本發(fā)明屬于發(fā)電企業(yè)溫度測(cè)量分析，具體涉及自動(dòng)化溫度測(cè)量與故障分析方法及相關(guān)系統(tǒng)。

背景技術(shù)：

1、隨著工業(yè)自動(dòng)化程度的不斷提高，發(fā)電企業(yè)等能源行業(yè)對(duì)于設(shè)備運(yùn)行的安全性和穩(wěn)定性要求日益嚴(yán)格。在發(fā)電企業(yè)發(fā)電過(guò)程中，溫度是影響設(shè)備性能和安全的關(guān)鍵因素之一。發(fā)電企業(yè)溫度測(cè)量分析，是針對(duì)發(fā)電企業(yè)運(yùn)行過(guò)程中關(guān)鍵部位溫度進(jìn)行監(jiān)測(cè)和控制的重要手段，旨在確保設(shè)備安全、高效運(yùn)行。發(fā)電企業(yè)溫度測(cè)量分析對(duì)于保障發(fā)電企業(yè)設(shè)備安全、高效運(yùn)行具有重要意義。隨著我國(guó)電力行業(yè)的不斷發(fā)展，發(fā)電企業(yè)溫度測(cè)量分析技術(shù)將不斷完善，為電力生產(chǎn)提供有力支持。通過(guò)精確的溫度測(cè)量和分析，有助于提高發(fā)電企業(yè)運(yùn)行管理水平，降低生產(chǎn)成本，促進(jìn)電力行業(yè)可持續(xù)發(fā)展。

2、但是傳統(tǒng)的溫度監(jiān)測(cè)系統(tǒng)通常溫度測(cè)量系統(tǒng)往往缺乏有效的數(shù)據(jù)處理和分析能力，導(dǎo)致在測(cè)量過(guò)程中容易受到環(huán)境噪聲和設(shè)備本身誤差的影響，從而降低了測(cè)量數(shù)據(jù)的準(zhǔn)確性和可靠性。同時(shí)在識(shí)別潛在故障和提前預(yù)警方面存在不足，往往只能在故障發(fā)生后才能采取補(bǔ)救措施，這不僅影響了電廠的正常發(fā)電，還可能造成設(shè)備損壞和安全事故。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于克服測(cè)量過(guò)程中容易受到環(huán)境噪聲和設(shè)備本身誤差的影響，從而降低了測(cè)量數(shù)據(jù)的準(zhǔn)確性和可靠性的不足，提供自動(dòng)化溫度測(cè)量與故障分析方法及相關(guān)系統(tǒng)。

2、為了達(dá)到上述目的，本發(fā)明采用如下技術(shù)方案：

3、第一方面，本發(fā)明提供自動(dòng)化溫度測(cè)量與故障分析方法，包括以下步驟：

4、獲取目標(biāo)物體的溫度信息，對(duì)溫度信息進(jìn)行預(yù)處理，得到所需的溫度數(shù)字信號(hào)；

5、對(duì)溫度數(shù)字信息進(jìn)行分析，提取所需的數(shù)據(jù)特征，并識(shí)別運(yùn)行模式，根據(jù)數(shù)據(jù)特征和運(yùn)行模式，進(jìn)行溫度趨勢(shì)預(yù)測(cè)；

6、將預(yù)測(cè)的溫度趨勢(shì)與預(yù)設(shè)的溫度趨勢(shì)進(jìn)行對(duì)比，當(dāng)對(duì)比結(jié)果在預(yù)設(shè)閾值范圍內(nèi)，則重新對(duì)比；否則，根據(jù)預(yù)測(cè)的溫度趨勢(shì)，提取溫度信息中的異常數(shù)據(jù)；

7、根據(jù)溫度信息中的異常數(shù)據(jù)，生成故障類型，根據(jù)故障類型，得到優(yōu)化策略。

8、本發(fā)明進(jìn)一步的改進(jìn)在于，對(duì)溫度信息進(jìn)行預(yù)處理的具體方法如下：

9、將溫度信息的模擬信號(hào)進(jìn)行放大、濾波和線性化處理，將處理后的溫度信息轉(zhuǎn)換為數(shù)字信號(hào)。

10、本發(fā)明進(jìn)一步的改進(jìn)在于，當(dāng)對(duì)比結(jié)果不在預(yù)設(shè)閾值范圍內(nèi)，進(jìn)行聲光報(bào)警。

11、本發(fā)明進(jìn)一步的改進(jìn)在于，對(duì)溫度數(shù)字信息進(jìn)行分析，提取所需的數(shù)據(jù)特征的具體方法如下：

12、將溫度數(shù)字信息轉(zhuǎn)換為特征向量；

13、建立svm算法模型，采用特征向量對(duì)svm算法模型進(jìn)行訓(xùn)練，得到能夠區(qū)分溫度數(shù)據(jù)的正常模式和異常模式的svm算法模型；

14、將溫度數(shù)字信息輸入到建立好的svm算法模型中，得到所需的數(shù)據(jù)特征。

15、本發(fā)明進(jìn)一步的改進(jìn)在于，好的svm算法模型的計(jì)算方法如下：

16、

17、其中，為拉格朗日乘子，為數(shù)據(jù)特征的數(shù)量，為第個(gè)數(shù)據(jù)特征的類別標(biāo)簽，為核函數(shù)。

18、本發(fā)明進(jìn)一步的改進(jìn)在于，根據(jù)溫度信息中的異常數(shù)據(jù)，生成故障類型的具體方法如下：

19、使用決策樹(shù)算法對(duì)異常數(shù)據(jù)進(jìn)行分類，遞歸的對(duì)分類后的異常數(shù)據(jù)進(jìn)行選擇，得到具有最高信息增益的異常數(shù)據(jù)，對(duì)具有最高信息增益的異常數(shù)據(jù)進(jìn)行分析，得到故障類型。

20、本發(fā)明進(jìn)一步的改進(jìn)在于，遞歸的對(duì)分類后的異常數(shù)據(jù)進(jìn)行選擇，得到具有最高信息增益的異常數(shù)據(jù)的方法如下：

21、

22、其中，為信息增益，為類別y的熵，為特征x給定的情況下類別y的條件熵。

23、第二方面，本發(fā)明提供自動(dòng)化溫度測(cè)量與故障分析系統(tǒng)，包括：

24、數(shù)據(jù)獲取模塊，用于獲取目標(biāo)物體的溫度信息，對(duì)溫度信息進(jìn)行預(yù)處理，得到所需的溫度數(shù)字信號(hào)；

25、趨勢(shì)預(yù)測(cè)模塊，用于對(duì)溫度數(shù)字信息進(jìn)行分析，提取所需的數(shù)據(jù)特征，并識(shí)別運(yùn)行模式，根據(jù)數(shù)據(jù)特征和運(yùn)行模式，進(jìn)行溫度趨勢(shì)預(yù)測(cè)；

26、數(shù)據(jù)對(duì)比模塊，用于將預(yù)測(cè)的溫度趨勢(shì)與預(yù)設(shè)的溫度趨勢(shì)進(jìn)行對(duì)比，當(dāng)對(duì)比結(jié)果在預(yù)設(shè)閾值范圍內(nèi)，則重新對(duì)比；否則，根據(jù)預(yù)測(cè)的溫度趨勢(shì)，提取溫度信息中的異常數(shù)據(jù)；

27、故障分析模塊，用于根據(jù)溫度信息中的異常數(shù)據(jù)，生成故障類型，根據(jù)故障類型，得到優(yōu)化策略。

28、第三方面，本發(fā)明提供一種電子設(shè)備，包括存儲(chǔ)器和處理器，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)自動(dòng)化溫度測(cè)量與故障分析方法的步驟。

29、第四方面，本發(fā)明提供一種存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)自動(dòng)化溫度測(cè)量與故障分析方法的步驟。

30、與現(xiàn)有技術(shù)相比，本發(fā)明具有如下有益效果：

31、本發(fā)明通過(guò)對(duì)溫度數(shù)據(jù)的預(yù)處理，有效地過(guò)濾掉環(huán)境噪聲及設(shè)備本身的誤差影響，從而獲得更準(zhǔn)確的溫度數(shù)據(jù)。這種數(shù)據(jù)預(yù)處理可以消除溫度測(cè)量中的隨機(jī)噪聲，提高了測(cè)量精度。本發(fā)明通過(guò)溫度趨勢(shì)的預(yù)測(cè)和異常數(shù)據(jù)的提取，可以及早識(shí)別溫度異常，預(yù)測(cè)潛在的故障。這種趨勢(shì)預(yù)測(cè)與對(duì)比的過(guò)程，幫助在故障發(fā)生前發(fā)現(xiàn)問(wèn)題，實(shí)現(xiàn)提前干預(yù)，提升了故障診斷的效率。本發(fā)明基于預(yù)測(cè)結(jié)果生成的優(yōu)化策略能夠在故障發(fā)生前進(jìn)行相應(yīng)調(diào)整，降低設(shè)備停機(jī)或維修的概率，從而優(yōu)化了系統(tǒng)的整體運(yùn)行效率，減少了維護(hù)成本。本發(fā)明當(dāng)溫度趨勢(shì)預(yù)測(cè)結(jié)果與預(yù)設(shè)趨勢(shì)對(duì)比偏離閾值時(shí)，可動(dòng)態(tài)進(jìn)行重新對(duì)比和分析，保證了系統(tǒng)的自適應(yīng)性。這種反饋機(jī)制幫助設(shè)備在復(fù)雜環(huán)境中維持穩(wěn)定的溫度監(jiān)測(cè)性能，增加了系統(tǒng)的魯棒性和可靠性。本發(fā)明通過(guò)提取異常數(shù)據(jù)并生成故障類型，能夠更加全面地分析設(shè)備的運(yùn)行狀態(tài)，提高了設(shè)備的穩(wěn)定性和可靠性，確保設(shè)備在長(zhǎng)時(shí)間運(yùn)行中的安全性。終上所述，本發(fā)明顯著克服了傳統(tǒng)測(cè)量方法受外界干擾較大的缺陷，能夠更精準(zhǔn)、有效地支持設(shè)備的健康管理和運(yùn)行優(yōu)化。

技術(shù)特征：

1.自動(dòng)化溫度測(cè)量與故障分析方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的自動(dòng)化溫度測(cè)量與故障分析方法，其特征在于，對(duì)溫度信息進(jìn)行預(yù)處理的具體方法如下：

3.根據(jù)權(quán)利要求1所述的自動(dòng)化溫度測(cè)量與故障分析方法，其特征在于，當(dāng)對(duì)比結(jié)果不在預(yù)設(shè)閾值范圍內(nèi)，進(jìn)行聲光報(bào)警。

4.根據(jù)權(quán)利要求1所述的自動(dòng)化溫度測(cè)量與故障分析方法，其特征在于，對(duì)溫度數(shù)字信息進(jìn)行分析，提取所需的數(shù)據(jù)特征的具體方法如下：

5.根據(jù)權(quán)利要求4所述的自動(dòng)化溫度測(cè)量與故障分析方法，其特征在于，好的svm算法模型的計(jì)算方法如下：

6.根據(jù)權(quán)利要求1所述的自動(dòng)化溫度測(cè)量與故障分析方法，其特征在于，根據(jù)溫度信息中的異常數(shù)據(jù)，生成故障類型的具體方法如下：

7.根據(jù)權(quán)利要求6所述的自動(dòng)化溫度測(cè)量與故障分析方法，其特征在于，遞歸的對(duì)分類后的異常數(shù)據(jù)進(jìn)行選擇，得到具有最高信息增益的異常數(shù)據(jù)的方法如下：

8.自動(dòng)化溫度測(cè)量與故障分析系統(tǒng)，其特征在于，包括：

9.一種電子設(shè)備，包括存儲(chǔ)器和處理器，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)權(quán)利要求1至7中任一項(xiàng)所述的自動(dòng)化溫度測(cè)量與故障分析方法的步驟。

10.一種存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1至7中任一項(xiàng)所述的自動(dòng)化溫度測(cè)量與故障分析方法的步驟。

技術(shù)總結(jié)
本發(fā)明屬于發(fā)電企業(yè)溫度測(cè)量分析技術(shù)領(lǐng)域，具體涉及自動(dòng)化溫度測(cè)量與故障分析方法及相關(guān)系統(tǒng)，本發(fā)明通過(guò)對(duì)溫度數(shù)據(jù)的預(yù)處理，有效地過(guò)濾掉環(huán)境噪聲及設(shè)備本身的誤差影響，從而獲得更準(zhǔn)確的溫度數(shù)據(jù)。這種數(shù)據(jù)預(yù)處理可以消除溫度測(cè)量中的隨機(jī)噪聲，提高了測(cè)量精度。本發(fā)明通過(guò)溫度趨勢(shì)的預(yù)測(cè)和異常數(shù)據(jù)的提取，可以及早識(shí)別溫度異常，預(yù)測(cè)潛在的故障。這種趨勢(shì)預(yù)測(cè)與對(duì)比的過(guò)程，幫助在故障發(fā)生前發(fā)現(xiàn)問(wèn)題，實(shí)現(xiàn)提前干預(yù)，提升了故障診斷的效率。本發(fā)明基于預(yù)測(cè)結(jié)果生成的優(yōu)化策略能夠在故障發(fā)生前進(jìn)行相應(yīng)調(diào)整，降低設(shè)備停機(jī)或維修的概率，從而優(yōu)化了系統(tǒng)的整體運(yùn)行效率，減少了維護(hù)成本。

技術(shù)研發(fā)人員：聶庚辛,馮庭有,陳鐵軍,謝煥彪,常青松,劉宇鑫,李偉,于利源
受保護(hù)的技術(shù)使用者：華能（廣東）能源開(kāi)發(fā)有限公司海門(mén)電廠
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/9