电站压力容器多参量智能监测与异常预警方法及系统与流程
本发明涉及电站特种设备安全监测,具体涉及一种电站压力容器多参量智能监测与异常预警方法及系统。
背景技术:
1、电站中的压力容器(如水电站调速系统的压力油罐等特种承压设备)在长期运行过程中承受持续的压力、液位、温度及振动等多参量作用,其运行状态直接关系到机组安全和特种设备法规的合规检验要求,因此需要对压力容器的多个运行参量进行连续、可靠的在线监测。
2、目前电站压力容器的运行参量监测通常采用为设备配置独立的模拟仪表,如压力开关、压力表、液位变送器等,各仪表分别输出开关量或模拟量信号供中控系统读取;也有场站采用集中式云端监测平台,将全部原始传感器数据上传至远端服务器进行统一存储与分析。
3、较接近的现有技术在压力容器上安装物联网监测终端,将压力、液位、温度、振动等传感器通过测量元件集成块接入统一的采集节点,并在边缘侧部署轻量化的统计类算法(如统计过程控制)对异常波动进行初步判别,超出预设阈值时经工业以太网或蜂窝网络将告警事件上传至电站监控系统;当集成块中某一传感器发生故障失效时,该现有技术通过预留的备用接口自动切换电路将信号源切换至备用传感器,实现硬件级的通道替换。
4、然而,上述现有技术存在以下问题:一方面,边缘侧异常检测多依赖单一固定阈值或单一统计模型,在传感器噪声、量程漂移及工况波动等复杂场景下容易产生较高的误报率,且各监测节点通常独立部署、彼此之间无法共享跨站点积累的异常样本经验,导致模型对罕见异常模式的检测能力受限;另一方面,当集成块中的某一传感器发生故障失效时,现有的备用接口自动切换机制仅能实现硬件级的通道替换,无法在切换瞬间对失效前后所丢失的数据进行准确估计与补偿,存在监测数据不连续的问题。
技术实现思路
1、针对现有电站压力容器多参量监测方法中,边缘侧异常检测依赖单一固定阈值或单一统计模型导致误报率偏高、且各监测节点无法共享跨站点异常样本经验,以及传感器故障切换瞬间数据丢失无法准确补偿、存在监测盲区的技术问题,本发明提供一种电站压力容器多参量智能监测与异常预警方法及系统。
2、本发明提供一种电站压力容器多参量智能监测与异常预警方法,包括:
3、通过压力容器测量元件集成块的标准化接口,接入压力传感器、液位传感器、温度传感器及振动传感器各自对应的测量通道;
4、按预设采样率对所述测量通道同步采样,执行时间戳对齐与量程归一化,获取多参量监测数据集;
5、基于所述多参量监测数据集,通过边缘计算终端的孤立森林模型计算孤立度评分,得到孤立度评分序列;
6、基于所述多参量监测数据集,通过统计过程控制方法计算偏移统计量,得到偏移统计量序列;
7、结合所述孤立度评分序列与所述偏移统计量序列执行组合异常判定,输出异常事件标记集;
8、基于所述多参量监测数据集执行通道自检,得到传感器状态集;
9、针对所述传感器状态集中失效的测量通道,切换至所述测量元件集成块的备用接口,并以未失效的测量通道的同时刻读数对失效的测量通道重构补偿,得到连续监测数据通路;
10、结合所述异常事件标记集与所述连续监测数据通路生成告警摘要数据包,上传至电站监控系统。
11、进一步地,基于所述多参量监测数据集,通过边缘计算终端的孤立森林模型计算孤立度评分,得到孤立度评分序列,包括:
12、基于所述多参量监测数据集,在所述边缘计算终端本地训练孤立森林模型,得到本地孤立树参数集;
13、将所述本地孤立树参数集经加密通道上传至参数服务器,与其余边缘计算终端上传的本地孤立树参数集执行安全聚合,得到全局孤立森林模型参数集;
14、以所述全局孤立森林模型参数集替换所述边缘计算终端本地的孤立森林模型参数,得到更新后的孤立森林模型;
15、基于所述多参量监测数据集,通过所述更新后的孤立森林模型计算孤立度评分,得到所述孤立度评分序列。
16、进一步地,将所述本地孤立树参数集经加密通道上传至参数服务器,与其余边缘计算终端上传的本地孤立树参数集执行安全聚合,得到全局孤立森林模型参数集,包括:
17、统计各边缘计算终端本地训练所用的样本数量,按所述样本数量的占比确定各边缘计算终端的聚合权重;
18、对各所述边缘计算终端上传的本地孤立树参数集中的分裂特征编号与分裂阈值,按所述聚合权重执行加权平均,获取候选全局分裂参数;
19、计算各所述边缘计算终端上传的本地孤立树参数集与所述候选全局分裂参数的偏离度;
20、剔除所述偏离度超过预设偏离上限的本地孤立树参数集,对剩余的本地孤立树参数集按所述聚合权重重新执行加权平均,得到修正全局分裂参数;
21、按所述修正全局分裂参数重建孤立树集合,得到所述全局孤立森林模型参数集。
22、进一步地,针对所述传感器状态集中失效的测量通道,切换至所述测量元件集成块的备用接口,并以未失效的测量通道的同时刻读数对失效的测量通道重构补偿,得到连续监测数据通路,包括:
23、从所述传感器状态集中确定失效的测量通道及所述失效的测量通道的失效起始时刻;
24、对所述失效的测量通道施加掩码,将未失效的测量通道在所述失效起始时刻之后的同时刻读数输入掩码重构模型,输出所述失效的测量通道的重构补偿值序列;
25、向所述测量元件集成块的备用接口发送切换指令,将所述失效的测量通道的信号源切换至所述备用接口,输出备用信号通路;
26、计算所述备用信号通路的读数与所述重构补偿值序列在同一时刻的偏差,在所述偏差小于预设校验上限时判定切换有效,输出切换有效时刻;
27、以所述重构补偿值序列填补所述失效起始时刻至所述切换有效时刻之间的读数,并在所述切换有效时刻之后以所述备用信号通路的读数续接,得到所述连续监测数据通路。
28、进一步地,对所述失效的测量通道施加掩码,将未失效的测量通道在所述失效起始时刻之后的同时刻读数输入掩码重构模型,输出所述失效的测量通道的重构补偿值序列之前,所述方法还包括训练所述掩码重构模型:
29、从历史多参量监测数据集中按滑动窗口截取训练样本,得到掩码训练样本集;
30、对所述掩码训练样本集中的每一训练样本随机选取一个测量通道施加掩码,得到掩码样本;
31、将所述掩码样本中未被掩码的测量通道的读数输入待训练的掩码重构模型,输出被掩码的测量通道的预测读数;
32、计算所述预测读数与所述被掩码的测量通道的真实读数的重构残差,以所述重构残差为损失反向更新所述待训练的掩码重构模型的参数;
33、遍历所述掩码训练样本集中的全部测量通道重复施加掩码与更新参数,直至所述重构残差小于预设收敛阈值,得到所述掩码重构模型。
34、进一步地,结合所述孤立度评分序列与所述偏移统计量序列执行组合异常判定,输出异常事件标记集,包括:
35、对所述孤立度评分序列与所述偏移统计量序列分别执行标准化,获取标准化异常评分序列;
36、基于所述多参量监测数据集,通过自编码器降维编码,得到低维隐空间表征与重构误差序列;
37、在所述低维隐空间表征上按各维度方差加权执行隔离分裂,输出隐空间孤立度评分序列;
38、根据历史误报记录与历史漏报记录,确定所述标准化异常评分序列、所述重构误差序列与所述隐空间孤立度评分序列各自的融合权重;
39、按所述融合权重对所述标准化异常评分序列、所述重构误差序列与所述隐空间孤立度评分序列加权组合,得到综合异常评分序列,并按预设判定阈值对所述综合异常评分序列判定,输出所述异常事件标记集。
40、进一步地,按预设采样率对所述测量通道同步采样,执行时间戳对齐与量程归一化,获取多参量监测数据集,包括:
41、读取所述测量元件集成块的各标准化接口的接口类型标识,确定出接口类型标识集合;
42、根据所述接口类型标识集合,为所述测量通道分别配置采样率、量程上限与量程下限,输出通道采样配置;
43、按所述通道采样配置以预设采样率对所述测量通道同步采样,得到多通道原始信号流;
44、以所述边缘计算终端的统一时基对所述多通道原始信号流逐点标记时间戳并对齐,得到时间同步数据集;
45、对所述时间同步数据集逐测量通道执行量程校验与格式归一化,获取所述多参量监测数据集。
46、进一步地,基于所述多参量监测数据集执行通道自检,得到传感器状态集,包括:
47、计算所述测量通道在滑动窗口内的信号方差,得到通道方差序列;
48、将所述通道方差序列中低于预设方差下限的测量通道判定为卡死失效;
49、统计所述测量通道的读数超出量程上限或者低于量程下限的持续时长,输出通道越限时长序列;
50、将所述通道越限时长序列中超过预设时长上限的测量通道判定为漂移失效;
51、将卡死失效的判定结果与漂移失效的判定结果按测量通道汇总,得到所述传感器状态集。
52、进一步地,所述方法还包括:
53、将所述多参量监测数据集在所述边缘计算终端本地循环存储,仅将所述告警摘要数据包上传至所述电站监控系统;
54、在所述告警摘要数据包中写入所述异常事件标记集对应时刻前后预设时长内的趋势摘要;
55、在所述边缘计算终端与所述电站监控系统的通信链路中断时,将所述告警摘要数据包暂存于所述边缘计算终端,并在所述通信链路恢复后补发。
56、本发明还提供一种电站压力容器多参量智能监测与异常预警系统,包括:接入单元,用于通过压力容器测量元件集成块的标准化接口,接入压力传感器、液位传感器、温度传感器及振动传感器各自对应的测量通道;采样模块,用于按预设采样率对所述测量通道同步采样,执行时间戳对齐与量程归一化,获取多参量监测数据集;计算模块,用于基于所述多参量监测数据集,通过边缘计算终端的孤立森林模型计算孤立度评分,得到孤立度评分序列,还用于基于所述多参量监测数据集,通过统计过程控制方法计算偏移统计量,得到偏移统计量序列;判定模块,用于结合所述孤立度评分序列与所述偏移统计量序列执行组合异常判定,输出异常事件标记集;自检模块,用于基于所述多参量监测数据集执行通道自检,得到传感器状态集;补偿模块,用于针对所述传感器状态集中失效的测量通道,切换至所述测量元件集成块的备用接口,并以未失效的测量通道的同时刻读数对失效的测量通道重构补偿,得到连续监测数据通路;上传模块,用于结合所述异常事件标记集与所述连续监测数据通路生成告警摘要数据包,上传至电站监控系统。
57、本发明具有以下技术效果:
58、1、由于采用了本地孤立森林模型训练与跨边缘节点安全聚合相结合的联邦协同训练机制,以及重构误差与隐空间孤立度评分自适应加权融合的组合异常判定机制,使得各监测节点在不共享原始运行数据的前提下获得等效于集中训练的模型鲁棒性,且异常判定权重可根据历史误报和漏报记录动态调整,从而解决了现有技术边缘侧异常检测依赖单一固定阈值或单一统计模型导致误报率偏高、且各监测节点无法共享跨站点异常样本经验的问题;
59、2、由于在传感器状态集判定出测量通道失效后,同步利用未失效测量通道的同时刻读数通过掩码重构模型对失效通道进行数据补偿,并将补偿值与备用接口切换后的实际读数进行偏差校验,使得在硬件切换生效前的数据空窗期内仍能获得连续的补偿监测数据,且切换后备用传感器读数的正确性亦得到校验,从而解决了现有技术备用接口自动切换机制在切换瞬间无法对丢失数据进行准确估计和补偿、存在监测盲区的问题;
60、3、由于通过测量元件集成块的标准化接口统一接入并同步采集压力、液位、温度及振动等多参量测量通道,实现了各测量通道采样配置的自动识别与统一时间基准对齐,为上述异常检测与故障补偿机制提供了时间同步、格式一致的数据基础,提高了监测系统的标准化程度和可扩展性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com