基于数字孪生的蓄热式热力焚烧炉系统故障预测方法及系统与流程

本发明涉及智能故障预测，具体为基于数字孪生的蓄热式热力焚烧炉系统故障预测方法及系统。

背景技术：

1、焚烧炉系统是处理各类废弃物，如垃圾、化学废料等的重要设备。在其运行过程中，由于操作参数、环境条件、设备状态等多种因素的影响，可能会出现各种故障。这些故障不仅影响了焚烧炉系统的正常运行和效率，还可能对环境和人员安全构成威胁。

2、根据中国专利申请号为cn202311741959.6公开了一种基于人工智能的焚烧炉系统故障预测方法及系统，将焚烧炉系统的初始化运行焚烧控制实例作为基础焚烧控制实例，通过故障检测网络对其涵盖的故障路径矢量进行检测，并以此生成对应的实例聚类属性和焚烧异常类别，可以有效地模拟特定焚烧控制实例对焚烧控制实例的影响，并预测可能出现的异常情况。进一步地，通过执行仿真流程以虚拟化运行对每个故障路径矢量的参数应用指令，能够更深入地理解各种操作指令如何影响焚烧过程。最后，通过构建知识成员和知识链路，并生成焚烧故障知识图谱，实现了对焚烧炉系统中各种可能故障的全面、深入地理解和分析。

3、部分现有的热力焚烧炉系统在使用的过程中，大多数是通过传感器来对焚烧过程中的参数进行获取，并对参数进行监测分析，针对存在异常的参数则进行调节，这样的调节方式不能综合焚烧炉整体的状态进行原因分析，单一的调节只能短暂地实现焚烧炉的状态正常，并没有实现对出现异常的原因进行分析，从而不方便后续出现相同情况时的调节和危险预测，严重情况下可能会对人员安全构成威胁。

技术实现思路

1、针对现有技术的不足，本发明提供了基于数字孪生的蓄热式热力焚烧炉系统故障预测方法及系统，解决了单一的传感器数据监测并进行参数调节不能实现对异常原因进行定位，同时不能对参数异常带来的危险进行预测的问题。

2、为实现以上目的，本发明通过以下技术方案予以实现：基于数字孪生的蓄热式热力焚烧炉系统故障预测方法，该方法具体包括以下步骤：

3、步骤一：根据获取的历史数据进行数据分析得到正确数据和错误数据，同时基于正确数据建立数字孪生模型，并将实时参数代入模型得到分析结果，且分析结果包括：状态正常结果和状态异常结果；

4、步骤二：对分析结果为异常状态结果进行分析，比较实时状态参数与标准参数的关系，将实时参数进行分类得到正常参数和异常参数，并分别对正常参数和异常参数进行分析；

5、步骤三：对分类得到的正常参数进行监测分析，并结合历史数据对正常参数进行周期性持续监测，根据正常参数的变化及对应的正常范围值进行综合分析生成正常信号和预警信号；

6、步骤四：对分类得到的异常参数进行分析，根据历史数据对异常参数存在的风险影响进行分析生成预警信号。

7、作为本发明的进一步方案：所述步骤一中将实时参数代入模型得到分析结果的具体方式为：

8、获取热力焚烧炉对应的历史数据，并对历史数据中的正确数据和错误数据进行识别，同时对正确数据进行特征提取得到数据特征，接着根据数据特征建立热力焚烧炉的数字孪生模型；

9、接着获取热力焚烧炉当前的实时参数，并将实时参数代入数字孪生模型中，由数字孪生模型根据实时参数对热力焚烧炉状态进行分析生成分析结果，且分析结果包括正常状态结果和异常状态结果。

10、作为本发明的进一步方案：所述步骤三中对正常参数进行监测分析的具体方式为：

11、对历史数据进行获取，同时获取历史数据中所有工作状态正常对应的工作参数记作比较参数，并根据比较参数生成对应的正常区间，接着以时间t为周期对正常参数进行监测，对时间周期t内正常参数的变化情况进行获取，同时将变化情况进行分类得到稳定变化和不稳定变化。

12、作为本发明的进一步方案：步骤三中对稳定变化和不稳定变化情况进行分析的具体方式为：

13、对变化情况为稳定变化进行分析，获取相邻时间周期t对应的正常参数，并将两个时间周期对应的正常参数进行比较，若相邻时间周期t内的正常参数未发生变化，则表示热力焚烧炉整体状态正常，并生成正常信号，反之若相邻时间周期t内的正常参数发生变化，则将相邻时间周期t的正常参数与正常区间进行比较，若正常参数属于正常区间，则表示热力焚烧炉正常状态正常，并生成正常信号，反之若正常参数不属于正常区间，则表示热力焚烧炉正常状态异常，并生成预警信号；

14、对变化情况为不稳定变化进行分析，将相邻时间周期y的正常参数与正常区间进行比较，若正常参数属于正常区间，则生成二次分析信号，反之若正常参数不属于正常区间，则表示热力焚烧炉正常状态异常，并生成预警信号，并对生成的二次分析信号进行处理。

15、作为本发明的进一步方案：步骤三中对生成的二次分析信号进行处理的具体方式为：

16、对历史数据中对应的相同记录进行获取，并对相同记录中存在风险情况的记录数量进行获取，同时计算对应的风险记录占比，接着将风险记录占比与预设值进行比较，若风险记录占比大于预设值，则生成预警信号，反之若风险记录占比小于预设值，则生成正常信号。

17、作为本发明的进一步方案：所述步骤四中对异常参数进行分析的具体方式为：

18、获取历史数据，并对历史数据中与异常参数相同情况的历史记录进行获取，同时判断历史记录是否存在风险记录，若存在风险记录，则将对应的风险记录进行获取，并获取对应的无风险记录；

19、接着对所有的风险记录进行分析，并对风险记录的种类进行识别，若风险记录的种类只存在一种类型，则以对应的风险记录生成预警信号，若风险记录的种类存在多种类型，则按照风险种类对风险记录进行分类并标号为i，且i=1、2、…、j，其中j表示风险种类数量，接着对不同风险种类对应的风险记录数量进行获取记作li，并对同类型风险种类的风险特征进行提取，同时获取异常参数对应的异常特征，并将异常特征与风险特征进行匹配对风险记录进行筛选得到预选记录；

20、接着获取无风险记录，并对无风险记录中的参数特征进行提取，同时将无风险记录的参数特征与预选记录的风险特征进行匹配得到具体风险信息，接着生成预警信号。

21、作为本发明的进一步方案：基于数字孪生的蓄热式热力焚烧炉系统故障预测系统，包括：数据采集模块、模型建立分析模块，异常状态分析模块、预警分析模块和预测信息输出模块；

22、数据采集模块，该模块用于将历史数据和实时参数进行获取，并将二者传输到模型建立分析模块；

23、模型建立分析模块，该模块用于根据历史数据并结合人工智能算法建立数字孪生模型，同时将实时参数代入数字孪生模型得到正常状态结果和异常状态结果，将异常状态结果传输到异常状态分析模块；

24、异常状态分析模块，该模块用于对异常状态结果进行分析，并将实时状态参数与标准参数比较分类得到正常参数和异常参数，并将异常参数传输到预警分析模块，针对正常参数，并结合历史数据对正常参数进行周期性持续监测，根据正常参数的变化及对应的正常范围值进行综合分析生成正常信号和预警信号，同时将生成的正常信号和预警信号传输到预测信息输出模块；

25、预警分析模块，该模块用于对获取的异常参数进行分析，根据历史数据对异常参数存在的风险影响进行分析生成预警信号，同时将生成的预警信号传输到预测信息输出模块；

26、预测信息输出模块，该模块用于将获取的预警信号、正常状态结果和正常信号显示给对应的操作人员。

27、本发明提供了基于数字孪生的蓄热式热力焚烧炉系统故障预测方法及系统。与现有技术相比具备以下有益效果：

28、本发明通过根据历史数据中的正确数据，并利用数字孪生技术和人工智能识别技术来建立对应的数字孪生模型，通过将实时参数代入模型中分析得到焚烧炉整体的工作状态，且针对异常工作状态，则根据对应的异常数据来进行分析，在分析的过程中综合历史数据中相同情况的记录进行系统的分析，一方面能够提高分析的精准度，另一方面能够实现对异常数据对应的具体原因的定位功能，从而及时地发现故障原因，同时能够从异常数据的变化来对整体的故障情况进行预测。