【技術實現步驟摘要】
本專利技術涉及一種燃氣輪機，特別是涉及一種基于lstm的燃氣輪機組故障診斷分類方法及系統。
技術介紹
1、隨著人工智能的快速發展，各行各業的企業方逐漸將人工智能算法應用于數據處理、預測等故障的診斷分析中。尤其是，基于燃氣輪機機組進行生產作業的企業，通常需要對燃氣輪機組的故障進行診斷，以確保燃氣輪機組的正常運行。
2、目前，現有的燃氣輪機組的故障診斷時，通常對燃氣輪機組的運行參數配置閾值，當超出閾值時，確定出產生了故障以及對應的故障分類。但是，由于對運行參數的閾值比較需要大量調試數據的支撐，浪費大量人力物力，并當采集到的運行參數若出現失真，則會引起診斷結果的誤判，也會導致故障診斷的準確性降低，因此，亟需一種燃氣輪機組故障診斷分類方法來解決上述問題。
技術實現思路
1、有鑒于此，本專利技術提供一種?基于lstm的燃氣輪機組故障診斷分類方法及系統，主要目的在于現有燃氣輪機故障判斷的準確性較低的問題。
2、依據本專利技術一個方面，提供了一種基于lstm的燃氣輪機組故障診斷分類方法，包括：
3、獲取燃氣輪機組中各燃氣輪機的設備運行參數，并基于所述燃氣輪機組的機組網絡關系調取與各所述燃氣輪機所對應的設備故障容忍系數；
4、基于已完成模型訓練的故障診斷模型對所述設備運行參數以及所述設備故障容忍系數進行故障診斷，得到所述燃氣輪機組的故障診斷結果，所述故障診斷模型為基于lstm網絡構建的；
5、若所述故障診斷結果為機組故障，則基于所述設備運
6、進一步地，所述設備運行參數包括葉輪轉速、進出口溫度、進出口壓力、設備運行時間、網絡層級，所述基于已完成模型訓練的故障診斷模型對所述設備運行參數以及所述設備故障容忍系數進行故障診斷，得到所述燃氣輪機組的故障診斷結果之前，所述方法還包括：
7、基于lstm網絡構建故障診斷模型，并獲取歷史設備運行樣本集，所述故障診斷模型中包括輸入門、遺忘門、狀態門、輸出門，所述歷史設備運行樣本集中包含有標記有故障標簽的訓練樣本數據，所述狀態門以及所述遺忘門的權重矩陣為基于所述網絡層級的層級數、設備節點數確定的；
8、通過所述歷史設備運行樣本集對所述故障診斷模型進行模型訓練，得到完成模型訓練的所述故障診斷模型。
9、進一步地，所述方法還包括：
10、按照所述燃氣輪機組中的設備個數確定所述權重矩陣的行數、列數；
11、按照比例加和運算關系以及所述網絡層級的層級數、設備節點數，依次計算各個所述燃氣輪機的元素值，基于所述元素值構建得到權重矩陣。
12、進一步地，所述基于所述燃氣輪機組的機組網絡關系調取與各所述燃氣輪機所對應的設備故障容忍系數之前，所述方法還包括：
13、調取與所述機組網絡關系對應的關系權重，并獲取各所述燃氣輪機的單機故障閾值，所述單機故障閾值中包括葉輪轉速閾值、進出口溫度閾值、進出口壓力閾值、設備運行時間閾值；
14、基于所述關系權重以及所述單機故障閾值進行比例運算，得到所述設備故障容忍系數。
15、進一步地，所述基于所述設備運行參數確定所述燃氣輪機組的機組故障等級包括：
16、逐一比較所述設備運行參數與對應的所述單機故障閾值之間的差值；
17、若得到的差值大于預設故障等級分類閾值對應的閾值個數，則確定為所述故障等級分類閾值所對應的機組故障等級；
18、若得到的差值小于或等于預設故障分類閾值對應的閾值個數，則確定為所述故障等級分類閾值所對應的下一機組故障等級。
19、進一步地，所述方法還包括：
20、若所述故障診斷結果為設備故障，則識別目標故障設備，并確定所述目標故障設備的設備故障等級。
21、進一步地，所述識別目標故障設備，并確定所述目標故障設備的設備故障等級包括：
22、基于單機故障閾值逐一與所述設備運行參數進行比較；
23、若比較結果大于所述機組網絡關系所對應的預設機組閾值，則確定所述設備運行參數所對應的目標故障設備；
24、對所述比較結果進行差值比例劃分，基于劃分結果確定所述設備故障等級。
25、依據本專利技術另一個方面，提供了一種基于lstm的燃氣輪機組故障診斷分類系統，包括：
26、獲取模塊，用于獲取燃氣輪機組中各燃氣輪機的設備運行參數，并基于所述燃氣輪機組的機組網絡關系調取與各所述燃氣輪機所對應的設備故障容忍系數；
27、診斷模塊，用于基于已完成模型訓練的故障診斷模型對所述設備運行參數以及所述設備故障容忍系數進行故障診斷，得到所述燃氣輪機組的故障診斷結果，所述故障診斷模型為基于lstm網絡構建的；
28、確定模塊，用于若所述故障診斷結果為機組故障，則基于所述設備運行參數確定所述燃氣輪機組的機組故障等級。
29、進一步地，所述系統還包括：
30、構建模塊，用于基于lstm網絡構建故障診斷模型，并獲取歷史設備運行樣本集，所述故障診斷模型中包括輸入門、遺忘門、狀態門、輸出門，所述歷史設備運行樣本集中包含有標記有故障標簽的訓練樣本數據，所述狀態門以及所述遺忘門的權重矩陣為基于所述網絡層級的層級數、設備節點數確定的；
31、訓練模塊，用于通過所述歷史設備運行樣本集對所述故障診斷模型進行模型訓練，得到完成模型訓練的所述故障診斷模型。
32、進一步地，所述系統還包括：
33、所述確定模塊，還用于按照所述燃氣輪機組中的設備個數確定所述權重矩陣的行數、列數；
34、計算模塊，用于按照比例加和運算關系以及所述網絡層級的層級數、設備節點數，依次計算各個所述燃氣輪機的元素值，基于所述元素值構建得到權重矩陣。
35、進一步地，所述系統還包括：
36、調取模塊，用于調取與所述機組網絡關系對應的關系權重，并獲取各所述燃氣輪機的單機故障閾值，所述單機故障閾值中包括葉輪轉速閾值、進出口溫度閾值、進出口壓力閾值、設備運行時間閾值；
37、運算模塊，用于基于所述關系權重以及所述單機故障閾值進行比例運算，得到所述設備故障容忍系數。
38、進一步地，所述確定模塊包括：
39、第一比較單元，用于逐一比較所述設備運行參數與對應的所述單機故障閾值之間的差值；
40、第一確定單元，用于若得到的差值大于預設故障等級分類閾值對應的閾值個數，則確定為所述故障等級分類閾值所對應的機組故障等級；
41、第二確定單元，用于若得到的差值小于或等于預設故障分類閾值對應的閾值個數，則確定為所述故障等級分類閾值所對應的下一機組故障等級。
42、進一步地，所述系統還包括：
43、所述確定模塊，還用于若所述故障診斷結果為設備故障，則識別目標故障設備，并確定所述目標故障設備的設備故障等級。
44、進一步地，所述確定模塊本文檔來自技高網...
【技術保護點】
1.一種基于LSTM的燃氣輪機組故障診斷分類方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，所述設備運行參數包括葉輪轉速、進出口溫度、進出口壓力、設備運行時間、網絡層級，所述基于已完成模型訓練的故障診斷模型對所述設備運行參數以及所述設備故障容忍系數進行故障診斷，得到所述燃氣輪機組的故障診斷結果之前，所述方法還包括：
3.根據權利要求2所述的方法，其特征在于，所述方法還包括：
4.根據權利要求1所述的方法，其特征在于，所述基于所述燃氣輪機組的機組網絡關系調取與各所述燃氣輪機所對應的設備故障容忍系數之前，所述方法還包括：
5.根據權利要求4所述的方法，其特征在于，所述基于所述設備運行參數確定所述燃氣輪機組的機組故障等級包括：
6.根據權利要求1所述的方法，其特征在于，所述方法還包括：
7.根據權利要求1-6任一項所述的方法，其特征在于，所述識別目標故障設備，并確定所述目標故障設備的設備故障等級包括：
8.一種基于LSTM的燃氣輪機組故障診斷分類系統，其特征在于，所述系統包括：>
9.一種存儲介質，所述存儲介質中存儲有至少一可執行指令，所述可執行指令使處理器執行如權利要求1-7中任一項所述的基于LSTM的燃氣輪機組故障診斷分類方法對應的操作。
10.一種終端，包括：處理器、存儲器、通信接口和通信總線，所述處理器、所述存儲器和所述通信接口通過所述通信總線完成相互間的通信；
...【技術特征摘要】
1.一種基于lstm的燃氣輪機組故障診斷分類方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，所述設備運行參數包括葉輪轉速、進出口溫度、進出口壓力、設備運行時間、網絡層級，所述基于已完成模型訓練的故障診斷模型對所述設備運行參數以及所述設備故障容忍系數進行故障診斷，得到所述燃氣輪機組的故障診斷結果之前，所述方法還包括：
3.根據權利要求2所述的方法，其特征在于，所述方法還包括：
4.根據權利要求1所述的方法，其特征在于，所述基于所述燃氣輪機組的機組網絡關系調取與各所述燃氣輪機所對應的設備故障容忍系數之前，所述方法還包括：
5.根據權利要求4所述的方法，其特征在于，所述基于所述設備運行...
【專利技術屬性】
技術研發人員：劉鵬，屠海峰，崔繼敏，陳麗娟，
申請(專利權)人：國家電投集團鄭州燃氣發電有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。