基于大数据分析智能电厂事故预警系统的制作方法

本发明涉及智能预警，特别涉及基于大数据分析智能电厂事故预警系统。

背景技术：

1、科学技术的发展，电的存在是功不可没的，电力生产工作连续性强、安全可靠要求性高，但是当前电厂的抄表多使用人工抄写，很多复杂设备故障，仅靠耳听、手摸与简单仪器的测量，不能准确预测故障的发生与对应设备的工况恶化趋势，突发设备故障造成安全隐患也不能及时发现。

2、因此，本发明提供基于大数据分析智能电厂事故预警系统。

技术实现思路

1、本发明提供基于大数据分析智能电厂事故预警系统，用以通过提取历史运行过程中的故障数据，并进行分类整合，根据整合数据对应的故障数据得出单次故障参数与连续故障参数，根据故障事件节点生成故障关联区间，综合故障参数与故障关联区间对故障进行故障事件分级，根据故障事件等级构建预警模型，以实现对电表抄写过程的简化，对故障发生的预测与故障累计之后的安全隐患排除。

2、本发明提供基于大数据分析智能电厂事故预警系统，其特征在于，包括：

3、故障数据获取模块：获取历史运行过程中的故障数据，根据电厂生产流程对故障数据进行分类整合；

4、故障参数模块：获取每类整合数据对应的故障发生次数、每次发生故障故障严重程度以及故障类型，并得出每次故障发生下的单次故障参数以及连锁故障参数；

5、时间确定模块：采集每次故障发生的故障时间点，根据故障时间点生成故障关联区间，其中，故障关联区间包括故障前时间区间与故障后时间区间；

6、预警模型构建模块：综合所有类下的单次故障参数以及连锁故障参数，且结合每次故障发生的故障关联区间，确定不同故障关联区间的故障事件等级以及与故障事件等级匹配的故障预警信息，构建预警模型；

7、信号输入模块：捕捉电厂生产流程的当下运行信息，并输入到预警模型中进行事故预警。

8、本发明提供基于大数据分析智能电厂事故预警系统，其特征在于，故障数据获取模块，包括：

9、运行数据获取单元：从电厂的sis数据库中获取电厂生产流程中的历史运行过程，对历史运行过程中产生的历史运行数据进行数据整理与补充；

10、其中，历史运行数据的整理包括对缺失数据的补足，错误数据的筛选，重复数据的合并，得出整理后历史运行数据；

11、故障数据提取单元：获取历史运行数据中记载的故障数据，并将所有的的故障数据进行归一化处理，得出初始故障数据；

12、分类整合单元：将电厂生产流程根据对应设备的功能进行划分，并根据划分后的生产流程对初始故障数据进行分类整合。

13、本发明提供基于大数据分析智能电厂事故预警系统，其特征在于，分类整合单元，包括：

14、矩阵构建块：建立生产流程的设备运行的t时刻状态矩阵：

15、

16、其中，n表示电厂生产流程中的设备按照功能划分后共有n种，即设备种类总数为n；b11表示t时刻第1个设备种类的第1个状态值；b21表示t时刻第1个设备种类的第2个状态值；表示t时刻第1个设备种类的第m1个状态值；m1表示第1个设备种类在t时刻可测得有用状态值的检测点的数量；

17、b12表示t时刻第2个设备种类的第1个状态值；b22表示t时刻第2个设备种类的第2个状态值；表示t时刻第2个设备种类的第m2个状态值；m1表示第2个设备种类在t时刻可测得有用状态值的检测点的数量；

18、b1n表示t时刻第n个设备种类的第1个状态值；b2n表示t时刻第n个设备种类的第2个状态值；表示t时刻第n个设备种类的第m2个状态值；mj表示第n个设备种类在t时刻可测得有用状态值的检测点的数量；根据max(mj)得出t时刻所有设备种类中可测得有用状态值的监测点的最大数量，根据所述最大数量对所有行向量进行补零操作，最终形成max(mj)列n行的矩阵；

19、根据实时状态矩阵中t时刻对应设备种类的标准运行状态获取对应标准状态矩阵；

20、权重计算块：根据所述实时状态矩阵与所述标准状态矩阵进行对应种类设备的状态值的权重计算：

21、

22、其中，在t时刻，li表示t时刻状态矩阵的第i行行向量与所述标准状态矩阵的第i行行向量的距离权重值；h表示宽度系数；sik1表示标准状态矩阵的第i种设备种类对应的第k1个标准状态值；bik1表示t时刻状态矩阵中第i种设备种类对应的第k1个状态值；

23、权重值表示对应点数据每次发生故障故障的严重程度，根据预设权重值范围对初始故障数据进行分类整合。

24、本发明提供基于大数据分析智能电厂事故预警系统，其特征在于，故障参数模块，包括：

25、故障判断单元：根据初始故障发生时刻与发生设备种类的连接性判断故障为单次故障或连锁故障；

26、参数确定单元：若为单次故障，则获取所述单次故障的故障发生次数、故障严重程度与故障类型确定单次故障参数；

27、若为连锁故障，则判断连锁故障中的首发故障，根据首发故障的故障发生次数、首发故障造成的连锁故障的故障严重程度，与对应故障类型中的严重程度占比最高的故障类型为连锁故障类型，根据所述故障发生次数、故障严重程度与故障类型确定连锁故障参数。

28、本发明提供基于大数据分析智能电厂事故预警系统，其特征在于，时间确定模块，包括：

29、故障性质判断单元：根据故障时间点前的对应设备的数据畸变情况，判断对应故障是否具有预见性，得出可预见故障与不可预见故障；

30、区间确定单元：对可预见故障的故障发生时间点之前的实时数据与标准数据进行比较，确定数据发生畸变的初级故障前时间区间，同时根据所述可预见故障的故障发生次数与故障严重程度对故障前的时间区间进行时间区间调整，得出故障前时间区间；

31、将所述可预见故障的故障发生后的维修时间作为故障后时间区间，根据故障后的状态量的波动情况确定故障后时间区间；

32、对不可预见故障的故障原因进行溯源分析，并对故障原因的发生概率进行计算，得出对应不可预见故障的检测时间与检测操作；

33、综合故障前时间区间与故障后时间区间得出故障关联区间。

34、本发明提供基于大数据分析智能电厂事故预警系统，其特征在于，预警模型构建模块，包括：

35、参数调整单元：根据对应设备的使用时间与发生故障的数量对该设备的单次故障参数以及连锁故障参数进行参数调整，得出调整后单次故障参数以及连锁故障参数；

36、等级划分单元：根据每次故障发生的故障关联区间和对应故障的调整后单次故障参数以及连锁故障参数在故障关联-参数-等级表匹配，确定对应故障事件等级；

37、基础模型构建单元：根据等级-预警表中匹配对应设备的故障事件等级的对应故障预警信息，综合所有设备的所有故障预警信息构建基础预警模型。

38、本发明提供基于大数据分析智能电厂事故预警系统，其特征在于，基础预警模型，包括：

39、根据设备所处地点温湿度变化情况与空气状况对基础预警模型进行环境相关参数附加与原有环境参数调整，对相应故障预警信息进行最后的等级调整，根据调整结果对基础预警模型进行下参数更新，得出预警模型。

40、本发明提供基于大数据分析智能电厂事故预警系统，其特征在于，信号输入模块，包括：

41、根据电厂生产流程中的当下运行信息，输入到预警模型得出对应故障区域的所需维修设备，并根据所述所需维修设备在生产流程中处于位置对上级设备与下级设备进行锁定，预警模块判断工作人员出入口的最优解，并将对应信息进行上传，进行事故预警。

42、本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

43、下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。