一种基于发电车风险识别主动预警系统及方法与流程

1.本发明涉及电网发电车监控技术领域，具体是一种基于发电车风险识别主动预警系统及方法。


背景技术：

2.柴油、飞轮等多类型的发电车等运行时，需要对其发电车的实时机组运行状态、环境状态、视频图像进行实时监测，掌握发电机运行状态，并进行风险预警，从而有针对地进行维修保养，降低发电车故障造成的损失。
3.然而通过人的观察及判断无法精准分析发电车的发电机运行状态，以及发电车在发电时的车内外环境、实时图像的实时信息，无法进行对整个发电车发电过程中的综合判断，无法对发电车的维保计划进行准确的安排，无法对公司或单位整体发电车的状况进行全部的掌握，另外也迫切需要获取发电车运行过程中的潜在风险预警，从而帮助其快速处理潜在的风险处理及预判。


技术实现要素：

4.本发明的目的在于提供一种基于发电车风险识别主动预警系统及方法，以解决上述背景技术中提出的问题。
5.为实现上述目的，本发明提供如下技术方案：
6.一种基于发电车风险识别主动预警系统，包括前端模块和后端平台模块，所述前端模块包括安装在发电车内部的环境传感器和车载视频，安装在发电机组控制器内部的通讯模块，所述环境传感器包括温湿度传感器、噪声传感器和烟感传感器，所述后端平台模块包括发电车知识专家库、发电车综合数据风险识别数据模型、多类标数据集、物联网关、物联网平台和消息推送中心。
7.一种基于发电车风险识别主动预警方法，包括以下步骤：
8.s1、利用发电车及运行状态下发动机、发电机以及环境影响相关专业标准、数据、规范、环境影响，以及发电车运维规范、标准、数据信息，结合专家提供相关标准、规范及其他相关专业数据信息，建立发电车知识专家库；
9.s2、基于s1步骤中的发电车知识专家库的专业标准、规范的数据信息，结合发电车历史运行故障情况，确定数据及其相关过程、定义数据、确保数据的完整性、定义操作过程、选择数据存储技术，并利用发电车环境数据、图像、发动机、发电机等综合要素，确定好数据模型算法，从而建立发电车综合数据风险识别数据模型；
10.其中，发电车综合数据风险识别数据模型的建立方法如下：根据不同采集的数据类型对发电车数据项设置不同权重kn，计算出发电车风险识别的概率l(θ)，其中p(yn)为n个不同的数据项事件发生概率：
11.l(θ)＝p(y1)k1p(y2)k2...p(yn)kn12.13.当有多个数据项影响发电车运行时，可传入n个参数及设定权重值，当l(θ)值大于1时，说明发电车存在发生风险的概率；
14.s3、基于s2步骤中的发电车综合数据风险识别数据模型，导入数据模型算法，利用发电车知识专家库及其历史数据，对数据模型算法的参数数据进行样本提取，从而形成多类标数据集；
15.其中，数据模型算法如下：设f1,f1……
,fj为j种不同数据类型的损失估算值，l1(θ),l2(θ)
……
,li(θ)为i种不同数据类型的发生风险的概率，通过同数据类型的损失估算值和概率计算风险评估值r：
[0016][0017]
通过风险评估值判断风险的等级；
[0018]
s4、利用物联网技术，在发电车内部装入环境传感器和车载视频，在发电机组控制器内部安装通讯模块，通过通信线将环境传感器、车载视频与通讯模块连接，并使用物联网关进行通信；
[0019]
s5、利用物联网平台采集s4步骤中得到的数据并进行解析，将采集的环境、图像、机组数据按照数据模型算法的参数配置就行整合提炼，传入数据模型中，通过数据模型与发电车知识专家库对比，计算出风险识别结果，并生成风险识别报告；
[0020]
s6、基于s5步骤中的风险识别报告，当发电车可能存在风险时，系统自动的将报告传送至消息推送中心，消息推送中心准确地找到发电车相关的运维人员、管理人员及现场保障人员，通过短信、移动端推送等技术，将发电车的可能存在的风险推送至相关人员，为相关人员处理风险提供数据、参考支撑，从而实现发电车风险主动预警。
[0021]
作为本发明再进一步的方案：所述s1步骤中：通过对发电车知识专家库相关的数据信息进行信息化管理，并对发电车知识专家库库的数据内容进行分类、归整、完善、处理，为主动识别模型提供数据支撑；利用已经入库并分类、归整、完善、处理的数据信息，并通过分箱法、聚类法回归法对其进行数据清洗，数据清洗包括检查数据一致性、处理无效值和缺失值，从而提高专家库数据质量。
[0022]
作为本发明再进一步的方案：所述s3步骤中：数据模型算法的样本提取需要进行数据训练，且数据训练方法如下：
[0023]
s11、采用有监督学习方式的训练模式，通过不断地输入参数数据，训练数据模型预测结果，将预测结果与训练数据的实际结果进行比较，不断地调整预测模型，直到模型的预测结果达到一个预期的准确率；
[0024]
s12、采用无监督学习方式的训练模式，通过导入参数数据集，训练数据预测结果，最后对预测结果进行分析；
[0025]
s13、通过有监督和无监督方式进行训练，采用交差验证，观察损失曲线，测试结果曲线等分析原因，对数据模型进行评估，并根据评估结果调整，参数进行优化；
[0026]
s14、通过调整后的数据模型、参数优化，进行不断地机器学习，直到符合实际标准为止。
[0027]
作为本发明再进一步的方案：所述s4步骤中：基于modbus协议，配置获取温湿度、
噪声、烟感数据的命令及机组数据的命令，通过配置视频参数，将视频的图像接入到物联网关，通过网关发送数据命令，获取环境传感器、机组运行实时数据。
[0028]
作为本发明再进一步的方案：所述s4步骤中：基于mqtt协议，配置连接、订阅、发布等参数及服务，物联网关连接至物联网平台，物联网关通过下发的命令采集的数据发布至物联网平台；物联网平台通过订阅的参数信息，接收物联网关发布的数据，并根据不同的类型数据基于通信协议对数据进行解析。
[0029]
作为本发明再进一步的方案：所述s5步骤中：利用风险识别结果，将风险识别内容利用信息化手段，转换成风险识别报告，从而实现发电车运行过程中的风险识别。
[0030]
作为本发明再进一步的方案：所述s1步骤中的发电车知识专家库由远程数据录入和维护模块、查询模块、归类管理模块、安全保密模块和系统恢复模块组成，其中，
[0031]
所述远程数据录入和维护模块由专家可以自行进行数据录入和维护，实现适时更新；所述查询模块用于发电车数据的动态查询，并对查询的信息和相关结构以报表的形式输出；所述归类管理模块用于对不同的信息类型进行归类；所述安全保密模块用于对不同的操作人员设置不同的查询权限，避免权限不够的用户随意调阅和修改数据；所述系统恢复模块包括知识专家库的创建、备份和恢复，通过定期对数据信息进行备份，避免系统出现故障时，出现数据丢失，从而保证系统正常运行。
[0032]
与现有技术相比，本发明的有益效果：
[0033]
本发明利用物联网技术获取到发电车内外部的环境数据、图像情况、发动机、发电机的实时数据情况，利用发电车知识专家库及发电车综合数据风险识别数据模型对发电车运行实时情况及风险情况进行了综合评估，形成了对发电车实时运行情况及风险的自动识别及主动预警，从而帮助发电车保障人员对发电车的整体情况进行辅助参考及分析，方便做出相对应的措施，对于维保人员能提供发电车的总发电量、发电时长、发动机的数据提供辅助参考，方便做出更好维保计划和有针对性的维保，对于管理人员提供发电车整个参与发电车状况进行掌握提供数据支撑，方便做出更好的工作安排。
附图说明
[0034]
图1为一种基于发电车风险识别主动预警方法的流程示意图。
具体实施方式
[0035]
本发明实施例中，一种基于发电车风险识别主动预警系统，包括前端模块和后端平台模块，前端模块包括安装在发电车内部的环境传感器和车载视频，安装在发电机组控制器内部的通讯模块，环境传感器包括温湿度传感器、噪声传感器和烟感传感器，后端平台模块包括发电车知识专家库、发电车综合数据风险识别数据模型、多类标数据集、物联网关、物联网平台和消息推送中心。
[0036]
一种基于发电车风险识别主动预警方法，包括以下步骤：
[0037]
s1、利用发电车及运行状态下发动机、发电机以及环境影响相关专业标准、数据、规范、环境影响，以及发电车运维规范、标准、数据信息，结合专家提供相关标准、规范及其他相关专业数据信息，建立发电车知识专家库；
[0038]
s2、基于s1步骤中的发电车知识专家库的专业标准、规范的数据信息，结合发电车
历史运行故障情况，确定数据及其相关过程、定义数据、确保数据的完整性、定义操作过程、选择数据存储技术，并利用发电车环境数据、图像、发动机、发电机等综合要素，确定好数据模型算法，从而建立发电车综合数据风险识别数据模型；
[0039]
其中，发电车综合数据风险识别数据模型的建立方法如下：根据不同采集的数据类型对发电车数据项设置不同权重kn，计算出发电车风险识别的概率l(θ)，其中p(yn)为n个不同的数据项事件发生概率：
[0040]
l(θ)＝p(y1)k1p(y2)k2...p(yn)kn[0041][0042]
当有多个数据项影响发电车运行时，可传入n个参数及设定权重值，当l(θ)值大于1时，说明发电车存在发生风险的概率；
[0043]
s3、基于s2步骤中的发电车综合数据风险识别数据模型，导入数据模型算法，利用发电车知识专家库及其历史数据，对数据模型算法的参数数据进行样本提取，从而形成多类标数据集；
[0044]
其中，数据模型算法如下：设f1,f1……
,fj为j种不同数据类型的损失估算值，l1(θ),l2(θ)
……
,li(θ)为i种不同数据类型的发生风险的概率，通过同数据类型的损失估算值和概率计算风险评估值r：
[0045][0046]
通过风险评估值判断风险的等级；
[0047]
s4、利用物联网技术，在发电车内部装入环境传感器和车载视频，在发电机组控制器内部安装通讯模块，通过通信线将环境传感器、车载视频与通讯模块连接，并使用物联网关进行通信；
[0048]
s5、利用物联网平台采集s4步骤中得到的数据并进行解析，将采集的环境、图像、机组数据按照数据模型算法的参数配置就行整合提炼，传入数据模型中，通过数据模型与发电车知识专家库对比，计算出风险识别结果，并生成风险识别报告；
[0049]
s6、基于s5步骤中的风险识别报告，当发电车可能存在风险时，系统自动的将报告传送至消息推送中心，消息推送中心准确地找到发电车相关的运维人员、管理人员及现场保障人员，通过短信、移动端推送等技术，将发电车的可能存在的风险推送至相关人员，为相关人员处理风险提供数据、参考支撑，从而实现发电车风险主动预警。
[0050]
优选的，s1步骤中：通过对发电车知识专家库相关的数据信息进行信息化管理，并对发电车知识专家库库的数据内容进行分类、归整、完善、处理，为主动识别模型提供数据支撑；利用已经入库并分类、归整、完善、处理的数据信息，并通过分箱法、聚类法回归法对其进行数据清洗，数据清洗包括检查数据一致性、处理无效值和缺失值，从而提高专家库数据质量。
[0051]
优选的，s3步骤中：数据模型算法的样本提取需要进行数据训练，且数据训练方法如下：
[0052]
s11、采用有监督学习方式的训练模式，通过不断地输入参数数据，训练数据模型
预测结果，将预测结果与训练数据的实际结果进行比较，不断地调整预测模型，直到模型的预测结果达到一个预期的准确率；
[0053]
s12、采用无监督学习方式的训练模式，通过导入参数数据集，训练数据预测结果，最后对预测结果进行分析；
[0054]
s13、通过有监督和无监督方式进行训练，采用交差验证，观察损失曲线，测试结果曲线等分析原因，对数据模型进行评估，并根据评估结果调整，参数进行优化；
[0055]
s14、通过调整后的数据模型、参数优化，进行不断地机器学习，直到符合实际标准为止。
[0056]
优选的，s4步骤中：基于modbus协议，配置获取温湿度、噪声、烟感数据的命令及机组数据的命令，通过配置视频参数，将视频的图像接入到物联网关，通过网关发送数据命令，获取环境传感器、机组运行实时数据。
[0057]
优选的，s4步骤中：基于mqtt协议，配置连接、订阅、发布等参数及服务，物联网关连接至物联网平台，物联网关通过下发的命令采集的数据发布至物联网平台；物联网平台通过订阅的参数信息，接收物联网关发布的数据，并根据不同的类型数据基于通信协议对数据进行解析。
[0058]
优选的，s5步骤中：利用风险识别结果，将风险识别内容利用信息化手段，转换成风险识别报告，从而实现发电车运行过程中的风险识别。
[0059]
优选的，s1步骤中的发电车知识专家库由远程数据录入和维护模块、查询模块、归类管理模块、安全保密模块和系统恢复模块组成，其中，
[0060]
远程数据录入和维护模块由专家可以自行进行数据录入和维护，实现适时更新；查询模块用于发电车数据的动态查询，并对查询的信息和相关结构以报表的形式输出；归类管理模块用于对不同的信息类型进行归类；安全保密模块用于对不同的操作人员设置不同的查询权限，避免权限不够的用户随意调阅和修改数据；系统恢复模块包括知识专家库的创建、备份和恢复，通过定期对数据信息进行备份，避免系统出现故障时，出现数据丢失，从而保证系统正常运行。
[0061]
以上所述的，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。