炉运行预测模型的双向门控循环单元层，得到运行影响因素时间特征向量，其中，上述锅炉运行预测模型还包括：展平层、全连接层和分类层；第四生成单元，被配置成根据预设特征输出维度信息和上述运行影响因素时间特征向量，生成运行影响因素降维特征向量；第二输入单元，被配置成将上述运行影响因素降维特征向量输入至上述展平层，得到展平特征向量；第三输入单元，被配置成将上述展平特征向量输入至上述全连接层，得到全连接向量；第四输入单元，被配置成将上述全连接向量输入至上述分类层，得到锅炉运行预测结果；控制单元，被配置成响应于确定上述锅炉运行预测结果表征锅炉有故障，控制相关联的锅炉运行设备对上述锅炉进行维修操作，其中，上述锅炉运行设备为使上述锅炉正常运行的维修设备。

5、第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。

6、第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。

7、本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的锅炉运行设备控制方法，可以减少计算机处理器资源的浪费以及减少锅炉资源的浪费。具体来说，造成计算机处理器资源的浪费以及锅炉资源的浪费的原因在于：在对锅炉运行状况进行预测的过程中，在对特征进行展平处理之后，模型参数较多，导致模型训练速度较慢，模型容易过拟合。当模型训练速度较慢时，导致计算机cpu处理器占用较多，占用时间较长，从而导致计算机处理器资源的浪费；当模型容易过拟合时，导致锅炉运行状况预测的准确率较低，甚至锅炉运行状况预测错误，从而导致锅炉故障得不到解决，减少锅炉的使用寿命，需再次更换锅炉，造成锅炉资源的浪费。基于此，本公开的一些实施例的锅炉运行设备控制方法，首先，获取锅炉的运行影响因素数字信号组集合和运行影响因素模拟信号组集合。其中，上述运行影响因素数字信号组集合中的各个运行影响因素数字信号组对应各个数字信号传感器。上述运行影响因素模拟信号组集合中的各个运行影响因素模拟信号组对应各个模拟信号传感器。上述各个数字信号传感器包括但不限于：尾气排放管、引风机和鼓风机。上述各个模拟信号传感器包括但不限于：空气电极探头、炉膛内热电偶温度计、固体燃料料斗进料电机和液体燃料料斗进料电机。由此，可以得到表征影响锅炉运行状况原始数据的运行影响因素数字信号组集合和运行影响因素模拟信号组集合。然后，对上述运行影响因素模拟信号组集合进行数字转换处理，以生成运行影响因素转换数字信号组集合。由此，可以得到运行影响因素转换数字信号组集合，从而可以方便对运行影响因素模拟信号组集合进行数据存储和处理。之后，对上述运行影响因素数字信号组集合和上述运行影响因素转换数字信号组集合进行组合处理，得到组合处理后的运行影响因素数字信号组集合和运行影响因素转换数字信号组集合作为运行影响因素信息组集合。由此，可以得到统一数据格式的运行影响因素信息组集合。随后，根据上述运行影响因素信息组集合，生成运行影响因素信息序列集合。由此，可以得到具有时间顺序的运行影响因素信息序列集合，从而可以用于从时间角度提取特征。随之，根据上述运行影响因素信息序列集合，生成运行影响因素融合特征向量。由此，可以得到运行影响因素融合特征向量，从而可以用于提高锅炉运行状况预测的准确度。其次，根据上述运行影响因素融合特征向量，生成运行影响因素权重融合特征向量。由此，可以得到运行影响因素权重融合特征向量，从而可以进一步提高锅炉运行状况预测的准确性。然后，将上述运行影响因素权重融合特征向量输入至预先训练的锅炉运行预测模型的双向门控循环单元层，得到运行影响因素时间特征向量。其中，上述锅炉运行预测模型还包括：展平层、全连接层和分类层。由此，可以得到表征前后时刻特征的运行影响因素时间特征向量。从而可以更进一步提高模型预测的准确性。之后，根据预设特征输出维度信息和上述运行影响因素时间特征向量，生成运行影响因素降维特征向量。由此，可以得到运行影响因素降维特征向量，从而可以用于减少传入全连接层的参数，降低模型训练的速度，降低模型过拟合的概率。随后，将上述运行影响因素降维特征向量输入至上述展平层，得到展平特征向量。将上述展平特征向量输入至上述全连接层，得到全连接向量。由此，可以得到表征一维数据信息的全连接向量，从而可以用于运行状况分类。随之，将上述全连接向量输入至上述分类层，得到锅炉运行预测结果。由此，可以得到表征锅炉有故障或工作正常的锅炉运行预测结果。最后，响应于确定上述锅炉运行预测结果表征锅炉有故障，控制相关联的锅炉运行设备对上述锅炉进行维修操作。其中，上述锅炉运行设备为使上述锅炉正常运行的维修设备。由此，基于锅炉的运行结果，可以对锅炉进行维修操作。也因为将运行影响因素权重融合特征向量输入至双向门控循环单元层，可以提取锅炉运行影响因素的时间特征。还因为对锅炉运行影响因素进行特征展平之前，对锅炉运行影响因素进行了降维处理，可以减少传入全连接层的参数，降低模型训练的速度，降低模型过拟合的概率。从而可以减少计算机处理器资源的浪费以及减少锅炉资源的浪费。