CN115081926B - 一种适用于智能电厂的运行安全预警方法及*** - Google Patents
一种适用于智能电厂的运行安全预警方法及*** Download PDFInfo
- Publication number
- CN115081926B CN115081926B CN202210822849.1A CN202210822849A CN115081926B CN 115081926 B CN115081926 B CN 115081926B CN 202210822849 A CN202210822849 A CN 202210822849A CN 115081926 B CN115081926 B CN 115081926B
- Authority
- CN
- China
- Prior art keywords
- fault
- early warning
- association
- data
- data model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000013499 data model Methods 0.000 claims abstract description 114
- 238000004519 manufacturing process Methods 0.000 claims abstract description 65
- 230000010354 integration Effects 0.000 claims abstract description 44
- 238000012544 monitoring process Methods 0.000 claims abstract description 28
- 238000001514 detection method Methods 0.000 claims abstract description 9
- 230000002159 abnormal effect Effects 0.000 claims description 25
- 238000006243 chemical reaction Methods 0.000 claims description 23
- 206010000117 Abnormal behaviour Diseases 0.000 claims description 11
- 238000012795 verification Methods 0.000 claims description 11
- 238000011156 evaluation Methods 0.000 claims description 10
- 230000003993 interaction Effects 0.000 claims description 7
- 238000010219 correlation analysis Methods 0.000 claims description 6
- 230000009471 action Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000005856 abnormality Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 2
- 238000010248 power generation Methods 0.000 abstract description 23
- 230000000694 effects Effects 0.000 abstract description 10
- 230000002265 prevention Effects 0.000 abstract description 4
- 238000012545 processing Methods 0.000 abstract description 4
- 238000012423 maintenance Methods 0.000 description 28
- 230000008569 process Effects 0.000 description 21
- 230000008030 elimination Effects 0.000 description 13
- 238000003379 elimination reaction Methods 0.000 description 13
- 238000007726 management method Methods 0.000 description 8
- 238000012549 training Methods 0.000 description 8
- 230000006399 behavior Effects 0.000 description 7
- 238000010276 construction Methods 0.000 description 6
- 230000008439 repair process Effects 0.000 description 6
- 230000006378 damage Effects 0.000 description 4
- 230000001681 protective effect Effects 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000012163 sequencing technique Methods 0.000 description 3
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 2
- 238000012098 association analyses Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000001815 facial effect Effects 0.000 description 2
- 230000003449 preventive effect Effects 0.000 description 2
- 238000005067 remediation Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 206010033799 Paralysis Diseases 0.000 description 1
- 229910021529 ammonia Inorganic materials 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000003365 glass fiber Substances 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 231100000572 poisoning Toxicity 0.000 description 1
- 230000000607 poisoning effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000010298 pulverizing process Methods 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- GOLXNESZZPUPJE-UHFFFAOYSA-N spiromesifen Chemical compound CC1=CC(C)=CC(C)=C1C(C(O1)=O)=C(OC(=O)CC(C)(C)C)C11CCCC1 GOLXNESZZPUPJE-UHFFFAOYSA-N 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
- 230000003245 working effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/12—Fingerprints or palmprints
- G06V40/1347—Preprocessing; Feature extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/12—Fingerprints or palmprints
- G06V40/1365—Matching; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/70—Multimodal biometrics, e.g. combining information from different biometric modalities
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/24—Reminder alarms, e.g. anti-loss alarms
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Strategic Management (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Entrepreneurship & Innovation (AREA)
- Emergency Management (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Computing Systems (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明提供了一种适用于智能电厂的运行安全预警方法及***,涉及电数字数据处理技术领域,其中,所述方法包括:对历史故障进行分类整合并根据火力发电生产流程进行划分,得到划分分类整合数据,根据划分分类整合数据确定故障关联参数以及关联比例,依据故障时间节点生成故障关联区间,根据划分分类整合数据、故障关联区间确定影响关联参数集合,并确定每个影响关联参数的影响权重,根据故障关联参数和影响关联参数集合构建多层次数据模型,将监测数据输入多层次数据模型得到运行安全预警结果。解决了现有技术中电厂故障预警依赖于人工经验导致故障发现晚,多事后补救的技术问题。达到了电厂故障事前防范,事故早发现早预防早处理的技术效果。
Description
技术领域
本发明涉及电数字数据处理技术领域,具体涉及一种适用于智能电厂的运行安全预警方法及***。
背景技术
在火力发电厂中,为避免发生安全事故,维持发电厂设备正常运行以及保护工作人员生命安全,通常采取配备运行岗位工程师,通过运行岗位工程师进行电厂全局***工艺参数的数据分析、操作调整以及事故处理。
电厂运营对于运行岗位工程师的可靠性要求极高,对于电厂运行管理造成极大的挑战,并且基于人工进行设备状态和参数监控存在人才培养周期长,对于电厂运行故障的发现时间和警报时间较晚且多采用事后处理进行故障消除,导致故障消除耗费的成本也较高。
现有技术中存在电厂故障预警依赖于人工经验,故障发觉和警报时间较晚,导致多采用事后处理进行故障消除,导致消除故障成本高,干扰电厂正常电力生产的技术问题。
发明内容
本申请提供了一种适用于智能电厂的运行安全预警方法及***,用于针对解决现有技术中存在电厂故障预警依赖于人工经验,故障发觉和警报时间较晚,导致多采用事后处理进行故障消除,导致消除故障成本高,干扰电厂正常电力生产的技术问题。
鉴于上述问题,本申请提供了一种适用于智能电厂的运行安全预警方法及***。
本申请的第一个方面,提供了一种适用于智能电厂的运行安全预警方法,所述方法包括:采集历史运行故障信息,并根据所述历史运行故障信息进行信息整合,得到分类整合数据;根据生产流程进行所述分类整合数据的流程划分,得到划分分类整合数据;根据所述划分分类整合数据进行故障的第一故障关联参数确定,并标识所述第一故障关联参数的关联比例;采集故障时间节点,并依据所述故障时间节点生成故障关联区间;根据所述划分分类整合数据、所述故障关联区间进行影响关联参数确定,得到影响关联参数集合,且所述影响关联参数集合中每个影响关联参数具有影响权重;根据所述第一故障关联参数和所述影响关联参数集合构建多层次数据模型;将电厂的监测数据输入所述多层次数据模型,得到运行安全预警结果。
本申请的第二个方面,提供了一种适用于智能电厂的运行安全预警***,所述***包括:故障信息采集模块,用于采集历史运行故障信息,并根据所述历史运行故障信息进行信息整合,得到分类整合数据;数据划分分类模块,用于根据生产流程进行所述分类整合数据的流程划分,得到划分分类整合数据;关联参数计算模块,用于根据所述划分分类整合数据进行故障的第一故障关联参数确定,并标识所述第一故障关联参数的关联比例;关联区间生成模块,用于采集故障时间节点,并依据所述故障时间节点生成故障关联区间;参数权重获得模块,用于根据所述划分分类整合数据、所述故障关联区间进行影响关联参数确定,得到影响关联参数集合,且所述影响关联参数集合中每个影响关联参数具有影响权重;数据模型构建模块,用于根据所述第一故障关联参数和所述影响关联参数集合构建多层次数据模型;预警结果输出模块,用于将电厂的监测数据输入所述多层次数据模型,得到运行安全预警结果。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请实施例提供的方法通过采集历史运行故障信息,并根据所述历史运行故障信息进行信息整合,得到分类整合数据,根据生产流程进行所述分类整合数据的流程划分,得到划分分类整合数据,实现了对引起单次故障的多项故障因素进行整合,为后续进行火电厂故障连锁反应溯源提供信息基础。根据所述划分分类整合数据进行故障的第一故障关联参数确定,并标识所述第一故障关联参数的关联比例,实现了获知引起火电厂故障连锁反应的最初故障在整个故障发生中的责任占比。采集故障时间节点,并依据所述故障时间节点生成故障关联区间;根据所述划分分类整合数据、所述故障关联区间进行影响关联参数确定,得到影响关联参数集合;根据所述第一故障关联参数和所述影响关联参数集合构建多层次数据模型,实现将电厂的监测数据输入所述多层次数据模型后,即可得到准确的运行安全预警结果提示工作人员进行故障处理。达到了降低电厂安全风险管控对于人工经验的依赖性,电厂故障实现事前防范,降低设备故障引起电厂运行风险概率,实现电厂安全故障早发现早预防的技术效果。
附图说明
图1为本申请提供的一种适用于智能电厂的运行安全预警方法流程示意图;
图2为本申请提供的一种适用于智能电厂的运行安全预警方法中进行初始异常安全预警的流程示意图;
图3为本申请提供的一种适用于智能电厂的运行安全预警方法中进行识别用户提醒预警的流程示意图;
图4为本申请提供的一种适用于智能电厂的运行安全预警***的结构示意图。
附图标记说明:故障信息采集模块11,数据划分分类模块12,关联参数计算模块13,关联区间生成模块14,参数权重获得模块15,数据模型构建模块16,预警结果输出模块17。
具体实施方式
本申请提供了一种适用于智能电厂的运行安全预警方法及***,用于针对解决现有技术中存在电厂故障预警依赖于人工经验,故障发觉和警报时间较晚,导致多采用事后处理进行故障消除,导致消除故障成本高,干扰电厂正常电力生产的技术问题。
针对上述技术问题,本申请提供的技术方案总体思路如下:
基于火力发电厂引起安全风险故障因素之间的连锁反应,根据历史运行故障信息获得引起最终故障多个具有联结关系的故障信息,并结合故障维护时间节点构建以故障维护时间节点为层次划分基准的多层次数据模型,通过数据模型进行电厂实时运行安全预警,实现了降低电厂安全风险管控对于人工经验的依赖性,电厂故障实现事前防范,降低设备故障引起电厂运行风险概率,电厂安全故障得以早发现早预防。
实施例一
如图1所示,本申请提供了一种适用于智能电厂的运行安全预警方法,所述方法应用于运行安全预警***,所述方法包括:
S100:采集历史运行故障信息,并根据所述历史运行故障信息进行信息整合,得到分类整合数据;
具体而言,应理解的,火力发电厂的火力发电流程包括多个生产工艺***,各个生产工艺***都有与之对应的安全设计技术规程,当生产工艺***内设备的工作参数不满足安全设计技术规程要求时,该生产工艺***即处于危险运行状态,如若不及时进行故障消除,则可能发生由单个生产工艺***的设备故障引起连锁反应,导致该生产工艺***全***停摆损毁,甚至造成火力发电全流程的瘫痪。
所述历史运行故障信息为在火力发电流程中发生过故障的生产工艺***信息以及精确到生产工艺***内发生故障的发电设备或发电组件以及具体的故障参数数值信息。示例性的,所述历史运行故障信息可为锅炉制粉***风粉管道损坏,承压部泄露,炉膛灭火***,所述历史运行故障信息包括故障发生瞬时数据以及故障发生前一段时间内的波动数据以及故障发生后的连锁反应数据。
所述信息整合为以单次火力发电厂发生的安全事故或安全检修为单位,将零散的所述历史运行故障信息进行排列重组,获得单次安全事故或安全检修消除的多个历史运行故障信息。所述分类整合数据为以单次安全事故或安全检修为单位对所述历史运行故障信息进行信息整合后获得的多组,每组包括多个历史运行故障信息。
S200:根据生产流程进行所述分类整合数据的流程划分,得到划分分类整合数据;
具体而言,应理解的,火力发电流程由多个生产工艺***组成,多个生产工艺***之间具有启动和运行的先后顺序。因而火力发电流程可以按照生产工艺***在发电流程中的启动运行时间先后关系进行划分。
由于火电厂运行安全事故往往是生产工艺***故障处理不及时,导致存在启动和运行先后顺序关系的多个生产工艺***之间故障连锁反应堆积引起安全事故发生。因而在本实施例中,根据所述分类整合数据分布于多个生产工艺***中的特性,通过所述分类整合数据在工艺生产流程中所处位置信息进行流程划分,获得所述划分分类整合数据。
S300:根据所述划分分类整合数据进行故障的第一故障关联参数确定,并标识所述第一故障关联参数的关联比例;
具体而言,应理解的,本实施例在步骤S200获得的所述划分分类整合数据的划分依据为根据生产工艺***划分,而各个生产工艺***在火力发电流程中具有启动和运行的先后顺序,因而根据所述划分分类整合数据所属生产工艺***在火力发电流程中的流程顺序关系进行所述划分分类整合数据的排序。
根据排序关系即可获得单次故障事故的多个历史运行故障信息之间的因果关系(连锁关系)。
示例性的,单个生产工艺***由于元件过负荷或事故跳闸引起该单个生产工艺***停摆,导致其他输电设备和发电机的相继跳闸,该过负荷元件即为单次发电事故/故障发生的初始历史运行故障,其他输电设备和发电机的损毁跳闸故障为由初始历史运行故障信息导致的连锁反应故障,多个历史运行故障信息之间具有关联关系。
所述第一故障关联参数即为引起单次故障事故的初始历史运行故障信息。所述第一故障关联参数的关联比例即为在单次故障事故中所述第一故障关联参数在造成此次安全事故或安全隐患发生的责任占比。
在本实施例中,对于所述第一故障关联参数的关联占比的数值确定不做任何限制,可根据引起单次事故的历史运行故障信息数量进行平均求值作为所述第一故障关联参数的关联占比,也可根据历史运行故障信息具体所述生产工艺***在整体火力发电流程中的重要程度、故障发生频率进行关联占比的权重调整。
在本实施例中,根据所述划分分类整合数据所处的生产工艺***的流程先后顺序关系进行所述划分分类整合数据的故障先后排序,从而确定所述第一故障关联参数,并根据所述第一故障关联参数和其他故障关联参数信息进行的所述第一故障关联参数的关联比例的确定。
S400:采集故障时间节点,并依据所述故障时间节点生成故障关联区间;
具体而言,应理解的,在火力发电流程中,各个功能部件和***都配备有参数测量装置用于实时记录运行数据,并在运行数据偏离预设安全运行数值时进行警报提醒。所述故障时间节点为当前火力发电厂历史发生安全事故的时间,以所述故障时间节点为中心,向前以及向后推一定时间跨度,获得所述故障关联区间。
所述故障关联时间区间包括设备异常可能发生故障异常的预防检修阶段,故障因素积累导致安全事故临近发生或已经发生的预警抢修补救阶段以及安全故障/事故发生后的故障因素、事故隐患消除阶段,在所述故障关联时间区间范围内的所有参数波动都可能引起连锁反应,所有参数波动都可能导致故障或安全事故发生。
S500:根据所述划分分类整合数据、所述故障关联区间进行影响关联参数确定,得到影响关联参数集合,且所述影响关联参数集合中每个影响关联参数具有影响权重;
具体而言,在本实施例中,基于步骤S100~S400,已获知引起故障发生的起始因素即所述第一故障关联参数,以及以所述第一故障关联参数为起点的连锁反应,如同多米诺骨牌一般带来的后续故障组成的所述划分分类整合数据。
根据所述划分分类整合数据中连锁反应的最后故障的历史故障信息记录的消除时间在所述故障关联区间内的时间节点,将所述划分分类整合数据分为故障发生前影响关联参数集合、故障发生临界及发生瞬间影响关联参数集合以及故障发生后影响关联参数集合。
根据每一划分分类整合数据中的故障数量以及故障设备所属生产工艺***在火力发电流程中的危险系数、重要程度进行权重划分获得每个影响关联参数的影响权重。
具体的权重划分方式本实施例在此不做过多限制,可根据实际生产进行设定,示例性的,当在某一划分分类整合数据中,所述第一故障关联参数属于锅炉单元,由第一故障关联参数引起连锁反应造成属于汽轮机单元、电气单元发生设备故障,且连锁反应故障消除于电气单元未发生安全事故前时,可对各个故障关联参数的影响权重都赋值为1/3。
S600:根据所述第一故障关联参数和所述影响关联参数集合构建多层次数据模型;
S700:将电厂的监测数据输入所述多层次数据模型,得到运行安全预警结果。
具体而言,所述多层次数据模型为三层次数据模型,按照火电厂安全故障连锁反应的截断时间进行层次划分,具体的多层次数据模型包括初始层数据模型、关联层数据模型、故障数据模型。
初始层数据模型为设备异常可能发生故障异常的预防检修层次数据模型,关联层数据模型为故障因素积累导致安全事故临近发生或已经发生的预警抢修补救层次数据模型,所述故障数据模型为安全故障/事故发生后的连锁反应引起的故障因素以及事故隐患消除层次数据模型。
以所述划分分类整合数据中的大量历史数据作为训练数据输入所述多层次数据模型进行模型训练,以提高所述多层次数据模型的输出运行安全预警结果的准确度,具体的模型训练可以通过常用的数据模型训练方法实现。
所述多层次数据模型的各个层次之间为平级关系,将电厂实时监测数据输入所述多层级数据模型,所述实时监测数据遍历所述多层级数据模型的每一层次数据模型,确定是否存在监测数据异常信息,并基于异常信息检测结果生成当前火力发电厂的所述运行安全预警结果,所述运行安全预警结果反映当前火力发电厂是否存在运行安全故障以及当前运行安全故障处于安全事故发生的具体阶段,根据所述运行安全预警结果可对应进行故障设备预防检修或安全事故补救抢修。
本实施例通过采集历史运行故障信息,并根据所述历史运行故障信息进行信息整合,得到分类整合数据,根据生产流程进行所述分类整合数据的流程划分,得到划分分类整合数据,实现了对引起单次故障的多项故障因素进行整合,为后续进行火电厂故障连锁反应溯源提供信息基础。根据所述划分分类整合数据进行故障的第一故障关联参数确定,并标识所述第一故障关联参数的关联比例,实现了获知引起火电厂故障连锁反应的最初故障在整个故障发生中的责任占比。采集故障时间节点,并依据所述故障时间节点生成故障关联区间;根据所述划分分类整合数据、所述故障关联区间进行影响关联参数确定,得到影响关联参数集合;根据所述第一故障关联参数和所述影响关联参数集合构建多层次数据模型,实现将电厂的监测数据输入所述多层次数据模型后,即可得到准确的运行安全预警结果提示工作人员进行故障处理。达到了降低电厂安全风险管控对于人工经验的依赖性,电厂故障实现事前防范,降低设备故障引起电厂运行风险概率,实现电厂安全故障早发现早预防的技术效果。
进一步的,如图2所示,本申请提供的方法步骤S400还包括:
S410:所述故障关联区间包括故障前关联时间区间和故障后关联时间区间;
S420:通过所述故障前关联时间区间对所述划分分类整合数据进行故障前参数波动的影响关联分析,得到故障前影响关联参数;
S430:依据所述故障前影响关联参数进行初始层数据模型构建;
S440:当所述监测数据输入所述多层次数据模型中后,通过所述初始层数据模型进行所述监测数据的检测校验,判断是否存在初始异常信息;
S450:当存在初始异常信息时,通过第一等级运行安全预警信息进行预警。
具体而言,应理解的,所述划分分类整合数据为按照单次故障事故或检修涉及的历史运行故障信息进行分类整合获得的,而在实际火力发电作业中,单次故障事故或检修并非都是进行事后故障设备修复和隐患消除处理,也包括故障发生前的预防检修以及故障临近发生时的关闭设备抢修处理。
因而在本实施例中,根据所述故障前关联时间区间的时间范围生成筛选指令,获得所述划分分类整合数据中,故障连锁反应截断时间节点为故障发生前的故障参数数据,进行故障前参数波动与故障生成之间的影响关联分析,获得从多个第一故障关联参数为起始的,包括多个后续连锁反应故障的前影响关联参数集合,依据所述故障前影响关联参数集合进行所述初始层数据模型构建和训练。
所述初始层数据模型为设备异常可能发生故障异常的预防检修层次数据模型,当所述监测数据输入所述多层次数据模型中后,首先通过所述初始层数据模型进行所述监测数据的检测校验,判断是否存在初始异常信息,当存在初始异常信息时,通过所述第一等级运行安全预警信息进行预警,所述第一等级运行安全预警信息包括初始异常值对应的故障设备信息,电厂技术人员可根据所述第一等级运行安全预警信息对应故障设备快速进行故障定位制定检修方案实现安全隐患的消除。
本实施例按照初始故障造成的连锁反应截断时间将安全故障划分为前关联时间区间,将处于前关联时间区间的划分分类整合数据进行初始层数据模型的构建和训练,基于初始层数据模型对电厂实时监测数据进行检测,并在存在初始异常值时输出安全预警提示,达到了准确获知当前电厂运行是否存在安全故障隐患的技术效果。
进一步的,本申请提供的方法步骤S400还包括:
S460:通过所述故障后关联时间区间对所述划分分类整合数据进行故障后参数波动的影响关联分析,得到故障后影响关联参数;
S470:依据所述故障后影响关联参数进行关联层数据模型构建,依据所述第一故障关联参数故障进行故障数据模型构建,并通过所述初始层数据模型、所述关联层数据模型和所述故障数据模型构成所述多层次数据模型;
S480:当存在所述初始异常信息时,持续将监测数据输入所述多层次数据模型,并通过所述多层次数据模型中的故障数据模型进行故障检测校验,判断是否存在校验异常;
S490:当存在校验异常时,通过第二等级运行安全预警信息进行预警。
具体而言,所述关联层数据模型为故障因素积累导致安全事故临近发生或已经发生的预警抢修补救层次数据模型,所述故障数据模型为安全故障/事故发生后的连锁反应引起的故障因素以及事故隐患消除层次数据模型。
所述关联层数据模型、所述故障数据模型的构建及训练与所述初始层数据模型具有一致性。根据所述故障后关联时间区间的时间范围生成筛选指令,获得所述划分分类整合数据中,故障连锁反应截断时间节点为故障发生临界或刚刚发生时的故障参数数据,进行故障前参数波动与故障生成之间的影响关联分析,获得从多个第一故障关联参数为起始的,包括多个后续连锁反应故障的后影响关联参数集合,依据所述故障后影响关联参数集合进行所述关联层数据模型构建和训练。如法炮制进行所述故障数据模型的构建和训练。
通过所述初始层数据模型、所述关联层数据模型和所述故障数据模型构成所述多层次数据模型。当火力发电流程存在偏离安全设计技术规程,存在所述初始异常信息时,持续将监测数据输入所述多层次数据模型,并通过所述多层次数据模型中的故障数据模型进行故障检测校验,判断是否存在校验异常,避免偶发异常数据被误判为安全故障,确定当存在校验异常时,通过所述第二等级运行安全预警信息进行预警,所述第二等级运行安全预警信息包括安全故障临界发生对应的故障设备信息,电厂技术人员可根据所述第二等级运行安全预警信息对故障设备快速进行故障定位进行生产工艺***暂停工作检修,避免安全事故发生。
本实施例通过构建多层次数据模型对电厂实时监测数据进行检测,并根据实时监测数据检测结果输出安全预警提示,避免安全故障最终造成安全事故,达到了准确获知当前电厂运行是否存在安全故障隐患,维护电厂安全运行,对电厂安全故障事前处理,提高火力发电安全性的技术效果。
进一步的,如图3所示,所述运行安全预警***与图像采集设备、预警提醒设备通信连接,本申请提供的方法步骤还包括:
S710:构建用户的信息特征集合,并通过所述图像采集设备进行区域图像采集,得到区域图像采集结果;
S720:基于所述信息特征集合进行所述区域图像采集结果的用户识别,得到用户识别结果;
S730:判断所述用户识别结果中的用户权限是否与当前区域相匹配;
S740:当不匹配时,通过所述预警提醒设备进行识别用户的提醒预警。
具体而言,应理解的,当确定火力发电厂发生安全故障时,电厂技术人员基于所述多层次数据模型处理电厂实时监测数据的输出预警结果进行故障紧急处理和设备检修。基于检修工作的复杂性以及电力知识的庞杂繁多,火力发电厂技术人员术业有专攻,不同生产工艺***由不同的火力发电部门负责日常维护和运营。不同生产工艺***的检修方法不同,检修安全措施也存在差异性。
为避免专业技术人员进入非专业对应性的生产工艺***,对技术人员的生命安全造成危害甚至发生伤亡事故,同时方便火力发电厂对故障维护技术人员进行人员调度管理,在构建所述多层次数据模型进行火力发电厂安全故障检测的同时,本实施例建立用户识别方法和应用所述用户识别方法的***,实现获得安全故障检测结果后,专业检修人员的快速调动响应。
所述区域图像为构成火电发电流程的各个生产工艺***的***出入口区域图像,通过所述图像采集设备进行所述区域图像的采集,获得由多个生产工艺***出入口区域图像构成的生产区域图像集合。
所述用户为火力发电厂登记在册的工作人员,对所述用户进行生物信息采集,具体包括采集指纹信息以及面部图像信息,根据所述用户的指纹信息以及面部图像信息进行特征信息提取,构建所述用户的信息特征集合,基于现有的生物信息识别技术进行实时用户的身份识别,所述用户身份识别结果为所述用户具体工作性质以及所属生产工艺***部门。
在接收所述多层次数据模型发出的所述运行安全预警结果后,所述图像采集设备实时获得到达各个生产工艺***出入口区域的用户图像,基于所述信息特征集合进行所述区域图像采集结果的用户识别,得到所述用户识别结果,根据所述用户识别结果获得当前区域内所述用户在火力发电厂的所属生产工艺***部门信息。通过识别到的所述用户所属生产工艺***部门信息与当前所处生产工艺***区域名称是否一致,判断所述用户识别结果中的用户权限是否与当前区域相匹配,当不匹配时,通过所述预警提醒设备进行所述识别用户的提醒预警,提醒所述用户禁止进入当前所处的生产工艺***,避免非专业技术人员进入存在故障的生产工艺***导致人员伤亡或由于非专业技术人员的不正当操作引起故障恶化造成人为安全事故发生。
本实施例通过在生产工艺***出入口区域设置图像采集设备进行实时监控,同时设置身份识别门禁***对进入生产工艺***出入口区域的火电厂工作人员进行身份识别和权限识别,达到了避免非专业技术人员进入存在故障的生产工艺***导致人员伤亡或由于非专业技术人员的不正当操作引起故障恶化造成人为安全事故发生,提高了故障出现后进行故障维护抢修的安全性,保护火力发电厂工作人员的生命安全的技术效果。
进一步的,本申请提供的方法步骤S730还包括:
S731:当所述用户识别结果中的用户权限与当前区域相匹配时,获得当前区域的防护特征;
S732:通过所述防护特征进行所述区域图像采集结果的特征匹配,得到特征匹配判定结果;
S733:根据所述特征匹配判定结果基于所述预警提醒设备进行识别用户的提醒预警。
具体而言,应理解的,有且仅有生产工艺***部门的技术人员可以进入对应的火力发电厂生产工艺***,即具有所述用户权限。由于火力发电的危险性较高,在进入火力发电生产工艺***前,技术人员需穿戴专门作业服装避免作业过程中被生产工艺***的恶劣环境危害生命安全,例如作业环境存在氨泄漏风险,如若未配备呼吸装备进入作业环境,则可能发生人员中毒。
因而本实施例在进行用户身份权限识别成功后,根据当前区域抢险急救防护特征信息,例如防毒面具、安全头盔、玻璃纤维防护服。通过所述防护特征对所述区域图像采集结果中所述用户的防护用具穿着佩戴情况进行安全防护穿戴特征匹配,确定当前具备用户权限的火力发电厂工作人员是否满足抢险急救防护安全要求,获得所述特征匹配判定结果,根据所述特征匹配判定结果基于所述预警提醒设备进行识别用户的提醒预警。
本实施例通过设置防护特征识别,对符合进入生产工艺***进行故障维护作业的工作人员再次进行防护特征识别,避免当前生产工艺***的工作人员未穿戴标准安全防护即闯入存在安全故障风险的生产工艺***中,达到了确保参与故障检修维护的工作人员的生命安全的技术效果。
进一步的,本申请提供的方法步骤S733还包括:
S733-1:基于用户与设备交互要求标准数据,构建用户动作与设备的关联影响特征;
S733-2:通过所述关联影响特征进行所述区域图像采集结果特征匹配,根据匹配结果得到异常行为预警信息;
S733-3:根据所述异常行为预警信息进行识别用户的提醒预警。
具体而言,应理解的,火力发电厂故障检修是技术与经验的结合,因而即便是生产工艺***部门的技术人员,也存在由于经验不足或心理压力过大在故障处理时出现操作失误的情况。
在本实施例中,所述交互要求标准数据为所述用户在进行设备检修管理时的标准操作行为,如若所述用户与设备的交互操作行为不满足所述交互要求标准数据,则可能造成设备故障加剧或损毁引起人员伤亡隐患。根据所述用户与设备交互要求标准数据,构建用户动作与设备的所述关联影响特征,基于所述关联影响特征可参考比对所述用户对设备的操作行为是否正确,进而进行用户当前故障维护操作行为准确度判断。通过所述关联影响特征进行所述区域图像采集结果特征匹配,根据匹配结果得到异常行为预警信息,根据所述异常行为预警信息进行识别用户的提醒预警,提醒所述用户当前操作行为与故障维护的设备正确操作存在差异,提醒所述用户回忆判断当前操作是否满足故障维护经验,是否改变操作行为或进行操作技术人员的更换。
本实施例通过对进入生产工艺***的技术人员的操作行为进行关联影响特征的匹配,并根据匹配结果进行异常行为预警,达到了避免技术人员由于精神紧张或经验不足的错误操作造成故障危险因素加深的技术效果。
进一步的,本申请提供的方法步骤S731还包括:
S731-1:根据所述用户识别结果构建用户的轨迹数据;
S731-2:根据所述特征匹配判定结果构建用户的区域安全评价数据;
S731-3:根据所述轨迹数据和所述安全评价数据进行用户的管理。
具体而言,应理解的,在本实施例中,为保护火力发电厂工作人员的生命安全,在每次进入生产工艺***前都需要在***出入口位置进行用户识别和防护特征识别。
所述区域安全评价数据为量化所述用户所佩戴防护器具对于用户安全的保护程度。
在本实施例中,根据所述用户识别结果遍历历史识别数据获得当前用户的历史识别数据构建所述用户的轨迹数据信息,基于所述用户的轨迹数据获得所述用户在一定时间段内进出具备用户权限的生产工艺***频率,结合所述特征匹配判定结果进行用户所述区域安全评价数据,判断所述用户在生产流程***的出入频率和防护程度是否满足本次故障维护所要求的经验以及自保能力,从而进行用户管理。
本实施例通过分析用户行动轨迹以及用户参与本次故障维护的防护措施佩戴情况,判断用户是否具备故障维护能力,从而进行火力发电人员调度,达到了维护火力发电工作人员生命安全,科学进行人员调度的技术效果。
实施例二
基于与前述实施例中一种适用于智能电厂的运行安全预警方法相同的发明构思,如图4所示,本申请提供了一种适用于智能电厂的运行安全预警***,其中,所述***包括:
故障信息采集模块11,用于采集历史运行故障信息,并根据所述历史运行故障信息进行信息整合,得到分类整合数据;
数据划分分类模块12,用于根据生产流程进行所述分类整合数据的流程划分,得到划分分类整合数据;
关联参数计算模块13,用于根据所述划分分类整合数据进行故障的第一故障关联参数确定,并标识所述第一故障关联参数的关联比例;
关联区间生成模块14,用于采集故障时间节点,并依据所述故障时间节点生成故障关联区间;
参数权重获得模块15,用于根据所述划分分类整合数据、所述故障关联区间进行影响关联参数确定,得到影响关联参数集合,且所述影响关联参数集合中每个影响关联参数具有影响权重;
数据模型构建模块16,用于根据所述第一故障关联参数和所述影响关联参数集合构建多层次数据模型;
预警结果输出模块17,用于将电厂的监测数据输入所述多层次数据模型,得到运行安全预警结果。
进一步的,所述关联区间生成模块14还包括:
关联区间划分单元,用于所述故障关联区间包括故障前关联时间区间和故障后关联时间区间;
关联参数获得单元,用于通过所述故障前关联时间区间对所述划分分类整合数据进行故障前参数波动的影响关联分析,得到故障前影响关联参数;
初始层模型构建单元,用于依据所述故障前影响关联参数进行初始层数据模型构建;
初始异常判定单元,用于当所述监测数据输入所述多层次数据模型中后,通过所述初始层数据模型进行所述监测数据的检测校验,判断是否存在初始异常信息;
初级预警发送单元,用于当存在初始异常信息时,通过第一等级运行安全预警信息进行预警。
进一步的,所述关联区间生成模块14还包括:
关联参数采集单元,用于通过所述故障后关联时间区间对所述划分分类整合数据进行故障后参数波动的影响关联分析,得到故障后影响关联参数;
数据模型构建单元,用于依据所述故障后影响关联参数进行关联层数据模型构建,依据所述第一故障关联参数故障进行故障数据模型构建,并通过所述初始层数据模型、所述关联层数据模型和所述故障数据模型构成所述多层次数据模型;
校验异常判定单元,用于当存在所述初始异常信息时,持续将监测数据输入所述多层次数据模型,并通过所述多层次数据模型中的故障数据模型进行故障检测校验,判断是否存在校验异常;
二级预警发送单元,用于当存在校验异常时,通过第二等级运行安全预警信息进行预警。
进一步的,所述***还包括:
区域图像采集单元,用于构建用户的信息特征集合,并通过所述图像采集设备进行区域图像采集,得到区域图像采集结果;
用户身份识别单元,用于基于所述信息特征集合进行所述区域图像采集结果的用户识别,得到用户识别结果;
用户权限判断单元,用于判断所述用户识别结果中的用户权限是否与当前区域相匹配;
权限异常提醒单元,用于当不匹配时,通过所述预警提醒设备进行识别用户的提醒预警。
进一步的,所述用户权限判断单元还包括:
防护特征生成单元,用于当所述用户识别结果中的用户权限与当前区域相匹配时,获得当前区域的防护特征;
防护特征匹配单元,用于通过所述防护特征进行所述区域图像采集结果的特征匹配,得到特征匹配判定结果;
防护识别预警单元,用于根据所述特征匹配判定结果基于所述预警提醒设备进行识别用户的提醒预警。
进一步的,所述防护识别预警单元还包括:
关联关系构建单元,用于基于用户与设备交互要求标准数据,构建用户动作与设备的关联影响特征;
异常行为识别单元,用于通过所述关联影响特征进行所述区域图像采集结果特征匹配,根据匹配结果得到异常行为预警信息;
异常行为预警单元,用于根据所述异常行为预警信息进行识别用户的提醒预警。
进一步的,所述防护特征生成单元还包括:
用户轨迹采集单元,用于根据所述用户识别结果构建用户的轨迹数据;
安全评价生成单元,用于根据所述特征匹配判定结果构建用户的区域安全评价数据;
用户管理执行单元,用于根据所述轨迹数据和所述安全评价数据进行用户的管理。
基于本发明的上述具体实施例,本技术领域的技术人员在不脱离本发明原理的前提下,对本发明所作的任何改进和修饰,皆应落入本发明的专利保护范围。
Claims (8)
1.一种适用于智能电厂的运行安全预警方法,其特征在于,所述方法应用于运行安全预警***,所述方法包括:
采集历史运行故障信息,并根据所述历史运行故障信息进行信息整合,得到分类整合数据;
根据生产流程进行所述分类整合数据的流程划分,得到划分分类整合数据;
根据所述划分分类整合数据进行故障的第一故障关联参数确定,并标识所述第一故障关联参数的关联比例,其中,所述第一故障关联参数为引起单次故障事故的初始历史运行故障信息;
采集故障时间节点,并依据所述故障时间节点生成故障关联区间;
根据所述划分分类整合数据、所述故障关联区间进行影响关联参数确定,得到影响关联参数集合,且所述影响关联参数集合中每个影响关联参数具有影响权重;
根据所述第一故障关联参数和所述影响关联参数集合构建多层次数据模型,其中,所述多层次数据模型为按照火电厂安全故障连锁反应的截断时间进行层次划分,具体包括初始层数据模型、关联层数据模型和故障数据模型;
将电厂的监测数据输入所述多层次数据模型,得到运行安全预警结果。
2.如权利要求1所述的适用于智能电厂的运行安全预警方法,其特征在于,所述方法包括:
所述故障关联区间包括故障前关联时间区间和故障后关联时间区间;
通过所述故障前关联时间区间对所述划分分类整合数据进行故障前参数波动的影响关联分析,得到故障前影响关联参数;
依据所述故障前影响关联参数进行初始层数据模型构建;
当所述监测数据输入所述多层次数据模型中后,通过所述初始层数据模型进行所述监测数据的检测校验,判断是否存在初始异常信息;
当存在初始异常信息时,通过第一等级运行安全预警信息进行预警。
3.如权利要求2所述的适用于智能电厂的运行安全预警方法,其特征在于,所述方法还包括:
通过所述故障后关联时间区间对所述划分分类整合数据进行故障后参数波动的影响关联分析,得到故障后影响关联参数;
依据所述故障后影响关联参数进行关联层数据模型构建,依据所述第一故障关联参数故障进行故障数据模型构建,并通过所述初始层数据模型、所述关联层数据模型和所述故障数据模型构成所述多层次数据模型;
当存在所述初始异常信息时,持续将监测数据输入所述多层次数据模型,并通过所述多层次数据模型中的故障数据模型进行故障检测校验,判断是否存在校验异常;
当存在校验异常时,通过第二等级运行安全预警信息进行预警。
4.如权利要求1所述的适用于智能电厂的运行安全预警方法,其特征在于,所述运行安全预警***与图像采集设备、预警提醒设备通信连接,所述方法还包括:
构建用户的信息特征集合,并通过所述图像采集设备进行区域图像采集,得到区域图像采集结果;
基于所述信息特征集合进行所述区域图像采集结果的用户识别,得到用户识别结果;
判断所述用户识别结果中的用户权限是否与当前区域相匹配;
当不匹配时,通过所述预警提醒设备进行识别用户的提醒预警。
5.如权利要求4所述的适用于智能电厂的运行安全预警方法,其特征在于,所述方法还包括:
当所述用户识别结果中的用户权限与当前区域相匹配时,获得当前区域的防护特征;
通过所述防护特征进行所述区域图像采集结果的特征匹配,得到特征匹配判定结果;
根据所述特征匹配判定结果基于所述预警提醒设备进行识别用户的提醒预警。
6.如权利要求5所述的适用于智能电厂的运行安全预警方法,其特征在于,所述方法还包括:
基于用户与设备交互要求标准数据,构建用户动作与设备的关联影响特征;
通过所述关联影响特征进行所述区域图像采集结果特征匹配,根据匹配结果得到异常行为预警信息;
根据所述异常行为预警信息进行识别用户的提醒预警。
7.如权利要求5所述的适用于智能电厂的运行安全预警方法,其特征在于,所述方法还包括:
根据所述用户识别结果构建用户的轨迹数据;
根据所述特征匹配判定结果构建用户的区域安全评价数据;
根据所述轨迹数据和所述区域安全评价数据进行用户的管理。
8.一种适用于智能电厂的运行安全预警***,其特征在于,所述***包括:
故障信息采集模块,用于采集历史运行故障信息,并根据所述历史运行故障信息进行信息整合,得到分类整合数据;
数据划分分类模块,用于根据生产流程进行所述分类整合数据的流程划分,得到划分分类整合数据;
关联参数计算模块,用于根据所述划分分类整合数据进行故障的第一故障关联参数确定,并标识所述第一故障关联参数的关联比例,其中,所述第一故障关联参数为引起单次故障事故的初始历史运行故障信息;
关联区间生成模块,用于采集故障时间节点,并依据所述故障时间节点生成故障关联区间;
参数权重获得模块,用于根据所述划分分类整合数据、所述故障关联区间进行影响关联参数确定,得到影响关联参数集合,且所述影响关联参数集合中每个影响关联参数具有影响权重;
数据模型构建模块,用于根据所述第一故障关联参数和所述影响关联参数集合构建多层次数据模型,其中,所述多层次数据模型为按照火电厂安全故障连锁反应的截断时间进行层次划分,具体包括初始层数据模型、关联层数据模型和故障数据模型;
预警结果输出模块,用于将电厂的监测数据输入所述多层次数据模型,得到运行安全预警结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210822849.1A CN115081926B (zh) | 2022-07-14 | 2022-07-14 | 一种适用于智能电厂的运行安全预警方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210822849.1A CN115081926B (zh) | 2022-07-14 | 2022-07-14 | 一种适用于智能电厂的运行安全预警方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115081926A CN115081926A (zh) | 2022-09-20 |
CN115081926B true CN115081926B (zh) | 2022-11-11 |
Family
ID=83259829
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210822849.1A Active CN115081926B (zh) | 2022-07-14 | 2022-07-14 | 一种适用于智能电厂的运行安全预警方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115081926B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116136987B (zh) * | 2023-02-21 | 2023-08-15 | 北京思维实创科技有限公司 | 一种基于pscada数据的供电设备可靠性在线评估方法及其*** |
CN115877115B (zh) * | 2023-02-27 | 2023-06-06 | 山东欧通信息科技有限公司 | 基于大数据的弱电设备安装用安全检测*** |
CN116060201B (zh) * | 2023-03-08 | 2023-06-23 | 北京博数智源人工智能科技有限公司 | 一种火电站磨煤机爆燃监测异常定位识别方法及*** |
CN115986945B (zh) * | 2023-03-21 | 2023-06-16 | 山东聚发数字工业技术有限公司 | 一种基于工业互联网的电力设备监测方法、设备及介质 |
CN116668482B (zh) * | 2023-06-02 | 2024-03-26 | 南京国铁电气有限责任公司 | 一种基于人工智能的智慧楼宇二总线监控***及方法 |
CN116757535B (zh) * | 2023-06-16 | 2023-12-01 | 南方电网调峰调频发电有限公司检修试验分公司 | 一种用于工业应用平台的智能管理方法及*** |
CN116880395B (zh) * | 2023-07-19 | 2024-06-07 | 天津市易控科技发展有限公司 | 基于dcs***的监控方法、装置、设备及介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103036727A (zh) * | 2012-12-25 | 2013-04-10 | 广东电网公司电力调度控制中心 | 电力通信网络区域安全预警方法及其*** |
WO2013189110A1 (zh) * | 2012-06-19 | 2013-12-27 | 国网电力科学研究院 | 一种电力通信故障预警分析方法及*** |
CN107423414A (zh) * | 2017-07-28 | 2017-12-01 | 西安交通大学 | 一种基于信息传递模型的流程工业复杂机电***故障溯源方法 |
CN107480731A (zh) * | 2017-09-06 | 2017-12-15 | 西安西热电站信息技术有限公司 | 一种火电厂汽动给水泵组故障特征的早期识别方法 |
CN108873830A (zh) * | 2018-05-31 | 2018-11-23 | 华中科技大学 | 一种生产现场数据在线采集分析及故障预测*** |
CN109409653A (zh) * | 2018-09-14 | 2019-03-01 | 国电南瑞科技股份有限公司 | 一种面向流程的电网运行故障处置数据可视化分析方法 |
CN111027116A (zh) * | 2019-10-31 | 2020-04-17 | 万翼科技有限公司 | 建筑物运维管理方法、装置、计算机设备和存储介质 |
CN111504680A (zh) * | 2020-04-30 | 2020-08-07 | 东华大学 | 一种基于wsvm和dcae的涤纶长丝生产的故障诊断方法和*** |
CN111626461A (zh) * | 2019-09-18 | 2020-09-04 | 东莞灵虎智能科技有限公司 | 一种安全风险预测方法 |
CN112257988A (zh) * | 2020-09-29 | 2021-01-22 | 中广核工程有限公司 | 核电厂复杂事故特征识别及风险预警***和方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111949700B (zh) * | 2020-06-24 | 2024-04-09 | 浙江中控技术股份有限公司 | 用于石化装置的智能安全保障实时优化方法及*** |
CN114519923A (zh) * | 2021-11-24 | 2022-05-20 | 新疆天池能源有限责任公司 | 一种电厂智能诊断预警方法和*** |
-
2022
- 2022-07-14 CN CN202210822849.1A patent/CN115081926B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013189110A1 (zh) * | 2012-06-19 | 2013-12-27 | 国网电力科学研究院 | 一种电力通信故障预警分析方法及*** |
CN103036727A (zh) * | 2012-12-25 | 2013-04-10 | 广东电网公司电力调度控制中心 | 电力通信网络区域安全预警方法及其*** |
CN107423414A (zh) * | 2017-07-28 | 2017-12-01 | 西安交通大学 | 一种基于信息传递模型的流程工业复杂机电***故障溯源方法 |
CN107480731A (zh) * | 2017-09-06 | 2017-12-15 | 西安西热电站信息技术有限公司 | 一种火电厂汽动给水泵组故障特征的早期识别方法 |
CN108873830A (zh) * | 2018-05-31 | 2018-11-23 | 华中科技大学 | 一种生产现场数据在线采集分析及故障预测*** |
CN109409653A (zh) * | 2018-09-14 | 2019-03-01 | 国电南瑞科技股份有限公司 | 一种面向流程的电网运行故障处置数据可视化分析方法 |
CN111626461A (zh) * | 2019-09-18 | 2020-09-04 | 东莞灵虎智能科技有限公司 | 一种安全风险预测方法 |
CN111027116A (zh) * | 2019-10-31 | 2020-04-17 | 万翼科技有限公司 | 建筑物运维管理方法、装置、计算机设备和存储介质 |
CN111504680A (zh) * | 2020-04-30 | 2020-08-07 | 东华大学 | 一种基于wsvm和dcae的涤纶长丝生产的故障诊断方法和*** |
CN112257988A (zh) * | 2020-09-29 | 2021-01-22 | 中广核工程有限公司 | 核电厂复杂事故特征识别及风险预警***和方法 |
Non-Patent Citations (1)
Title |
---|
安全风险预警机制的构建及应用;李文好;《大众科技》;20210930;第23卷(第265期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115081926A (zh) | 2022-09-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115081926B (zh) | 一种适用于智能电厂的运行安全预警方法及*** | |
CN108154291B (zh) | 一种基于策略库的供电厂性能指标评价方法及*** | |
CN108931972B (zh) | 一种基于模型驱动的变电站二次设备状态智能诊断方法 | |
CN109933905B (zh) | 一种基于多维预警分析的机械设备健康状态评估方法 | |
Yam et al. | Intelligent predictive decision support system for condition-based maintenance | |
CN108133316B (zh) | 一种供电厂电力设备家族性缺陷的检测方法 | |
CN113344326B (zh) | 特殊作业现场动态隐患识别和风险评估***和方法 | |
CN113705924B (zh) | 一种热控设备智能诊断方法和*** | |
GB2522926A (en) | Method of identifying anomalies | |
CN111913056B (zh) | 一种自适应超实时机组工况启动状态预估方法 | |
CN104425046B (zh) | 核电站运行安全指数量化方法和*** | |
CN116664113A (zh) | 一种面向电力计量标准化作业的智能****** | |
CN117215940A (zh) | 智慧运维应急处理*** | |
CN102830682A (zh) | 用于区域发电公司运营智能管控***的能耗警察模块 | |
CN113511572B (zh) | 基于大数据的电梯维保质量评价方法、***和存储介质 | |
CN110210722A (zh) | 一种核电厂***监督方案的开发方法 | |
CN118092326A (zh) | 一种基于数字孪生的厂区应急管理*** | |
CN111509839A (zh) | 一种基于告警信号的跳闸事件化模型分析方法 | |
CN110513160B (zh) | 一种汽轮机进水、进冷安全报警及预警方法 | |
CN109978192A (zh) | 一种巨型水电厂状态维护模型构建方法及*** | |
CN115328986A (zh) | 一种电厂安全预警数据分析处理方法及*** | |
CN114236588A (zh) | 一种辐射监测数据管理*** | |
Marino et al. | Indoor lighting fault detection and diagnosis using a data fusion approach | |
Ballesteros et al. | Operational experience data analysis on events related to maintenance at nuclear power plants | |
WO2022248932A1 (en) | System for making risk reduction protocol in oil and gas industry tanks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |