水轮机运行异常报警方法、系统及水轮机监测系统与流程

1.本发明涉及水轮机技术领域，具体而言，涉及一种水轮机运行异常报警方法、系统及水轮机监测系统。


背景技术：

2.如何提升水轮机运行异常的报警单元的报警单元分量的决策精度，是本领域亟待解决的技术问题。


技术实现要素：

3.基于以上内容，本发明提供一种水轮机运行异常报警方法，包括：获取至少一个目标水轮机运行活动的水轮机运行持续性特征，所述水轮机运行持续性特征包括所述目标水轮机运行活动的前向运行轨迹信息、水轮机运行活动标签和后向运行轨迹信息；基于所述目标水轮机运行活动的前向运行轨迹信息和水轮机运行活动标签，分别决策各所述目标水轮机运行活动的异常报警轨迹，获得所述目标水轮机运行活动的异常报警决策特征；若所述目标水轮机运行活动的异常报警决策特征与后向运行轨迹信息匹配，则将所述异常报警决策特征作为目标水轮机运行活动的报警单元的报警单元分量，并将该目标水轮机运行活动作为候选水轮机运行活动；若所述目标水轮机运行活动的异常报警决策特征与后向运行轨迹信息不匹配，则将所述目标水轮机运行活动作为选定水轮机运行活动，通过报警分析模型对选定水轮机运行活动的异常报警轨迹进行报警分析，以获得选定水轮机运行活动的报警单元的报警单元分量，所述报警分析模型由至少一个所述候选水轮机运行活动的报警单元的报警单元分量进行ai优化获得。
4.本发明实施例的一种优选实施方式中，所述基于所述目标水轮机运行活动的前向运行轨迹信息和水轮机运行活动标签，分别决策各所述目标水轮机运行活动的异常报警轨迹，获得所述目标水轮机运行活动的异常报警决策特征，包括：在所述目标水轮机运行活动的前向运行轨迹信息中获取所述目标水轮机运行活动的前向运行节点；基于所述前向运行节点和水轮机运行活动标签，分别决策各所述目标水轮机运行活动的异常报警轨迹，获得所述目标水轮机运行活动的异常报警决策特征。
5.本发明实施例的一种优选实施方式中，所述前向运行节点包括至少一个前向运行节点和所述前向运行节点对应的运行功能分区，所述基于所述前向运行节点和水轮机运行活动标签，分别决策各所述目标水轮机运行活动的异常报警轨迹，获得所述目标水轮机运行活动的异常报警决策特征，包括：对所述前向运行节点进行聚类，获得至少一个聚类标签的成员运行节点；
基于前向运行节点对应的所述运行功能分区，在所述至少一个聚类标签的成员运行节点中选取出目标聚类标签的成员运行节点；基于所述目标聚类标签的成员运行节点和所述目标水轮机运行活动的水轮机运行活动标签，分别决策各所述目标水轮机运行活动的异常报警轨迹，获得所述目标水轮机运行活动的异常报警决策特征。
6.本发明实施例的一种优选实施方式中，所述基于所述前向运行节点对应的运行功能分区，在所述至少一个聚类标签的成员运行节点中选取出目标聚类标签的目标运行节点，包括：基于所述前向运行节点对应的运行功能分区，确定各聚类标签的成员运行节点在目标运行功能分区的衔接特征向量；在所述至少一个聚类标签的成员运行节点中选取出衔接特征向量匹配预设衔接特征向量的目标聚类标签的目标运行节点。
7.本发明实施例的一种优选实施方式中，所述基于所述目标运行节点和水轮机运行活动标签，分别决策各所述目标水轮机运行活动的异常报警轨迹，获得所述目标水轮机运行活动的异常报警决策特征，包括：基于所述目标运行节点的节点聚类标签，确定所述目标水轮机运行活动的至少一个待定异常报警轨迹；基于所述目标水轮机运行活动的水轮机运行活动标签，在所述待定异常报警轨迹中选取出目标异常报警轨迹；基于所述目标水轮机运行活动的目标异常报警轨迹、水轮机运行活动标签和目标运行节点，生成所述目标水轮机运行活动的异常报警决策特征。
8.本发明实施例的一种优选实施方式中，所述通过报警分析模型对所述选定水轮机运行活动的异常报警轨迹进行报警分析，以获得所述选定水轮机运行活动的报警单元的报警单元分量，包括：通过所述报警分析模型对所述选定水轮机运行活动的水轮机运行持续性特征进行至少一个特征向量维度的特征向量挖掘，获得每个特征向量维度对应的成员特征向量；对所述成员特征向量进行整合，获得所述选定水轮机运行活动的全局特征向量；基于所述全局特征向量，确定所述选定水轮机运行活动的报警单元的报警单元分量。
9.本发明实施例的一种优选实施方式中，所述通过所述报警分析模型对所述选定水轮机运行活动的报警单元的报警单元分量进行至少一个特征向量维度的特征向量挖掘之前，还包括：获取参考水轮机运行持续性特征，所述参考水轮机运行持续性特征包括具有报警单元的标定报警单元分量的所述候选水轮机运行活动的水轮机运行持续性特征；通过所述报警分析模型对所述参考水轮机运行持续性特征中的报警单元的报警单元分量进行决策，获得异常报警决策特征；基于所述异常报警决策特征与标定报警单元分量，对所述报警分析模型进行迭代训练，获得报警分析模型。
10.本发明还提供一种水轮机运行异常报警方法，包括：
获取模块，用于获取至少一个目标水轮机运行活动的水轮机运行持续性特征，所述水轮机运行持续性特征包括所述目标水轮机运行活动的前向运行轨迹信息、水轮机运行活动标签和后向运行轨迹信息；决策模块，用于基于所述目标水轮机运行活动的前向运行轨迹信息和水轮机运行活动标签，分别决策各所述目标水轮机运行活动的异常报警轨迹，获得所述目标水轮机运行活动的异常报警决策特征；检测模块，用于若所述目标水轮机运行活动的异常报警决策特征与后向运行轨迹信息匹配，则将所述异常报警决策特征作为目标水轮机运行活动的报警单元的报警单元分量，并将该目标水轮机运行活动作为候选水轮机运行活动；若所述目标水轮机运行活动的异常报警决策特征与后向运行轨迹信息不匹配，则将所述目标水轮机运行活动作为选定水轮机运行活动，通过报警分析模型对选定水轮机运行活动的异常报警轨迹进行报警分析，以获得选定水轮机运行活动的报警单元的报警单元分量，所述报警分析模型由至少一个所述候选水轮机运行活动的报警单元的报警单元分量进行ai优化获得。
11.本发明实施例的一种优选实施方式中，所述决策模块具体用于：在所述目标水轮机运行活动的前向运行轨迹信息中获取所述目标水轮机运行活动的前向运行节点；基于所述前向运行节点和水轮机运行活动标签，分别决策各所述目标水轮机运行活动的异常报警轨迹，获得所述目标水轮机运行活动的异常报警决策特征。
12.本发明实施例的一种优选实施方式中，所述前向运行节点包括至少一个前向运行节点和所述前向运行节点对应的运行功能分区，所述决策模块还用于：对所述前向运行节点进行聚类，获得至少一个聚类标签的成员运行节点；基于前向运行节点对应的所述运行功能分区，在所述至少一个聚类标签的成员运行节点中选取出目标聚类标签的成员运行节点；基于所述目标聚类标签的成员运行节点和所述目标水轮机运行活动的水轮机运行活动标签，分别决策各所述目标水轮机运行活动的异常报警轨迹，获得所述目标水轮机运行活动的异常报警决策特征；所述基于所述前向运行节点对应的运行功能分区，在所述至少一个聚类标签的成员运行节点中选取出目标聚类标签的目标运行节点，包括：基于所述前向运行节点对应的运行功能分区，确定各聚类标签的成员运行节点在目标运行功能分区的衔接特征向量；在所述至少一个聚类标签的成员运行节点中选取出衔接特征向量匹配预设衔接特征向量的目标聚类标签的目标运行节点。
13.本发明实施例的一种优选实施方式中，所述决策模块还用于：基于所述目标运行节点的节点聚类标签，确定所述目标水轮机运行活动的至少一个待定异常报警轨迹；基于所述目标水轮机运行活动的水轮机运行活动标签，在所述待定异常报警轨迹中选取出目标异常报警轨迹；基于所述目标水轮机运行活动的目标异常报警轨迹、水轮机运行活动标签和目标运行节点，生成所述目标水轮机运行活动的异常报警决策特征；
所述检测模块具体还用于：通过所述报警分析模型对所述选定水轮机运行活动的水轮机运行持续性特征进行至少一个特征向量维度的特征向量挖掘，获得每个特征向量维度对应的成员特征向量；对所述成员特征向量进行整合，获得所述选定水轮机运行活动的全局特征向量；基于所述全局特征向量，确定所述选定水轮机运行活动的报警单元的报警单元分量所述报警分析模型通过以下方法训练获得：获取参考水轮机运行持续性特征，所述参考水轮机运行持续性特征包括具有报警单元的标定报警单元分量的所述候选水轮机运行活动的水轮机运行持续性特征；通过所述报警分析模型对所述参考水轮机运行持续性特征中的报警单元的报警单元分量进行决策，获得异常报警决策特征；基于所述异常报警决策特征与标定报警单元分量，对所述报警分析模型进行迭代训练，获得报警分析模型。
14.本发明还提供提供一种水轮机监测系统，包括处理器及机器可读存储介质，所述机器可读存储介质存储有机器可执行指令，所述机器可执行指令在被所述处理器执行时，实现上述的方法。
15.本发明提供的水轮机运行异常报警方法、系统及水轮机监测系统，通过获取至少一个目标水轮机运行活动的水轮机运行持续性特征，基于所述目标水轮机运行活动的前向运行轨迹信息和水轮机运行活动标签，决策目标水轮机运行活动的报警单元的报警单元分量；若所述目标水轮机运行活动的异常报警决策特征与后向运行轨迹信息匹配，则将所述异常报警决策特征作为目标水轮机运行活动的报警单元的报警单元分量，并将该目标水轮机运行活动作为候选水轮机运行活动；若所述目标水轮机运行活动的异常报警决策特征与后向运行轨迹信息不匹配，则将所述目标水轮机运行活动作为选定水轮机运行活动，通过报警分析模型对选定水轮机运行活动的异常报警轨迹进行报警分析，以获得选定水轮机运行活动的报警单元的报警单元分量。这样，可以提升报警单元的报警单元分量的决策精度，进一步通过报警分析模型针对选定水轮机运行活动进行报警单元的报警单元分量的检测，可以有效的实现报警单元的报警单元分量的检测并可提升决策精度。
附图说明
16.为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以基于这些附图获得其他相关的附图。
17.图1为本发明实施例提供的水轮机监测系统的架构示意图；图2为本发明实施例提供的水轮机运行异常报警方法的流程示意图；图3为本发明实施例提供的水轮机运行异常报警系统的功能模块示意图。
具体实施方式
18.请参照图1，图1是本发明实施例提供的水轮机监测系统1的架构示意图。所述水轮
机监测系统1包括水轮机运行异常报警系统10、机器可读存储介质20、处理器30。
19.所述机器可读存储介质20、处理器30电性连接以实现数据的传输或交互。例如，可通过通讯总线或信号线实现电性连接。所述水轮机运行异常报警系统10包括至少一个存储于所述机器可读存储介质20中的软件功能模块。所述处理器30用于执行所述机器可读存储介质20中存储的可执行模块，例如所述水轮机运行异常报警系统10所包括的软件功能模块及计算机程序等。
20.请参照图2，图2为应用于图1所示的水轮机监测系统1的一种水轮机运行异常报警方法的流程图，以下将对所述方法包括各个步骤进行详细阐述。
21.步骤1，获取至少一个目标水轮机运行活动的水轮机运行持续性特征，所述水轮机运行持续性特征包括所述目标水轮机运行活动的前向运行轨迹信息、水轮机运行活动标签和后向运行轨迹信息。
22.步骤2，基于所述目标水轮机运行活动的前向运行轨迹信息和水轮机运行活动标签，分别决策各所述目标水轮机运行活动的异常报警轨迹，获得所述目标水轮机运行活动的异常报警决策特征。
23.步骤3，若所述目标水轮机运行活动的异常报警决策特征与后向运行轨迹信息匹配，则将所述异常报警决策特征作为目标水轮机运行活动的报警单元的报警单元分量，并将该目标水轮机运行活动作为候选水轮机运行活动；若所述目标水轮机运行活动的异常报警决策特征与后向运行轨迹信息不匹配，则将所述目标水轮机运行活动作为选定水轮机运行活动，通过报警分析模型对所述选定水轮机运行活动的异常报警轨迹进行报警分析，以获得所述选定水轮机运行活动的报警单元的报警单元分量，所述报警分析模型由至少一个所述候选水轮机运行活动的报警单元的报警单元分量进行ai优化获得。
24.本发明实施例的一种优选实施方式中，在本发明实施例中，步骤2，所述基于所述目标水轮机运行活动的前向运行轨迹信息和水轮机运行活动标签，分别决策各所述目标水轮机运行活动的异常报警轨迹，获得所述目标水轮机运行活动的异常报警决策特征，包括：步骤21，在所述目标水轮机运行活动的前向运行轨迹信息中获取所述目标水轮机运行活动的前向运行节点。
25.步骤22，基于所述前向运行节点和水轮机运行活动标签，分别决策各所述目标水轮机运行活动的异常报警轨迹，获得所述目标水轮机运行活动的异常报警决策特征。
26.本发明实施例的一种优选实施方式中，在本发明实施例中，所述前向运行节点包括至少一个前向运行节点和所述前向运行节点对应的运行功能分区。步骤22，基于所述前向运行节点和水轮机运行活动标签，分别决策各所述目标水轮机运行活动的异常报警轨迹，获得所述目标水轮机运行活动的异常报警决策特征，包括：对所述前向运行节点进行聚类，获得至少一个聚类标签的成员运行节点；基于前向运行节点对应的所述运行功能分区，在所述至少一个聚类标签的成员运行节点中选取出目标聚类标签的成员运行节点；基于所述目标聚类标签的成员运行节点和所述目标水轮机运行活动的水轮机运行活动标签，分别决策各所述目标水轮机运行活动的异常报警轨迹，获得所述目标水轮机运行活动的异常报警决策特征。
27.本发明实施例的一种优选实施方式中，在本发明实施例中，步骤s222，基于所述前
向运行节点对应的运行功能分区，在所述至少一个聚类标签的成员运行节点中选取出目标聚类标签的目标运行节点，包括：基于所述前向运行节点对应的运行功能分区，确定各聚类标签的成员运行节点在目标运行功能分区的衔接特征向量；在所述至少一个聚类标签的成员运行节点中选取出衔接特征向量匹配预设衔接特征向量的目标聚类标签的目标运行节点。
28.本发明实施例的一种优选实施方式中，在本发明实施例中，步骤s223，基于所述目标聚类标签的成员运行节点和所述目标水轮机运行活动的水轮机运行活动标签，分别决策各所述目标水轮机运行活动的异常报警轨迹，获得所述目标水轮机运行活动的异常报警决策特征，包括：基于所述目标运行节点的节点聚类标签，确定所述目标水轮机运行活动的至少一个待定异常报警轨迹；基于所述目标水轮机运行活动的水轮机运行活动标签，在所述待定异常报警轨迹中选取出目标异常报警轨迹；基于所述目标水轮机运行活动的目标异常报警轨迹、水轮机运行活动标签和目标运行节点，生成所述目标水轮机运行活动的异常报警决策特征。
29.本发明实施例的一种优选实施方式中，在本发明实施例中，步骤3中，通过报警分析模型对所述选定水轮机运行活动的异常报警轨迹进行报警分析，以获得所述选定水轮机运行活动的报警单元的报警单元分量，包括：通过所述报警分析模型对所述选定水轮机运行活动的水轮机运行持续性特征进行至少一个特征向量维度的特征向量挖掘，获得每个特征向量维度对应的成员特征向量；对所述成员特征向量进行整合，获得所述选定水轮机运行活动的全局特征向量；基于所述全局特征向量，确定所述选定水轮机运行活动的报警单元的报警单元分量。
30.本发明实施例的一种优选实施方式中，在本发明实施例中，步骤s310，通过所述报警分析模型对所述选定水轮机运行活动的报警单元的报警单元分量进行至少一个特征向量维度的特征向量挖掘之前，所述方法还包括：获取参考水轮机运行持续性特征，所述参考水轮机运行持续性特征包括具有报警单元的标定报警单元分量的所述候选水轮机运行活动的水轮机运行持续性特征；通过所述报警分析模型对所述参考水轮机运行持续性特征中的报警单元的报警单元分量进行决策，获得异常报警决策特征；基于所述异常报警决策特征与标定报警单元分量，对所述报警分析模型进行迭代训练，获得报警分析模型。
31.请参照图3，本实施例还提供一种水轮机运行异常报警系统10，水轮机运行异常报警系统10包括获取模块101、决策模块102及检测模块103。
32.获取模块101，用于获取至少一个目标水轮机运行活动的水轮机运行持续性特征，所述水轮机运行持续性特征包括所述目标水轮机运行活动的前向运行轨迹信息、水轮机运行活动标签和后向运行轨迹信息。
33.本实施例中，所述获取模块101可用于执行图1所示的步骤1，关于所述获取模块
101的具体描述可参对所述步骤1的描述。
34.决策模块102，用于基于所述目标水轮机运行活动的前向运行轨迹信息和水轮机运行活动标签，分别决策各所述目标水轮机运行活动的异常报警轨迹，获得所述目标水轮机运行活动的异常报警决策特征。
35.本实施例中，所述决策模块102可用于执行图1所示的步骤2，关于所述决策模块102的具体描述可参对所述步骤2的描述。
36.检测模块103，用于若所述目标水轮机运行活动的异常报警决策特征与后向运行轨迹信息匹配，则将所述异常报警决策特征作为目标水轮机运行活动的报警单元的报警单元分量，并将该目标水轮机运行活动作为候选水轮机运行活动。若所述目标水轮机运行活动的异常报警决策特征与后向运行轨迹信息不匹配，则将所述目标水轮机运行活动作为选定水轮机运行活动，通过报警分析模型对选定水轮机运行活动的异常报警轨迹进行报警分析，以获得选定水轮机运行活动的报警单元的报警单元分量，所述报警分析模型由至少一个所述候选水轮机运行活动的报警单元的报警单元分量进行ai优化获得。
37.本发明实施例的一种优选实施方式中，所述决策模块具体用于：在所述目标水轮机运行活动的前向运行轨迹信息中获取所述目标水轮机运行活动的前向运行节点；基于所述前向运行节点和水轮机运行活动标签，分别决策各所述目标水轮机运行活动的异常报警轨迹，获得所述目标水轮机运行活动的异常报警决策特征。
38.本发明实施例的一种优选实施方式中，所述前向运行节点包括至少一个前向运行节点和所述前向运行节点对应的运行功能分区，所述决策模块还用于：对所述前向运行节点进行聚类，获得至少一个聚类标签的成员运行节点；基于前向运行节点对应的所述运行功能分区，在所述至少一个聚类标签的成员运行节点中选取出目标聚类标签的成员运行节点；基于所述目标聚类标签的成员运行节点和所述目标水轮机运行活动的水轮机运行活动标签，分别决策各所述目标水轮机运行活动的异常报警轨迹，获得所述目标水轮机运行活动的异常报警决策特征；所述基于所述前向运行节点对应的运行功能分区，在所述至少一个聚类标签的成员运行节点中选取出目标聚类标签的目标运行节点，包括：基于所述前向运行节点对应的运行功能分区，确定各聚类标签的成员运行节点在目标运行功能分区的衔接特征向量；在所述至少一个聚类标签的成员运行节点中选取出衔接特征向量匹配预设衔接特征向量的目标聚类标签的目标运行节点。
39.本发明实施例的一种优选实施方式中，所述决策模块还用于：基于所述目标运行节点的节点聚类标签，确定所述目标水轮机运行活动的至少一个待定异常报警轨迹；基于所述目标水轮机运行活动的水轮机运行活动标签，在所述待定异常报警轨迹中选取出目标异常报警轨迹；基于所述目标水轮机运行活动的目标异常报警轨迹、水轮机运行活动标签和目标运行节点，生成所述目标水轮机运行活动的异常报警决策特征；
所述检测模块具体还用于：通过所述报警分析模型对所述选定水轮机运行活动的水轮机运行持续性特征进行至少一个特征向量维度的特征向量挖掘，获得每个特征向量维度对应的成员特征向量；对所述成员特征向量进行整合，获得所述选定水轮机运行活动的全局特征向量；基于所述全局特征向量，确定所述选定水轮机运行活动的报警单元的报警单元分量所述报警分析模型通过以下方法训练获得：获取参考水轮机运行持续性特征，所述参考水轮机运行持续性特征包括具有报警单元的标定报警单元分量的所述候选水轮机运行活动的水轮机运行持续性特征；通过所述报警分析模型对所述参考水轮机运行持续性特征中的报警单元的报警单元分量进行决策，获得异常报警决策特征；基于所述异常报警决策特征与标定报警单元分量，对所述报警分析模型进行迭代训练，获得报警分析模型。
40.综上所述，本发明提供的水轮机运行异常报警方法、系统及水轮机监测系统，通过获取至少一个目标水轮机运行活动的水轮机运行持续性特征，基于所述目标水轮机运行活动的前向运行轨迹信息和水轮机运行活动标签，决策目标水轮机运行活动的报警单元的报警单元分量；若所述目标水轮机运行活动的异常报警决策特征与后向运行轨迹信息匹配，则将所述异常报警决策特征作为目标水轮机运行活动的报警单元的报警单元分量，并将该目标水轮机运行活动作为候选水轮机运行活动；若所述目标水轮机运行活动的异常报警决策特征与后向运行轨迹信息不匹配，则将所述目标水轮机运行活动作为选定水轮机运行活动，通过报警分析模型对选定水轮机运行活动的异常报警轨迹进行报警分析，以获得选定水轮机运行活动的报警单元的报警单元分量。这样，可以提升报警单元的报警单元分量的决策精度，进一步通过报警分析模型针对选定水轮机运行活动进行报警单元的报警单元分量的检测，可以有效的实现报警单元的报警单元分量的检测并可提升决策精度。
41.以上所述，仅为本发明的各种实施方式，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，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。