一种基于人工智能的火电厂监盘报警系统及其实现方法与流程

本发明涉及智能火电厂监控预警，更为具体的，涉及一种基于人工智能的火电厂监盘报警系统及其实现方法。

背景技术：

1、火电厂作为能源供应的核心支柱，在全球能源结构中占据着不可或缺的地位。然而，随着全球能源需求的日益增长，火电厂面临着日益增长的监控需求和复杂多变的运行环境。

2、传统的火电厂监控系统主要依赖于人工操作和经验判断，这在应对当前挑战时显得力不从心。传统的监控方法在面对海量数据和复杂情况时，往往难以做到准确、及时的响应。监控人员需要耗费大量精力来处理和分析数据，同时难以兼顾火电厂运行的各个方面。这不仅增加了人工操作的错误率和劳动强度，也给火电厂的安全运行带来了潜在的风险。与此同时，其他行业如制造业、金融业等已经广泛采用智能化技术来提升生产效率和管理水平。然而，火电行业的智能化程度却相对较低，这主要是由于火电厂运行的复杂性、环境因素的多样性以及数据处理的难度所导致的。因此，火电行业急需引入智能化技术来提升其监控系统的效率和准确性。近年来，人工智能技术的快速发展为火电行业的智能化升级提供了可能。特别是基于深度学习的大模型技术，在图像识别、自然语言处理等领域取得了显著成果。这些技术具有强大的数据处理和模式识别能力，能够从大量数据中自动学习并提取有用信息，为火电厂的智能化监控提供了新的思路。

3、尽管有一些研究尝试将人工智能技术应用于火电厂的某些特定环节，如故障诊断、能效优化等，但针对火电厂监盘报警系统的全面、系统的智能化研究仍显不足。目前尚缺乏一种能够充分利用人工智能大模型技术，对火电厂运行过程中的关键参数进行实时监控和智能分析的报警系统。

技术实现思路

1、本发明的目的在于克服现有技术的不足，提供一种基于人工智能的火电厂监盘报警系统及其实现方法，提升了火电厂监盘报警的智能化程度。

2、本发明的目的是通过以下方案实现的：

3、一种基于人工智能的火电厂监盘报警系统，包括：

4、数据提取模块，用于从监盘系统数据库中提取火电行业的历史监测数据，并对提取的数据进行清洗和处理，以生成标准化和完整化的火电行业数据集；

5、模型训练模块，用于经过接口认证和权限申请后，申请openai接口，并将清洗处理后的火电行业数据集提交至openai平台进行模型训练，以curie作为基础模型进行微调，以得到适用于火电行业的垂直大模型和部署于生产设备上的本地子模型；

6、安全通信模块，用于建立安全信道，定义系统安全参数，并采用加密的方式保障数据传输的机密性和完整性；同时，生产设备与辅助设备生成各自的公私钥对，并进行密钥交换，以确保安全通信；辅助设备基于密钥协商算法计算与生产设备的共享密钥，并利用该共享密钥生成包含实时数据的密文，然后发送给机组大数据中心；机组大数据中心收集这些密文，并发送给相应的生产设备进行解密和恢复操作；生产设备在接收到密文后，利用自身的私钥进行解密，并验证消息认证码的有效性，若验证通过，则接受优化后的本地大模型；同时，机组大数据中心对接收的实时数据进行验证，若验证等式成立，则接收该实时数据；否则，不予接受；

7、预警分析模块，用于将经过验证的实时数据输入到优化后的大模型中，大模型根据实时数据进行分析和处理，生成相应的预警信息。

8、一种基于人工智能的火电厂监盘报警系统的实现方法，包括如下步骤：

9、步骤一，从监盘系统数据库中提取火电行业的历史监测数据，并对提取的数据进行清洗和处理，以生成标准化和完整化的火电行业数据集；

10、经过接口认证和权限申请后，申请openai接口，并将清洗处理后的火电行业数据集提交至openai平台进行模型训练，以curie作为基础模型进行微调，以得到适用于火电行业的垂直大模型和部署于生产设备上的本地子模型；

11、步骤二，建立安全信道，定义系统安全参数，并采用加密的方式保障数据传输的机密性和完整性；同时，生产设备与辅助设备生成各自的公私钥对，并进行密钥交换，以确保安全通信；

12、辅助设备基于密钥协商算法计算与生产设备的共享密钥，并利用该共享密钥生成包含实时数据的密文，然后发送给机组大数据中心；机组大数据中心收集这些密文，并发送给相应的生产设备进行解密和恢复操作；

13、生产设备在接收到密文后，利用自身的私钥进行解密，并验证消息认证码的有效性，若验证通过，则接受优化后的本地大模型；同时，机组大数据中心对接收的实时数据进行验证，若验证等式成立，则接收该实时数据；否则，不予接受；

14、步骤三，机组大数据中心将经过验证的实时数据输入到优化后的大模型中，大模型根据实时数据进行分析和处理，生成相应的预警信息。

15、进一步地，所述步骤一中，所述火电行业数据集以json格式保存，每条数据包含多个条件字段以及是否触发预警的标识，以确保数据格式的统一性和可读性。

16、进一步地，所述步骤三还包括子步骤：机组大数据中心持续监控和验证接收到的数据，确保数据的质量和安全性，若数据验证未通过，则拒绝该数据并采取相应的安全措施。

17、进一步地，所述步骤二中，在密钥交换的过程中，生产设备和辅助设备通过密钥协商算法生成共享密钥。

18、进一步地，所述步骤二中，生产设备与辅助设备生成各自的公私钥对时，采用强随机数生成算法，以确保公私钥对的安全性和不可预测性。

19、进一步地，所述步骤二中，在定义系统安全参数时包括定义系统公共参数，该系统公共参数包含密钥长度、加密算法和哈希函数的关键信息，以保证密钥协商协议的安全性。

20、进一步地，所述步骤二还包括子步骤：计算密文的中间件，且在密文的中间件计算过程中包含对实时数据的哈希值处理，以确保数据的完整性和真实性。

21、进一步地，所述步骤二还包括子步骤：生成密文时，所述辅助设备使用对称加密算法对实时数据进行加密，以保证密文的安全性和不可破解性。

22、进一步地，所述步骤二还包括子步骤：生产设备验证消息认证码并接受优化后的本地大模型时，使用与机组大数据中心相同的验证算法和密钥，以确保验证过程的一致性和安全性。

23、本发明的有益效果包括：

24、（1）本发明利用深度学习和机器学习技术，对现有的通用大模型进行微调，通过引入火电行业的特定数据和知识，使得微调后的模型能够准确捕捉火电厂运行过程中的关键参数和模式，这种微调方法不仅继承了通用大模型的强大能力，还针对火电行业的特殊需求进行了优化，从而生成了符合火电行业要求的大模型。

25、（2）本发明通过采用分布式计算架构，将大模型的优化任务分配到多个计算节点上并行处理，同时，结合先进的优化算法和模型架构，对火电行业大模型进行进一步训练和优化，以提升其准确率和性能。

26、（3）本发明提出了新的数据签密机制，采用先进的加密算法和签名技术，对火电厂煤机燃机的实时数据进行加密和签名处理，通过该机制，可以实现在不依赖安全信道的前提下，确保数据在传输过程中的安全性和完整性，同时实现数据的可认证性。