[发明专利]一种基于Keras的电气系统运行状态智能分析方法

说明书

本发明公开一种基于Keras的电气系统运行状态智能分析方法，通过采集电站电气系统运行历史数据，存储在OpenTSDB数据库中，构建电气系统运行状态的历史向量数据库；从历史向量数据库中确定每组样本数batch_size进行MLP参数初始化；加载历史向量数据库的数据，分类为包括训练集和测试集；构建多层神经网络结构，构建出电气系统运行状态智能检测模型；训练集数据作为输入训练数据传入模型，输出电气系统运行状态的预测值和预测值相对应的阈值；获取电气系统运行状态的实测值，比较实测值与预测值、预测值相对应的阈值，进行预测警报，提示工况偏离，指导及时恢复，避免引起安全问题，对电气各系统不同工况的预测精准，提高了电站电气系统运行的安全性和稳定性。

技术领域

本发明涉及电站电气系统运行技术应用领域，尤其涉及一种基于Keras 的电气系统运行状态智能分析方法。

背景技术

大型电站机组中电气系统长期高负荷运行，特别是在机组调峰运行的过程中，机组启停或变负荷运行会使得电气系统和设备相应承受大幅度的负载变化和交变电磁场，运行方式会随着调整，若调整不当，不仅影响机组运行的稳定性，也可对电气设备产生损伤，影响电气元件的使用寿命。对于超临界参数机组，发电机金属温度、发变组系统、氢气系统、定冷水系统、密封油系统等工作在接近允许工况极限的条件下，这一运行安全性问题就更为突出和重要。根据现有的技术，主要以自动化系统保护，操作人员监盘及时调整来实现机组稳定运行，但是实际生产过程中，由于受到多种条件限制，操作人员很难判断应对当前和未来工况对应的运行方式，也无法持续长期实时监视系统，从而无法对这些运行方式参数进行实时在线监测，经常因某些局部参数偏离正常运行阈值而未达到报警限值，而不易被发现，引起多种安全隐患，进而造成安全事故。

目前机器学习等智能算法已经逐步应用在智能检测等领域，在智能电站有关模块也经常使用，主要用于管理方面的辅助决策，还未涉及现场电气系统运行控制层面。而本发明，对获取的电气系统运行方式数据进行基于Keras 的神经网络分析技术，极大的提高了电厂电气运行数据的价值，经专利等文献查新，目前还未发现本发明中提出的一种基于Keras 的电气系统运行状态智能分析方法在电站电气运行状态智能分析中使用的先例。

发明内容

本发明的目的在于提供一种基于Keras 的电气系统运行状态智能分析方法，用以解决上述背景技术提出的问题。

一种基于Keras的电气系统运行状态智能分析方法，其特征在于，包括以下步骤：

采集电站电气系统运行历史数据，并存储在OpenTSDB数据库中；

获取存储在OpenTSDB数据库中的历史数据，构建电气系统运行状态的历史向量数据库；

从历史向量数据库中确定训练时每次梯度更新的样本数batch_size，以每次梯度更新的样本数batch_size为基数进行分组，并对每组样本数batch_size进行MLP参数初始化；

加载历史向量数据库的数据，并分类为包括训练集和测试集，总样本数的一部分作为训练集用于模型训练，剩余部分作为测试集用于模型测试；

利用Keras构建多层神经网络结构，构建出电气系统运行状态智能检测模型；

用以历史向量数据库中的训练集数据作为输入训练数据，传入已构建的电气系统运行状态智能检测模型，输出电气系统运行状态的预测值和预测值相对应的阈值；

获取电气系统运行状态的实测值，比较实测值与预测值、预测值相对应的阈值，进行预测警报。

优选地，所述电站电气系统运行历史数据包括发电机的金属结构、发变组系统、氢气系统、定冷水系统和密封油系统多个部位在不同工况下的热参数和/或电参数数据。