多变量锅炉运行状态异常检测方法及设备和存储介质

本发明属于计算机检测，具体涉及一种多变量锅炉运行状态异常检测方法及设备和存储介质。

背景技术：

1、锅炉运行状态的异常检测，对于工厂的生产安全和经济效益至关重要，因为锅炉系统中存在大量的不确定性和复杂性；锅炉系统中的设备和部件通常是由不同的材料和制造商制造的，其中可能存在制造缺陷、老化或损坏的可能性。此外，锅炉系统中的工作条件也非常苛刻，可能会导致压力、温度、流量等参数的波动，这些因素都可能导致锅炉运行状态出现异常，例如锅炉爆炸、压力过高或过低、流量不稳定等。

2、为了避免这些问题，需要对锅炉运行状态进行定期的检测和监控，通过异常检测可以及早发现系统中的异常情况，并采取相应的措施进行处理，避免事故的发生；异常检测还可以帮助确定故障的根本原因，并采取措施进行修复，从而提高锅炉运行时的可靠性和稳定性。因此，异常检测对于锅炉的正常运行至关重要，是确保系统安全和稳定的关键。

3、目前在锅炉运行状态异常检测方面的研究较少，早期通常利用专家系统来开展，但由于锅炉运行状态动态复杂，其对异常模式识别的表现较差。近年大量研究者引入了机器学习与深度学习的方法对时序数据中的异常进行检测，有少量研究将这些方法应用于锅炉异常检测方面，例如chen.w等人发表的文献《gcn and gru based intelligent modelfor temperature prediction of local heating surfaces.ieee transactions onindustrial informatics,2022,19:5517-5529》中使用了一种概率神经网络的方法，将锅炉运行的过程参数作为网络的输入；又如翟晨翰等人发表的文献《基于多维时序数据的锅炉内部异常检测和温度预测研究.西北师范大学,硕士论文,2023年5月》中提出了一种多维时序数据的异常检测模型gat-ad，结合和图注意力神经网络和双向循环门控单元，以捕捉复杂时序数据中的异常。在现有技术中，大量研究并未针对锅炉这一独特场景进行特定的分析，少量针对锅炉的研究，所纳入的数据内容有限，对锅炉时序数据中隐含的复杂依赖关系无法有效建模，因此异常检测准确性仍有不足。

4、对于锅炉生产系统而言，生产过程中产生的异常数据波动，如何快速精准的捕捉到异常，仍是本领域亟需要解决的技术问题。

技术实现思路

1、鉴于上述，本发明提供了一种多变量锅炉运行状态异常检测方法及设备和存储介质，对于正在运行的锅炉，能够捕捉锅炉运行时产生的异常的传感器数据，具有较高的异常检测准确率。

2、一种多变量锅炉运行状态异常检测方法，包括如下步骤：

3、(1)获取锅炉运行状态下的动态环境数据、静态环境数据、锅炉火焰图像数据以及锅炉传感器数据，并将这些数据输入检测系统中进行检测；

4、(2)由系统将动态环境数据编码转化为环境特征向量，将锅炉火焰图像数据编码转化为图像特征向量，将锅炉传感器数据编码转化为工况特征向量，将静态环境数据编码转化为静态特征向量，其中环境特征向量、图像特征向量和工况特征向量均为时序向量，将这三者融合后与静态特征向量进行拼接得到新的融合向量；

5、(3)由系统对所述融合向量进行解码得到当前时刻锅炉的工况预测数据，并依据该工况预测数据通过比较检测锅炉运行状态是否异常。

6、进一步地，所述动态环境数据包括厂房湿度、厂房温度、厂房风速、大气压力中的至少3项。

7、进一步地，所述静态环境数据包括锅炉型号、锅炉容量、锅炉材质中的至少2项。

8、进一步地，所述锅炉传感器数据包括锅炉压力、燃烧室温度、鼓风机转速、引风机转速、给水流量、燃料供给量、给水水位、锅炉排烟温度、锅炉排烟压力、排烟氧含量、主蒸汽温度、主蒸汽压力、再热器进口温度、再热器进口压力、再热器出口温度、再热器出口压力中的至少6项。

9、进一步地，所述检测系统包括：

10、输入层，用于接受锅炉运行状态下的动态环境数据、静态环境数据、锅炉火焰图像数据以及锅炉传感器数据并对数据进行预处理；

11、编码器，用于将上述预处理后的数据编码转化为对应的特征向量；

12、融合层，用于对所有特征向量进行融合得到新的融合向量；

13、解码器，用于对所述融合向量进行解码得到当前时刻锅炉的工况预测数据；

14、检测层，用于根据所述工况预测数据通过比较检测锅炉运行状态是否异常。

15、进一步地，所述编码器包括：

16、环境编码层，用于将动态环境数据编码转化为环境特征向量；

17、图像编码层，用于将锅炉火焰图像数据编码转化为图像特征向量；

18、工况编码层，用于将锅炉传感器数据编码转化为工况特征向量；

19、静态扩充层，用于将静态环境数据编码转化为静态特征向量。

20、进一步地，所述环境编码层、图像编码层、工况编码层分别采用多层感知机mlp、卷积神经网络cnn、长短期记忆网络lstm实现，这些编码层的输入均超过9个时间步长的数据，输出为基于时序的特征向量且均通过位置编码和层归一化。

21、进一步地，所述静态扩充层由两个隐藏层和一个基于门控线性单元glu的组件门控层实现。

22、进一步地，在一组基于时序的特征向量中，对于每个时间步长的特征，将基于不同频率正弦波的位置编码添加到各时间步长的特征中，使得一组特征向量能够表达出内部的位置信息；由于基于时序的特征向量具有相同维度，所述融合层通过权重网络给这些特征向量赋值相应的权重，进而通过加权求和进行融合，最后再与静态特征向量进行拼接得到新的融合向量。

23、一种电子设备，包括存储器和处理器，其中存储器中存有程序代码，处理器用于执行该程序代码以实现上述多变量锅炉运行状态异常检测方法。

24、一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被计算机执行时以实现上述多变量锅炉运行状态异常检测方法。

25、对于锅炉运行状态异常检测处理，本发明通过利用动态环境数据、锅炉火焰燃烧图片、锅炉传感器数据等多模态时间序列数据，以及静态环境数据组成的静态特征，较好地优化对锅炉运作时的异常检测准确率，这些多模态数据在经过编码层的一系列变换输出对应的编码向量后，通过融合层对这4组编码向量进行加权融合处理，进而优化异常数据的检测准确度。本发明方法不仅具有较高的异常检测准确率，还能够有效地提高锅炉运行的可靠性和安全性，为工业生产和能源领域提供了一种高效可靠的异常检测方法。

技术特征：

1.一种多变量锅炉运行状态异常检测方法，包括如下步骤：

2.根据权利要求1所述的多变量锅炉运行状态异常检测方法，其特征在于：所述动态环境数据包括厂房湿度、厂房温度、厂房风速、大气压力中的至少3项；所述静态环境数据包括锅炉型号、锅炉容量、锅炉材质中的至少2项；所述锅炉传感器数据包括锅炉压力、燃烧室温度、鼓风机转速、引风机转速、给水流量、燃料供给量、给水水位、锅炉排烟温度、锅炉排烟压力、排烟氧含量、主蒸汽温度、主蒸汽压力、再热器进口温度、再热器进口压力、再热器出口温度、再热器出口压力中的至少6项。

3.根据权利要求1所述的多变量锅炉运行状态异常检测方法，其特征在于：所述检测系统包括：

4.根据权利要求3所述的多变量锅炉运行状态异常检测方法，其特征在于：所述编码器包括：

5.根据权利要求4所述的多变量锅炉运行状态异常检测方法，其特征在于：所述环境编码层、图像编码层、工况编码层分别采用多层感知机mlp、卷积神经网络cnn、长短期记忆网络lstm实现，这些编码层的输入均超过9个时间步长的数据，输出为基于时序的特征向量且均通过位置编码和层归一化。

6.根据权利要求4所述的多变量锅炉运行状态异常检测方法，其特征在于：所述静态扩充层由两个隐藏层和一个基于门控线性单元glu的组件门控层实现。

7.根据权利要求5所述的多变量锅炉运行状态异常检测方法，其特征在于：在一组基于时序的特征向量中，对于每个时间步长的特征，将基于不同频率正弦波的位置编码添加到各时间步长的特征中，使得一组特征向量能够表达出内部的位置信息；由于基于时序的特征向量具有相同维度，所述融合层通过权重网络给这些特征向量赋值相应的权重，进而通过加权求和进行融合，最后再与静态特征向量进行拼接得到新的融合向量。

8.一种电子设备，包括存储器和处理器，其特征在于：存储器中存有程序代码，处理器用于执行该程序代码以实现如权利要求1～7任一权利要求所述的多变量锅炉运行状态异常检测方法。

9.一种计算机可读存储介质，其存储有计算机程序，其特征在于：所述计算机程序被计算机执行时以实现如权利要求1～7任一权利要求所述的多变量锅炉运行状态异常检测方法。

技术总结
本发明公开了一种多变量锅炉运行状态异常检测方法及设备和存储介质，通过利用动态环境数据、锅炉火焰燃烧图片、锅炉传感器数据等多模态时间序列数据，以及静态环境数据组成的静态特征，较好地优化对锅炉运作时的异常检测准确率，这些多模态数据在经过编码层的一系列变换输出对应的编码向量后，通过融合层对这4组编码向量进行加权融合处理，进而优化异常数据的检测准确度。本发明方法不仅具有较高的异常检测准确率，还能够有效地提高锅炉运行的可靠性和安全性，为工业生产和能源领域提供了一种高效可靠的异常检测方法。

技术研发人员：郑军红,王铭杰,何利力
受保护的技术使用者：浙江理工大学
技术研发日：
技术公布日：2024/3/24