一种供热管网有限空间场景下故障分析方法及相关装置与流程

本发明属于供热领域，具体涉及一种供热管网有限空间场景下故障分析方法及相关装置。

背景技术：

1、供热管网是城市能源供应体系的重要组成部分，承担着冬季集中供热的核心任务，其运行稳定性直接影响居民生活质量与公共安全。在供热系统中，热力井室、检查井等有限空间因其封闭性强、通风不良、空间狭小、湿度高、易积聚有毒有害气体（如一氧化碳co、硫化氢h2s、甲烷ch4）等特点，成为系统运行中的薄弱环节与故障高发区域。这些环境因素不仅加速了管道、阀门及附属设备的腐蚀老化，也对运维人员的人身安全构成严重威胁。

2、长期以来，供热管网的运行监测主要依赖人工定期巡检，这种方式存在诸多弊端：巡检周期长，难以实现连续监控；检测手段单一，通常仅依靠便携式气体检测仪或目视判断，缺乏系统性数据支撑；响应滞后，故障往往在已造成泄漏、爆管或中毒事件后才被发现；同时，人工进入有限空间作业风险极高，易引发安全事故。此外，传统自动化监测系统虽已部分应用，但多局限于单一参数采集（如温度或压力），缺乏对多维度状态信息的协同感知与智能分析能力。

3、近年来，随着物联网（iot）、无线传感器网络（wsn）和低功耗广域网（lpwan）技术的发展，智能监测系统逐步应用于城市基础设施领域。lora、nb-iot等通信技术为远程数据传输提供了可能，但在供热井室这类金属结构密闭环境中，无线信号面临严重的衰减与多径干扰，导致通信链路不稳定、数据丢包率高，严重影响系统可靠性。同时，现有系统普遍采用“传感器—数据上传—云端报警”的简单架构，缺乏边缘侧的实时处理能力，无法实现快速响应与本地决策。

4、更为关键的是，当前多数系统仍停留在“阈值触发式”报警阶段，即：当某项参数超过设定阈值时才发出警报，这种方式无法识别渐进性故障或复合型异常，难以实现早期预警。例如，温度缓慢上升伴随微量气体泄漏，可能预示着保温层破损或管道微渗，但单一参数未达阈值时系统无法识别风险。此外，故障诊断高度依赖人工经验，缺乏科学模型支持，导致故障定位效率低、误判率高。

5、在设备层面，传感器寿命短（尤其是电化学气体传感器寿命普遍为1.5–2年）、电池供电系统续航能力有限（通常3–5年需更换），导致运维成本居高不下。频繁更换设备不仅增加人力投入，还可能因操作不当引入新的安全隐患。尽管行业已尝试通过多传感器集成、通信协议优化、引入机器学习模型等方式进行改进，但仍存在以下瓶颈：

6、多传感器数据未实现有效融合，仍以并行独立分析为主，未能形成协同诊断能力；

7、通信优化多基于通用场景设计，缺乏对金属封闭环境的针对性建模与自适应调整；

8、机器学习模型依赖大量标注数据，而供热管网故障样本稀少，模型泛化能力差；

9、缺乏对设备全生命周期的系统性优化设计，未能从供电、功耗、材料等多维度提升可靠性。

10、因此，亟需构建一套集多源感知、智能分析、可靠通信与长寿命设计于一体的综合解决方案，以实现供热管网有限空间场景下故障的早期识别、精准定位与高效处置。

技术实现思路

1、本发明的目的在于提供一种供热管网有限空间场景下故障分析方法及相关装置，解决了现有的供热管网有限空间（热力井室、检查井等）场景下，因环境封闭恶劣、多参数耦合复杂、通信不稳定及诊断手段单一，导致故障无法被早期识别、精准定位与高效处置的问题。

2、为了达到上述目的，本发明采用的技术方案是：

3、第一方面，本发明提供的一种供热管网有限空间场景下故障分析方法，包括以下步骤：

4、将获取得到的供热管网有限空间对应的原始时序数据进行预处理，得到标准化多参数时间序列矩阵；

5、将得到的标准化多参数时间序列矩阵作为lstm-attention模型的输入，得到故障模式的概率分布；

6、从得到的原始时序数据中提取设备表面温度、对流换热系数和环境温度，形成边界条件；

7、将得到的边界条件作为物理机理驱动模型的输入，得到温度偏差值；

8、将得到的故障模式的概率分布、温度偏差值和原始时序数据作为d-s证据理论模型的输入，得到综合故障概率与置信度；

9、基于得到的综合故障概率与置信度对故障进行分析。

10、优选地，将获取得到的原始时序数据进行预处理，得到标准化多参数时间序列矩阵，具体方法是：

11、将获取得到的原始时序数据依次进行滑动窗口滤波、异常值剔除与归一化处理，得到处理后的时序数据；

12、将得到的处理后的时序数据提取时频域特征，得到标准化多参数时间序列矩阵。

13、优选地，物理机理驱动模型的获取方法是：

14、获取供热管网有限空间对应的历史原始时序数据和设备对应的静态固有参数；

15、基于历史原始时序数据提取历史边界条件；

16、利用历史边界条件和静态固有参数对热力学模型进行训练，得到物理机理驱动模型。

17、优选地，所述热力学模型的数学表达式为：

18、

19、其中，为设备表面温度；为对流换热系数；为环境温度；为设备导热系数；为设备表面的外法线方向。

20、优选地，所述lstm-attention模型为预构建的轻量级lstm模型，用于根据输入的标准化多参数时间序列矩阵输出各故障模式的概率分布。

21、优选地，d-s证据理论模型构建方法是：

22、将故障模式的概率分布、温度偏差值和原始时序数据作为三个独立证据体；

23、为每个证据体分配初始权重，并根据各证据体的置信度进行自适应权重调整；

24、基于调整后的权重，利用d-s合成规则计算综合故障概率与置信度；

25、其中，所述自适应权重调整采用基于证据冲突程度的动态加权策略，当证据体间冲突程度高于预设阈值时，降低冲突证据的权重并提高一致性证据的权重。

26、第二方面，本发明提供的一种供热管网有限空间场景下故障分析系统，包括：

27、数据处理单元，用以将获取得到的供热管网有限空间对应的原始时序数据进行预处理，得到标准化多参数时间序列矩阵；

28、故障概率获取单元，用以将得到的标准化多参数时间序列矩阵作为lstm-attention模型的输入，得到故障模式的概率分布；

29、边界提条设定单元，用以从得到的原始时序数据中提取设备表面温度、对流换热系数和环境温度，形成边界条件；

30、温度偏差值获取单元，用以将得到的边界条件作为物理机理驱动模型的输入，得到温度偏差值；

31、参数获取单元，用以将得到的故障模式的概率分布、温度偏差值和原始时序数据作为d-s证据理论模型的输入，得到综合故障概率与置信度；

32、故障分析单元，用以将得到的处理后的时序数据提取时频域特征，得到标准化多参数时间序列矩阵。

33、第三方面，本发明提供的一种电子设备，包括处理器和存储器，所述存储器上存储有计算机指令，当所述计算机指令被所述处理器执行时，使得所述电子设备执行所述的方法。

34、第四方面，本发明提供的一种计算机程序产品，所述计算机程序产品上包含计算机可执行指令，所述计算机可执行指令在被执行时实现所述的方法。

35、第五方面，本发明提供的一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令被处理器执行时实现所述的方法。

36、与现有技术相比，本发明的有益效果是：

37、本发明提供的一种供热管网有限空间场景下故障分析方法，首先，利用滑动窗口滤波、异常值剔除与归一化预处理将多源异构原始时序数据转化为标准化多参数时间序列矩阵，有效剔除了供热井室恶劣环境下传感器因湿度、振动、信号干扰等因素引入的噪声与离群点，从根本上保障了后续诊断模型输入数据的质量与可信度；继而将标准化矩阵输入lstm-attention模型，借助长短期记忆网络对时序依赖关系的强大捕捉能力提取温度、压力、气体浓度等多通道参数在时间维度上的演化规律，同时引入注意力机制自动识别与故障模式强相关的关键时段与关键参数通道，从而输出各故障模式的概率分布，实现了不依赖单一阈值、能够感知渐进性退化趋势的数据驱动型早期预警；与此同时，从原始时序数据中提取设备表面温度、对流换热系数和环境温度作为边界条件，输入基于热力学方程构建的物理机理驱动模型，利用傅里叶导热定律与牛顿冷却定律耦合的数学表达式计算理论温度与实际温度之间的偏差值，该偏差值直接反映了保温层破损、管道微渗、换热恶化等物理层面的异常状态，为诊断结果提供了具有明确物理含义、不受数据样本稀缺制约的独立验证依据；最终将上述故障模式概率分布、温度偏差值以及原始时序数据作为三个具有不同信息源特征且互补性强的证据体，共同输入d-s证据理论模型，通过该理论框架下的基本概率分配函数、证据合成规则以及自适应权重调整机制，有效解决了多源证据之间可能存在的冲突与不确定性问题，将数据驱动的概率推断与物理机理的确定性计算有机结合，输出具有高可信度的综合故障概率与置信度，显著降低了依赖单一数据驱动模型在故障样本稀少条件下易产生的误判风险，同时也弥补了纯物理机理模型难以处理复杂多参数耦合场景的局限性，进而形成了“数据发现异常→物理验证异常→融合确认异常”的三级递进式故障确认链条，大幅提升了供热管网有限空间场景下故障诊断的准确性、鲁棒性与早期预警能力，并为后续基于置信度的风险分级处置、根因定位溯源与闭环模型迭代优化提供了坚实的量化决策基础。